医疗AI事故率上升，技术应用伦理/责任边界怎确定？
编者案
标题
医疗AI事故率上升，
技术应用伦理/责任边界怎确定？
篇目一
人工智能产业开发背景下
医疗人工智能的伦理挑战及对策研究
作者
陈晨1 陈琳2
郭子凯1 任宁1
1.西安医学院医学语言与文化研究中心
2.安康市中医医院重症医学科
来源
《中国医学伦理学》
2024年 第9期
关键词
医疗人工智能
伦理挑战
人工智能产业
摘要
随着人工智能技术的飞速发展，其在医疗领域的应用日益广泛，推动了医疗产业的创新与发展。然而，医疗人工智能应用逐渐普及的同时，也面临医疗机器人的权利、医疗机器人的道德责任、个人隐私与数据安全、公平性等与人类利益和价值观密切相关的伦理挑战。
为解决以上问题，提出应建立法律法规、健全监管机制，加强技术研发和防范措施，多元主体参与、多学科交叉融合，“负责任创新”等伦理治理措施。希望通过这些措施，促进医疗人工智能的可持续发展，实现科技创新与社会价值的和谐统一。
希望加入卫生政策大家庭的师友，
欢迎关注本公众号（“健康国策2050”），
添加管理员微信：bro1379，
身份验证通过后即可免费进群，
群内将发布高清完整版思维导图、
高端学术活动等通知
正文
《健康中国2030规划纲要》将“推动健康科技创新”上升为国家战略，《新一代人工智能发展规划》也将“智能医疗”作为重点发展领域。
人工智能在医疗领域的发展有着广阔的前景和重要的意义，智慧医疗已成为科技竞争的重点领域，2021年中国医疗机器人市场的体量达到近10亿美元，上海浦东张江机器人谷年工业产值达221亿元。
人工智能技术在医疗领域的应用，可以提高医疗服务的效率和质量，为患者提供更加智能化、个性化的医疗服务，同时能促进医疗产业的升级和发展，推动医疗领域的科技创新和进步，但在医疗人工智能的应用带来巨大潜力的同时，也引发了一系列伦理问题。
一、医疗人工智能
的伦理挑战
医疗机器人直接关系到患者的生命安全，其伦理风险将给社会带来极大的隐患。
机器人伦理是人工智能伦理体系的重要组成部分，是伦理学研究的新方向、新领域，主要涉及关于机器人技术的使用、机器人与人类之间的伦理关系和问题，尤其是“人—机器人”交互过程中产生的各种社会伦理问题。
随着人工智能技术的不断发展，机器人在医学场景中出现的频率越来越高，而与医疗机器人相关的道德伦理问题也日益凸显。
因此，关于医疗机器人伦理问题的探讨和研究具有重要的现实意义和价值，其涉及的核心议题包括：医疗机器人的权利、医疗机器人的道德责任、个人隐私与数据安全、公平性问题等。这些议题与人类的利益和价值观密切相关，值得深入研究和探讨。
01
医疗机器人的权利问题
医疗机器人的权利问题是一个复杂且日益受到关注的议题。随着医疗机器人技术的快速发展和广泛应用，其在医疗领域扮演着越来越重要的角色，但同时也引发了一系列伦理和法律问题，其中最为核心的就是医疗机器人的权利问题。
医疗机器人是否具有权利？
在探讨这一问题时，首先需要明确权利的定义及其在法律中的地位。在传统的法律体系中，权利通常被赋予具有意识和自主性的生物实体，如人类。
然而，医疗机器人作为一种高度智能化的机器，虽然不具备生物性和意识，但它们在医疗过程中能够自主决策和执行任务，通过“理性配置”有了理性和自由意志的萌芽，进入到与人类同等的“范畴”，能够在表征层面，自我参与、自我反思，进而浮出自身进入环境并产生扰动，因此有学者认为在强人工智能时代，医疗机器人因具备自主决策与深度学习的能力，能够通过与环境互动作出自主性判断，具有了相应的主体权利资格。
也有学者认为医疗机器人只是人类通过特定的程序编辑表达的类人智慧，是对人类智慧的模仿，只能在编程的范围内活动，或者对一定的数据进行总结分析，但不能进行创新活动，因此不具有行为能力和权利能力。
然而，医疗机器人的权利问题不是简单的是非问题。
一方面，赋予医疗机器人权利有助于保护其合法权益，防止其被滥用或受到不必要的损害。例如，在手术过程中，如果医疗机器人出现故障或误操作，可能会对患者造成严重伤害，此时如果机器人没有相应的权利，那么其制造商和使用者可能会逃避责任。
另一方面，过度赋予医疗机器人权利也可能引发一系列问题。例如：
