中山醫學大學暨附設醫院 教師成長中心主任、臨床技能中心主任
黃昭硯
近期人工智慧蓬勃發展。每隔幾個月，AI 能做的事、能做得更好的事，都以一日千里的速度推進。在這個看似最好的時代裡，也充滿了前所未有的挑戰。對教育體制、教師定位、課程設計，以及評量學生進展的工具而言，AI 都正在重塑教育現場。身為一位長期深耕醫學教育的臨床醫師，我對人工智慧充滿期待，卻也必須誠實承認，它同時帶給我壓力與焦慮。我反覆思考：當知識取得的門檻快速降低，教與學究竟要往哪裡去？當 AI 可以摘要、解釋、生成教材、設計測驗時，教師還剩下什麼不可取代的角色？當學生能快速獲得資訊，醫學教育又該如何重新定義「學會」與「成長」？
落筆之時，我的思緒仍像打結的毛線球般混亂。我試著將在美國 Duke與 ACGME 的學習經驗當作透鏡，慢慢抽絲剝繭。
在大一 Meet Professor 的活動中，有新生提到醫學系的競爭壓力很大，即使已經非常認真，成績仍可能落在班上的後段。這種挫折，對許多孩子而言，也許是人生第一次真正面對「努力了，卻不一定能站在最前面」的情境。我曾在新生定錨的開場對他們說：「大家在高中以前，都是各班、各校的精英，但一個學期之後，一定會有一個人成為全班最後一名。也許這是人生第一次，但那不是失敗，而是學習的一部分。在醫學的路上，不會永遠有一百分的標準答案，更多時候，我們面對的是不確定性。」
我也和他們分享過一個急診的真實現場。那天，我救治了兩位到院前呼吸心跳停止的病人。一位是癌症末期、身體非常虛弱的病人，因為吃麻糬噎到而導致呼吸心跳停止；當我移除異物後，他活了過來。同一天，另一位四十歲的青壯年猝死病人，我們依照標準執行了高品質急救，卻仍然無力回天。他的妻子胸前抱著不滿週歲的嬰孩，手牽著一個幼稚園的小孩，在急診裡絕望哭泣，而我只能站在那裡，承認自己的無能為力。醫學不是一條只有標準答案的路。它有知識、有技術、有流程，也有極深的不確定、限制、挫折與悲傷。如何面對接下來人生與醫療中的挫折，本身就是他們需要學習的重要課題。
這些年，我也聽到了一些學生的想法。大一、大二有時像是「高四、高五」：基礎科學與基礎醫學之間存在距離，學生不一定理解有氧呼吸對循環有什麼意義。這些科學基礎當然是醫學的重要基石，但年輕的孩子還不容易做出連結。到了大三，他們開始攀爬基礎醫學這座大山，面對大量知識，也可能在知識與未來臨床意義之間迷航。大五、大六穿上白袍後，學習不再只是按著課表前進，而是在臨床見習與實習中，把過去幾年所學放進真實照護情境裡驗證，並逐步建立臨床推理思維；但也有習慣按表操課的同學，在失去標準流程後顯得載浮載沉。
然而，AI 來了。
AI 讓教科書中的知識不一定要從教師口中傳授。學生可以用更多元的方式獲取資訊。每一位教師的表達方式、投影片設計、課堂節奏，固然仍會影響學生學習；但如果未來我們能把醫師應具備的正確醫學知識標準化，例如將經過審查的教材內容放入 AI，讓學生選擇適合自己的學習方式，學習的樣貌將會完全不同。可以是摘要筆記，可以是有聲音與畫面的影片，可以是隨時隨地收聽的錄音檔，可以是幫助理解的心智圖、表格，或是用來測驗理解的題目。當師生之間「獲得資訊」的鴻溝逐漸消失，教師的任務就必須重新被定義。也許，教師不再只是知識的傳道者，而是依據 Bloom’s Taxonomy 重新設計學習體驗的設計師：讓課程從記憶與理解，逐步走向應用、分析、評估與創造等更高層次的學習活動。
在 Duke 觀察一年級課堂時，我對 Team-Based Learning（TBL）的設計印象深刻。學生必須事先線上學習，在團隊中討論，在不確定中表達自己的判斷，也從同學不同的背景中學習。例如有藥師背景的同學，能在討論中說明藥物機轉，幫助其他同學更好地理解臨床問題。教師的角色則不是單向給答案，而是在學生思考與討論後，提供關鍵提問與回饋，幫助他們修正理解。
在每一個模組的最後，Duke 也安排模擬情境演練。學生透過照顧一位意識不清的模擬病人，生澀地練習問診、理學檢查、討論處置，並嘗試與病人互動。情境結束後，老師先展示 Duke 醫學系的徽章，邀請學生把自己的作為拼回徽章的拼圖之中：哪些行為屬於以病人為中心？哪些討論展現了批判性思考？哪些行動反映了無私服務？情境中有哪些正直誠信的表現？團隊如何溝通協作？模擬教育不只是技能訓練，也不只是急救流程演練；它可以成為學生理解「我正在成為什麼樣的醫師」。透過模擬情境，學生以終為始，聚焦在如何成為一位醫師，而 Duke 醫學系的徽章就像他們的航海圖。這樣的學習方式，其實很接近臨床工作的本質。臨床現場本來就不是一個人單獨背誦答案，而是在資訊不完整、時間有限、團隊互動複雜的情境中，做出判斷。
