美军医学院开设AI放射学训练项目

这项长期课程由空军中校、博士贾斯汀·皮科克与海军中校、博士卡尔·索德伦德联合负责，目标是回应一项迫切的作战医疗需求。随着商业行业快速引入算法诊断工具，美国国防部亟需既能熟练使用这类技术、又不会影响患者医疗质量与数据安全的军队医生。

当前，美国陆军与海军都面临放射科专业人员编制下降的问题。USU希望通过把AI纳入常规工作流程，缓解不断上升的临床任务压力。

该课程尤其聚焦部署环境中医护人员会遭遇的高风险真实情境。若一名普通放射科医生被派往前沿作战基地，而现场缺少神经放射科专家支持，他们可借助AI作为临床决策辅助工具，处理自身可能并不熟悉的复杂神经病理问题，或将其作为筛查危及生命的创伤性脑损伤的分诊手段。不过，住院医师仍必须依靠临床判断来确认或否定工具给出的结果。坚持"人在回路"（human in the loop）原则，才能确保最高标准的医疗质量与严格责任落实。

更关键的是，这种模拟改变了传统评估方式：不再是人评估AI，而是由AI来评价医生。该系统依据与美国毕业后医学教育认证委员会标准相匹配的评分细则，从医学知识、患者照护、专业素养以及以患者为核心的沟通等维度对住院医师进行打分。

该课程设计的一项核心目标，是通过培养理性质疑能力，打破人们对机器学习的固有成见。课程要求住院医师避免把AI看成完全无效或绝对正确的两种极端立场。

美国国防卫生局正持续增加对放射学AI技术的资金支持。因此，他们需要放射学领域专家认真验证并判断这些工具在日常放射实践中的临床有效性，同时在部署使用后继续开展审查。

要完成这门课程，学习者必须设计并展示一个原创的结业项目——开发一款面向行政、教学、临床实践或科研的AI辅助工具。通过承担开发者角色，住院医师可以直接看到这项技术内在的失效模式。这种亲自实践产生的"摩擦"，能帮助未来军事医疗领导者更准确地识别计划引入军事医疗机构的新型商业AI工具所存在的缺陷、偏差以及整合难题。

该课程将帮助放射学教师、住院医师、学生、技术人员和辅助支持人员，为军事放射学中AI驱动的未来做好准备。它确保相关人员懂得如何以符合伦理且高效的方式使用这些工具，从而在任何时间、任何地点都能为作战人员提供最佳支持。