随着医疗机器人权利的增加，机器人可能会取代更多的医疗专业人员，从而导致失业和社会不平等问题的加剧；
过度依赖医疗机器人可能导致患者的自主权受到侵犯。如果机器人在没有充分告知或征得患者同意的情况下作出治疗决策，可能侵犯患者的知情同意权；
医生群体被迫让渡部分自主权利，置身于“技术茧房”之中难以摆脱被技术同化的命运。
医疗机器人的权利问题还与其在医疗体系中的角色和定位密切相关。随着医疗机器人的广泛应用并逐渐承担起更多的医疗任务和责任，需要更加明确具体的法律地位和权利保障，包括医疗机器人在医疗决策中的参与程度、其对医疗结果的责任承担以及与其他医疗人员的协作关系等方面。
在解决医疗机器人的权利问题时需要综合考虑技术、法律、伦理和社会等多个方面的因素。通过制定和完善相关法律法规和政策，明确医疗机器人的法律地位和权利范围，同时加强对其技术和行为的监管和评估，才能更好地平衡医疗机器人与人类用户之间的权益关系，推动医疗机器人技术的健康发展。
02
医疗机器人的责任问题
医疗机器人的责任问题是一个关键且复杂的议题，涉及多个层面，包括技术、伦理和法律等。随着医疗机器人在医疗领域的广泛应用，其责任问题也日益凸显。
医疗机器人是否应该承担道德责任？
《新一代人工智能伦理规范》为医疗机器人的责任问题提供了指导原则，但具体责任归属和界定仍需根据实际情况进行综合分析和判断。
首先，从技术层面来看，医疗机器人作为一种高度智能化的医疗设备，其设计和制造过程中可能存在缺陷或漏洞，导致其在实际应用中出现故障或误操作。这些故障或误操作可能会对患者造成严重伤害，甚至危及生命。因此，医疗机器人的制造商和研发者需要对其产品的安全性和可靠性承担相应责任。正如Veruggio所言，机器人实际上只是人类创造的工具，它们并不知道自己所作的选择。因此，人类对其行为负有道德责任。
其次，从伦理层面来看，医疗机器人的自主性可能导致责任归属不明确。医疗机器人在医疗过程中甚至能够自主决策和执行任务，因此可能会出现机器人作出错误判断并导致不良后果的情况。同时，机器人并不具备人类的道德意识和情感，这使得其在面对复杂的医疗情况时可能无法作出恰当的决策。在这种情况下，责任应该由谁承担就成为了一个问题。因此，需要明确医疗机器人在伦理方面的责任，在人工智能载体的设计阶段，应全面考虑其作为人类事务委托者或决策代理者时应遵循的伦理准则，以确保其在使用过程中不会违反伦理原则。
最后，从法律层面来看，医疗机器人的责任问题涉及法律法规的制定和执行。目前，各国对于医疗机器人的法律地位和责任认定尚存在争议和分歧。一些国家已经开始制定相关的法律法规，明确医疗机器人的法律地位和责任范围，以确保其在使用过程中能够受到有效监管和约束。中国法律尚未对医疗机器人的主体资格作出明确规定，医疗责任的归属和认定是智能医疗机器人伦理风险防控的关键问题。
03
个人隐私与数据安全问题
随着医疗人工智能技术的快速发展和广泛应用，个人隐私和数据安全面临着越来越大的挑战。按照《新一代人工智能伦理规范》的要求，所有人工智能相关活动，包括医疗人工智能的应用，都必须严格遵守隐私保护原则，确保个人数据的安全性和保密性。
个人隐私是患者的第一关切。但是，数据的采集、打通、整合和连接的操作过程，必然存在隐私泄露的隐患。
医疗人工智能系统的应用涉及大量的个人隐私信息，包括患者的病历、诊断结果、治疗方案等。这些信息具有极高的敏感性，如果泄露或被滥用，将对患者的个人权益造成损害。
例如，美国芝加哥大学向谷歌提供的数十万条患者记录并未进行充分的去标识化处理，仍然包含了患者的个人信息、诊断详情、手术记录以及用药情况等敏感数据，导致这些数据可能被用来重新识别患者身份，从而侵犯了个人隐私权。因此，保护个人隐私是医疗人工智能应用中的首要任务。
数据安全也是医疗人工智能应用中不可忽视的问题。医疗机器人本身具有记忆、扩散和复制等功能，无形中增加了医疗数据泄露的可能性，因而患者知情权和个人隐私安全无法得到保障。
医疗人工智能系统通常依赖大量的数据来进行训练和优化，这些数据可能包含患者的个人信息和医疗数据。如果这些数据被非法获取或遭到恶意攻击，将对患者的隐私和医疗安全造成严重威胁。