另外，Duke Pioneer program 讓大二學生在固定時間到門診跟著一位臨床教師。它不只是讓學生「看見」臨床，而是以教學門診的方式，讓學生自己完成病史詢問、理學檢查，並向教師報告。教師再提出問題，例如：這位氣喘發作的病人家中是否有養寵物？四月花粉季時症狀是否更嚴重？這些問題看似細小，卻讓學生理解疾病不是單次就醫的片段，而是一個人生命歷程中的長期故事。每一位病人，從接觸、問診、檢查到病歷寫作，都成為學生完整的學習經驗。課程也採取縱貫式設計，每個月教師觀察與回饋的重點不同：第一個月針對病史詢問做引導，第二個月聚焦在臨床推理，第三個月則把重心放到病歷修改。學生在設計好的制度中持續接受觀察與回饋，逐漸理解自己在臨床推理、溝通、病人照護與專業態度上的成長。相較於台灣常將基礎醫學與臨床訓練分段安排，Duke 更強調課程整合與早期臨床接觸。學生不是等知識完備後才接近病人，而是在真實情境中逐步將醫學知識轉化為有意義的照護能力。
如果說 Duke 讓我看見「學生如何在以病人為中心的情境中養成」，那麼今年在芝加哥參加 ACGME 師培課程，則讓我進一步思考：教師與制度如何支持這樣的養成？ Competence-based Medical Education, CBME 不是完成一堆表單，而是建立一個讓學習者能被觀察、被回饋、被公平判斷，也被個別化支持的教育系統。換句話說，如果 Duke 回答的是「學生應該往哪裡成長」，ACGME 則提醒我「教師與制度應該如何陪伴學生」。在 AI 時代，這一點更加重要。當知識傳遞逐漸可以被科技輔助，教師最不可取代的角色，是靠近學生的真實表現，觀察他如何面對病人、如何臨床推理、如何與團隊溝通、如何在不確定中做出判斷，並把這些觀察轉化成具體、可行、能促進成長的回饋。
ACGME 對直接觀察、反饋與教練式領導的強調，讓我印象深刻。過去臨床教學常憑整體印象、病歷、口頭報告或考試成績判斷學生能力；但若教師沒有真正看見學生如何接觸病人、問診、檢查與表達判斷，回饋就容易停留在模糊評語。真正有幫助的回饋，必須建立在具體行為上，連結能力標準，並指向下一個可練習的目標。師培模擬訓練也提醒我：教師並不是天生就會當教練。臨床經驗與專業能力，不必然等於好的引導；教師的 coaching 能力本身，也需要被觀察、被練習、被回饋。
Duke 的模擬教育讓學生在安全情境中練習以病人為中心的照護，將批判性思考、團隊合作、情緒智慧、正直誠信與無私服務落實於臨床。ACGME 的模擬訓練則讓教師透過標準化演出，練習觀察學習者、給予具體回饋，並將評量轉化為引導。前者養成面對病人的學生，後者養成陪伴學生的教師；兩者共同提醒我，醫學教育需要安全而真實的練習場，讓人能嘗試、犯錯、被看見，並在回饋中成長。也因此，AI 帶來的問題，或許不是「教師會不會被取代」，而是「教師是否願意重新定位自己的角色」。如果教師能成為學習設計者、臨床觀察者、回饋提供者與成長路上的教練，AI 反而可能釋放出新的教育空間。AI 可以幫助學生更有效率地取得資訊，卻無法完全取代臨床教師在真實情境中的判斷：學生為何漏問關鍵病史？臨床推理在哪一步跳得太快？在團隊中為何沉默？面對病人焦慮時，是不知道如何回應，還是尚未發展出足夠的情緒覺察？這些，都需要教師靠近現場，才有可能看見。
這一年，我從 Duke 學到，醫學教育必須始終回到病人；從 ACGME 學到，醫學教育也必須回到學習者可被觀察的成長，以及教師有品質的引導。AI 時代讓許多熟悉的角色鬆動，卻也迫使我們重新看見教師最珍貴的任務：不只是把知識講清楚，而是設計能促進思考、同理、合作與承擔的學習經驗；不只是評分，而是觀察、指引，並陪伴學生在不確定中逐步成為值得信任的醫師。真正成熟的醫學教育，不是讓學生更快背完知識，也不是讓教師被科技取代，而是在 AI 的輔助下，讓教師更有能力成為學習者成長路上的教練。