此外，医疗人工智能系统的数据泄露还可能对医疗机构的声誉和信誉造成重大损失。目前中国的法律体系尚未明确规定患者隐私延伸出的数据权利，如何保护患者的隐私权成为医学AI领域伦理治理中亟须解决的关键问题。
04
公平性问题
公平性在医疗领域尤为重要，每个人都应该平等地获得必要的医疗服务，而不受种族、性别、年龄、社会地位或其他任何因素的歧视。
在推动人工智能发展的过程中，公平性问题是一个不可忽视的方面，涉及算法决策对个体或群体的潜在影响，人工智能技术的应用会导致资源分配的不平等，使得某些群体无法充分享受其带来的益处。
首先，数据偏见是一个关键问题。医疗人工智能系统的训练数据通常来自过去的医疗记录，这些数据可能反映了不公平和偏见，如种族、性别或社会经济地位的不平等。
如果这些数据被用来训练模型，那么模型可能会无意中放大这些偏见，导致不公平的决策和结果。在算法偏见与算法黑箱的支配下，基因、种族、性别和地域等偏见可能会被无意识地嵌入算法程序中，各种算法歧视与偏见被机器人学习和继承，且很难通过技术手段剔除，从而导致特定医患人群被标签化，引发这些群体在社会就业和职业发展中受到不公待遇，影响社会公平公正。
例如在算法的渗透下，老年人群体日益被边缘化，算法决策机制在本质上就有年龄歧视的风险，因为它更倾向于将资源用于年轻人，老年人的生命价值可能被忽视或低估，导致他们在算法决策中处于不利地位。
其次，可及性也是一个重要问题。各国、各地区的贫富差距和技术差距不断加大，智能医疗资源的分配存在有失公平公正的伦理风险。
事实上，尽管医疗人工智能有潜力提高医疗服务的质量和效率，但由于资源限制、技术基础设施不足或文化因素等原因，并不是每个人都能平等地获得这些技术，人们可能无法充分享受医疗人工智能带来的好处。
医疗机器人的应用存在明显的技术鸿沟、信息鸿沟和服务鸿沟，资源配置的矛盾可能进一步拉大贫富差距，导致医疗服务的不平等分配，加剧现有的社会不平等现象，不利于社会的公平和稳定。
二、医疗人工智能伦理问题
的对策
随着人工智能产业的迅猛发展，医疗人工智能产业在为《健康中国2030》目标提供强大支持的同时，其伦理问题也逐渐表现出来，不仅关乎个体权利，还涉及整个社会的道德和法律底线，因此必须最大限度地降低和规避这些风险。
人工智能领域的政策和实践应与《新一代人工智能伦理规范》的要求保持一致，在推动人工智能项目时应确保项目符合增进人类福祉、促进公平公正等基本原则。
在人工智能产品的研发、供应和使用等环节，应加强隐私保护和数据安全，确保个人信息不被非法收集和利用。
01
建立法律法规、
健全监管机制
应对医疗人工智能带来的伦理风险，不能仅停留在理论层面的探讨上，而应当落实在法律制度、社会政策以及行为准则等具体且具备执行力的现实层面上，要让医疗人工智能的应用有法可依。
相关部门需要制定详细的法律和伦理规范，明确医疗机器人在医疗过程中的权利和责任，以及与人类医生、患者之间的关系；
明确医疗人工智能应用中个人隐私和数据安全的保护标准和责任归属；
加强国际合作和法律法规的制定和执行，形成统一的国际标准和规范，为医疗机器人的发展提供有力的法律保障。
同时还要建立完善的监管机制，确保医疗机器人的使用符合法律和伦理规范，保障其合法权益的同时防止其滥用权利；
对医疗人工智能系统的数据进行严格的管理和监督，确保其安全性和可靠性。建立监管机制和伦理指南，确保医疗人工智能的使用符合公平性和伦理原则。
02
加强技术研发
和防范措施
加强技术研发和防范措施，提高医疗人工智能系统的安全性和防护能力。
当前医疗大数据种类繁杂且分类标准不统一，数据技术应用系统需要进一步创新优化，例如，采用先进的加密技术和数据脱敏技术，保护患者的个人信息和医疗数据不被泄漏和滥用，通过技术手段加强对数据收集、存储和使用过程的监管，确保数据的合法性和安全性。提升算法的可解释性和透明度也是方法之一。
医疗人工智能算法应具备更高的可解释性，训练模型时考虑公平性和无偏见性的原则，以便医生、患者和监管机构能够理解其决策依据。
通过改进算法的设计和实现方式，降低其产生的伦理风险，并增加人们对算法的信任。此外，还应通过技术手段建立完善的网络安全体系，防范恶意攻击和数据泄露等风险。
03
多元主体参与、
多学科交叉融合
作为当前最为复杂的新兴技术，人工智能技术具有不确定性以及深度专业性，单一机构不能提供支撑决策的全部知识，需要多元主体共同参与治理，工程师、公司职员、政府官员、医生、患者、伦理学家等多方的参与，才能为医学人工智能的设计提供具有一定共识的伦理原则，才能从法律法规到社会伦理等方面提供体系支撑。
同时，医疗人工智能的伦理问题涉及医学、伦理学、法学等多个学科领域。因此，促进多学科交叉合作，共同研究和解决伦理问题是非常必要的。
通过跨学科合作，可以综合不同领域的观点和方法，为医疗人工智能的伦理风险控制提供更全面和有效的解决方案。
04
“负责任创新”的伦理治理
负责任创新理念最初在欧美国家的科技伦理治理中被提出，着重对研究与创新可能产生的未知影响和结果进行前瞻性评估。
这一理念的核心目标在于应对科技发展过程中的责任伦理挑战，确保科技创新在遵循伦理原则的同时为社会带来积极的影响。
在医疗机器人的设计、研发和创新过程中，要遵循“负责任创新”的理念，对研究和创新的未知影响和结果进行预测评估，应当嵌入人类的伦理准则并遵循人类的价值规范体系，从而使智能医疗机器人可以产生符合伦理规范的判断和行为，以解决责任伦理问题。
三、结语
在人工智能产业快速发展的背景下，医疗人工智能的应用为医疗体系带来了巨大的变革和发展机遇。然而，伴随而来的伦理挑战不容忽视。
为了应对这些挑战，必须要让医疗人工智能的应用有法可依，建立高效的监管机制，并通过技术手段加强防范。
“负责任创新理念”强调在医疗人工智能研发和创新的整个过程中，以一种包容性的方法使多元主体共同参与、协调，建立科学和社会之间的有效合作，使医疗人工智能符合社会的价值观、需求和期望，以重点解决医疗机器人的权利、医疗机器人的道德责任、个人隐私与数据安全、公平性等问题。通过全面应对这些挑战，医疗人工智能的应用才能更好地造福人类健康。
篇目二
ChatGPT聚焦临床医学教育管理
研究热点的可行性与伦理考量
作者
曾嘉霖1 苏萍2 黄昉菀3
1.福建医科大学临床医学部
2.福建医科大学协和临床医学院
3.福州大学计算机与大数据学院
来源
《中国医学伦理学》
2024年 第9期
关键词
临床医学教育管理
研究热点
大型语言模型
伦理风险
规避进路
摘要
目的：探讨利用大型语言模型ChatGPT聚焦临床医学教育管理领域中研究热点的可行性，旨在加速该领域科学研究的进程。
方法：
首先选定该领域的六个关键课题，通过提问引导ChatGPT自动生成每个课题中最紧迫或最重要的五个研究热点；
然后组织六名临床医学教育管理人员利用五分李克特量表对ChatGPT生成的研究热点从针对性、人文性、辩证性、拓展性和独创性五个维度进行评估；
最后根据描述性统计、评分相似性、指标相关性对评估结果进行多角度分析。
结果：ChatGPT生成的研究热点在课题的针对性方面表现优异，在人文性、辩证性和拓展性方面的表现也令人满意，但在独创性方面则表现一般。
结论：ChatGPT可以作为聚焦临床医学教育管理中研究热点的辅助工具，但仍需更多努力来增强其所生成的研究热点的独创性。而在运用ChatGPT聚焦研究热点时，存在着一系列伦理风险，包括数据的虚假与滥用、算法的歧视与偏见、学术的失信与失范。
研究者从技术层面可整合多种大型语言模型的聚焦结果，利用数据和算法多样性，规避伦理风险；从应用层面可利用个体鉴别和群体论证等手段，以批判性思维谨慎审视，规避伦理风险。
正文
为推动临床医学教育管理的持续发展，准确聚焦最关键或最有价值的研究热点显得格外重要。现有的做法是通过查阅大量的参考文献或走访专家来取得共识，不仅费时费力，而且可能无法涵盖潜在研究热点的全部范围。
近年来，随着自然语言处理技术的迅猛发展，大型语言模型（large language model，LLM）在诸多领域中展现出强大的应用能力，包括教育领域和医疗领域等。目前在两者交叉的领域——医学教育管理领域尚未发现此方面的研究。
本文探索了利用LLM模型——ChatGPT，聚焦临床医学教育管理领域中研究热点的可行性，并讨论了运用该工具的伦理风险与规避进路。
借助LLM的最新进展，希望挖掘出临床医学教育管理领域中最紧迫或最重要的研究问题，加快该领域科学研究的进程。
一、研究背景
LLM是一种知识增强型预训练语言模型，它凭借Transformer神经网络架构、上下文学习和基于人类反馈的强化学习，拥有跨领域知识和语言理解能力，能够基于自然对话方式理解与执行任务，可以高效地帮助用户获取信息、知识和灵感。
LLM具有模型参数多、训练数据量大、泛化性强、迁移性好和知识涌现能力等特点。与LLM交互的一种常见方法是用户设计并提供特定的提示文本，以指导LLM生成所需的响应或完成特定任务，因此LLM可以作为回答问题、提供解释和支持决策过程的有效工具。
在LLM的众多应用中，研究热点挖掘格外引人注目。
在心脏病学领域，Gala等认为LLM可以帮助临床医生了解最新的心脏病学进展。该研究同时也指出了LLM的局限性在于难以解释可能影响医疗实践的文化或情感因素。
Cascella等探讨了ChatGPT在公共卫生主题的推理能力。该研究指出虽然ChatGPT的有些回答可能是模式化的，并且其逻辑可能依赖于用户的输入，但它的确可以用于探索文献和产生新的研究假设。
在其他学科的研究中，已有部分评估方法被使用。例如——
Lahat等利用ChatGPT自动生成胃肠病学中需要优先考虑的研究问题。该研究使用SPSSExplore函数比较了专家们的评分均值和标准差，并使用类内相关系数衡量了专家评分之间的相关性。
Tang等系统地研究了ChatGPT在阿尔茨海默病、肾病、食道癌、神经系统疾病、皮肤病和心力衰竭六个临床领域进行医学证据总结的能力和局限性。该研究邀请领域专家使用五分李克特量表评估ChatGPT总结医学文献的质量。曼-惠特尼U检验被用于评估ChatGPT生成的摘要和人类撰写的摘要之间的差异。
类似的，王卓等通过五分李克特量表、测验试卷和访谈表等形式评估ChatGPT对研究生学术阅读能力的影响。描述性统计和独立样本t检验被用于描述实验组和对照组的差异。
综上所述，目前评估ChatGPT聚焦研究热点性能的手段较为简单且主要基于统计学，尚未有研究结合数据挖掘中的相关性分析和相似性度量等手段。因此，本研究将进一步探索更多样化的评估手段来多角度评估ChatGPT聚焦临床医学教育管理中研究热点的可行性。
二、研究设计
01
选定研究课题
为了准确地评价ChatGPT在聚焦临床医学教育管理中研究热点方面的能力，助力高素质医学人才培养，结合国务院办公厅2020年发布的《国务院办公厅关于加快医学教育创新发展的指导意见》，本文关注了该领域的六个重要课题：
如何健全临床教学体系；
如何加强临床师资队伍建设；
如何加强专业、课程、学科和学位点建设；
教学医院如何落实并深化医教协同；
如何加强教育教学信息化建设；
如何在临床教学中融入人文素质教育。
02
生成研究热点
2023年8月利用ChatGPT自动生成上述课题的研究热点。具体做法是以问答的方式，首先输入合适的问题引导，然后要求ChatGPT自动为每个课题生成五个最紧迫或最重要的研究热点。
本文采用的输入提示是“请针对……这一课题，搜索最新文献并挖掘出目前最紧迫或最重要的五个研究热点”。
为了消除先前对话的潜在偏差，需要为每个课题启动一个新线程，并确保生成的响应与当前提示直接相关。
ChatGPT为课题1——如何健全临床教学体系，生成的五个研究热点（Q01~Q05）是：
如何制定清晰的教学目标，以明确培养目标和期望，确保教学与实践相结合，使学生掌握到实际应用中的知识和技能？
如何建立全面的教学计划，以提供系统化、有条理的教学内容，涵盖基础知识、临床技能、沟通与协作等方面，注重培养学生的综合素养？
如何优化教学方法，结合多种教学方法，如案例分析、模拟操作、团队合作等，培养学生的问题解决能力和批判性思维？
如何加强实践环节，以提供充足的临床实践机会，包括实习、实训和临床实习等，让学生亲身参与实际医疗工作，并与临床专业人员合作？
如何引入创新教学技术，利用现代技术手段，如虚拟现实、远程教学等，提供更多学习资源和交流平台，拓宽学生的学习途径和机会？
ChatGPT为课题2——如何加强临床师资队伍建设，生成的五个研究热点（Q06~Q10）是：
如何加强临床师资培训，以提供系统化、持续性的培训计划，包括临床技能培训、教学能力培养和科研能力提升等方面，提高临床师资的专业水平和综合素质？
如何搭建专业交流平台，以鼓励临床师资分享经验和教学资源，促进师资之间的合作与学习？
如何增加教学实践机会，例如临床培训基地和模拟病例教学，让临床师资能够在真实场景中实践和提高教学水平？
如何建立健全评估体系，通过定期提供评估结果反馈、指导和激励，帮助临床师资不断提升自身的教学能力和专业水平，提高其工作积极性和敬业精神？
如何参与学科研究合作，为临床师资提供科研项目、经费和资源支持，鼓励参与科学研究，培养科研思维和创新能力，参与跨学科的合作与研究，促进医学领域的创新和发展？
ChatGPT为课题3——如何加强专业、课程、学科和学位点建设，生成的五个研究热点（Q11~Q15）是：
如何优化课程设置，根据医学教育的需求和发展趋势，及时更新和调整课程设置，注重培养学生的实践能力和创新思维，提高教学质量和适应性？
如何强化专业建设，加强专业的学科基础和学科交叉融合，完善专业教学大纲和教材，提高专业教育的针对性和实用性？
如何提升学科水平，加强学科建设，引进高水平的学科带头人和优秀教师，推进学科交流和合作，提高学科研究和教学水平？
如何提升学位点水平，加强学位点建设，提高硕士和博士学位点的教育质量和研究水平，增加学位点的数量和影响力？
如何加强评价和认证，建立科学、公正的评价标准和认证机制，对专业、课程、学科和学位点进行评估和认证，确保其质量和水平？
ChatGPT为课题4——教学医院如何落实并深化医教协同，生成的五个研究热点（Q16~Q20）是：
如何建立医教管理机构，明确医教协同的组织架构和责任分工，负责协调医院与教学任务之间的衔接和协作？
如何制定医教协同计划，明确医院与教学任务的目标、任务和时间表，确保医教协同的顺利执行？
如何配备教学指导岗位，负责指导学生的临床实习和实践操作，确保学生在医院得到充分的实践机会和指导？
如何加强教师培训与评价，提高教师的教学水平和临床指导能力，建立科学、公正的教学评价机制，激励教师积极参与医教协同工作？
如何促进教学科研合作，推动医院与教学任务之间的科研合作，鼓励教师参与临床研究项目，将科研成果应用于教学中，提升医学人才培养的质量与水平？
ChatGPT为课题5——如何加强教育教学信息化建设，生成的五个研究热点（Q21~Q25）是：
如何建设在线教学平台，搭建在线教学平台，提供各类课程资源、教学资料和学习工具，方便学生随时随地获取相关知识和信息？
如何创新教学方法，结合信息技术手段，开展多媒体教学、虚拟仿真实验和远程教育等创新教学方法，提高教学效果和学习体验？
如何引入远程教学资源，利用视频会议、网络直播等技术手段，引入优质远程教学资源，扩大师资和学科资源的覆盖范围，提供多样化的学习机会？
如何提供在线学习支持，为学生提供在线辅导、问题解答、在线讨论、远程实践等学习方式，促进学习互动与交流？
如何实现数据化教学管理，建立教学数据管理系统，收集和分析学生学习情况、教学效果等数据，通过数据分析提供个性化的学习指导和教学改进？
ChatGPT为课题6——如何在临床教学中融入人文素质教育，生成的五个研究热点（Q26~Q30）是：
如何采用跨学科教育模式，通过与其他学科的融合来促进人文素质教育在临床教学中的应用，如探索与人文学科（如社会学、心理学）的合作？
如何完善人文素质评价体系，客观评价医学生的人文素质，以及人文素质对临床实践的影响，探索建立科学、可行的评价指标和工具？
如何提升教师人文素养，关注教师人文素养的培训和发展，提升教师在人文领域的专业能力和教学水平？
如何加快教材与资源建设，开发与临床教学中人文素质教育相适应的教材和教育资源，如智能化沟通模拟系统，提供医生与患者之间各种交流场景的模拟训练？
如何加强社会参与与合作，促进医学院校与社会、医疗机构以及患者之间的合作，以培养具备人文关怀能力的医学人才？
03
评估研究热点
为了全面评估ChatGPT能否作为聚焦临床医学教育管理领域研究热点的有效工具，本文邀请了六位具有丰富相关工作经验的临床医学教育管理人员对这些研究热点进行了多维度评估，评估人员的基本情况见表1。
表1 参与评估的临床医学教育管理人员基本信息
每位评估人员被要求对每个研究热点，从针对性、人文性、辩证性、拓展性和独创性等维度进行评分。具体说明如下：
针对性反映了该研究热点针对某些特定情况、需求或目标的程度。一个针对性强的研究热点能够直接针对所涉及的课题，提供明确的答案或解决方法。
人文性反映了该研究热点所涉及的人类文化、价值观、道德观念、社会关系等方面的特点或影响。研究热点的人文性可以影响问题的解决方式、社会影响以及与问题相关的伦理和道德考量。
辩证性反映了该研究热点从多个角度进行分析和思考的能力。它强调从整体和相互关系的角度来看待问题，而不是只关注问题的表面现象。
拓展性反映了研究热点的潜力和广泛适用性。一个拓展性好的研究热点能够引发更多的思考和讨论，有助于探索不同的观点、角度和解决方案。
独创性反映了该研究热点的创新程度。一个独创性好的研究热点是与众不同的、具有新颖性的、能够打破常规思维模式，引发新的思考和创意。
采用五分李克特量表进行评价，5分表示优秀，4分表示良好，3分表示中等，2分表示及格，1分表示不及格。为了直观的展示评分结果，采用雷达图可视化了六位评估人员对于30个研究热点（Q01~Q30）根据某个评价指标进行评价的分数（见图1）。
图中最外圈的环代表5分，越内圈的环代表得分越低。图中不同线型代表了不同评估人员的评分结果。
图1 评估人员对30个研究热点从针对性、人文性、
辩证性、拓展性和独创性进行评分的情况
三、数据分析
统计显示，量表的Cronbach’s α系数为0.950>0.8，表明量表信度较高。通过该量表能较真实可靠地反映ChatGPT聚焦临床医学教育管理领域研究热点的能力。
基于此，从以下三个方面对六位评估人员的评分结果进行数据分析：
描述性统计；
评估人员的评分相似性；
评价指标的等级相关性。
数据分析工具采用IBM SPSS Statistical Package Version25和Python3.10。
01
描述性统计
以评价指标、评估人员、课题为列属性构造三张评分表并进行描述性统计。具体而言，当以评价指标为列属性时，每列表示的是六位评估人员对30个研究热点的该指标进行评分的分数，即样本数为180。
而当以评估人员为列属性时，每列表示的是该人员对于30个研究热点从5个评价指标进行评分的分数，即样本数为150。
最后当以课题为列属性时，每列表示的六位评估人员对该课题下的5个研究热点从5个评价指标进行评分的分数，即样本数为150。描述性统计结果见表2、表3和表4。
表2 以评价指标为列属性进行描述性统计的结果
表3 以评估人员为列属性进行描述性统计的结果
表4 以课题为列属性进行描述性统计的结果
02
评估人员的评分相似性
在数据挖掘领域，“散度”被广泛用于检测评估人员评分的相似性。
Corduast提出利用KL散度（Kullback-Leibler Divergence）以检测评价者对一组项目评分的相似性，该测试采用7分李克特量表来评分。
Westland则采用JS散度（Jensen-Shannon Divergence）来衡量李克特评分与被调查者信念假设之间的差异。
JS散度是KL散度的改进版，KL散度是不对称的，而JS散度是对称的，对相似度的判别更确切。
基于此，采用JS散度计算评估人员评分的相似性。利用以评估人员为列属性构造的评分表计算任意两位评估员的评分向量之间的JS散度。
JS散度的取值介于0~1之间，其值越小表示越相似。采用热图可视化了结果（见图2），颜色越深表示评估人员之间的评分越相似。
任意两位评估员之间的JS散度若低于平均值，则色块中的数值用白色表示；否则数值用黑色表示。
图2 评估员两两之间评分相似性的JS散度热图
03
评价指标的等级相关性
由于分数为等级变量，所以在统计相关性时，应采用等级相关（Rank Correlation），这是一种非参数统计方法。常用的等级相关系数有斯皮尔曼相关系数、肯德尔τ系数。
它们均是一种秩相关系数，秩可以理解为原始数据的排序位置。斯皮尔曼相关系数通过秩差的平方和来评估相关关系，而肯德尔τ系数则是基于同序对和异序对的个数来衡量相关性的强弱。
无论是斯皮尔曼相关系数还是肯德尔τ系数，当系数大于零时，表示正相关，反之则表示负相关。系数的绝对值越接近1表示相关性越强。
利用以评价指标为列属性构造的评分表计算任意两个评价指标的相关系数。
首先建立两个假设：原假设（两个指标之间不存在相关性）和备择假设（两个指标之间存在相关性）。显著性水平可用来衡量对原假设的拒绝程度。本文将显著性水平设置为0.01。
这意味着如果计算得到的显著性值P≤0.01，则拒绝原假设，认为两个指标之间具有相关性。表5和表6展示了评价指标两两之间的斯皮尔曼相关系数和肯德尔τ系数。
上述分析都通过了显著性检验，所有系数的P值（双尾或单尾）均小于0.01，说明相关性分析具有统计学意义。
表5 评价指标两两之间的斯皮尔曼相关系数
注：上述值的显著性值P<0.01，相关性分析具有统计学意义。
表6 评价指标两两之间的肯德尔τ系数
注：上述值的显著性值P<0.01，相关性分析具有统计学意义。
四、结果讨论
01
描述性统计的讨论
第一，ChatGPT生成的研究热点在针对性方面表现优异，在人文性、辩证性和拓展性方面的表现也令人满意，但在独创性方面则表现一般。根据表2的统计结果可以发现：
针对性的平均得分为4.17，且四分位数在所有评价指标中最高。这表明评估人员普遍认为ChatGPT生成的研究热点与给定的课题之间具有很强的针对性。这得益于ChatGPT已经接受了大量文本的训练，因此它非常擅长使用人类语言清晰地描述问题。
独创性的平均得分为3.58，且四分位数在所有评价指标中最低。这表明评估人员普遍认为Chat⁃GPT生成的研究热点基本属于研究人员已经考虑的研究范畴。换句话说，ChatGPT创新或创造能力仍然有限，该结论也和ChatGPT在挖掘其他领域研究热点的结论类似。这意味着在挖掘新颖的研究热点方面，仍然需要借助人类的智慧和灵感。
人文性、辩证性、拓展性的平均得分介于3.89~3.98之间且中位数为4。这说明评估人员也比较认可ChatGPT在人文性、辩证性和拓展性的表现。但需要指出的是辩证性的平均得分具有较大的标准差且四分位间距为2，表明不同评估人员对于该指标给出的分数的波动程度较大。
第二，评估人员对于ChatGPT作为聚焦研究热点有效工具的认同度较高，但认可的角度会有所不同。根据表3的统计结果可以发现：
评估员4给出的平均分最低（仅为3.19），而其他人员给出的平均分均超过3.6，最高接近4.4。这说明绝大多数评估人员对于ChatGPT作为聚焦研究热点有效工具的认同度较高。
图3进一步展示了每个评估人员基于30个研究热点给出的某个评价指标的平均分数。可以发现，对于ChatGPT提出的研究热点，评估员6在针对性和辩证性方面的认可度最高，而评估员3则在人文性、拓展性和独创性方面的认可度最高。这说明评估人员对于认可ChatGPT能力的角度会有所不同。
第三，ChatGPT对各课题的平均表现较为一致，但针对不同评价维度的表现仍存在差异。根据表4的统计结果可以发现：
各个课题的平均得分和标准差都非常接近，说明ChatGPT对各课题具有一定的平均表现，存在泛化性。这意味着ChatGPT在临床医学教育管理领域其他课题的表现也可以借鉴本文的结果。
图4进一步展示了每个指标在所有课题的平均得分。可以发现，在针对性和人文性方面，ChatGPT在课题6的表现最好；在辩证性、拓展性和独创性方面，ChatGPT则分别在课题2、课题3和课题5表现最好。
图3 按评估人员计算每个评价指标的平均得分
图4 按课题计算每个评价指标的平均得分
课题6本身针对的就是人文素质教育，所以ChatGPT在针对性和人文性方面的表现更容易获得评估者的认可。
课题2涉及临床师资队伍建设、教师的学历与能力、引进与培养、数量与质量、稳定与流动等多种辩证关系，因此ChatGPT易挖掘出具有辩证性的研究热点。
课题3涉及医学专业、课程、学科、学位点建设，鉴于当前医学人才培养目标具有一定国际视野，并与国家战略方向一致，ChatGPT善于抓取该领域国际国内规划建设内容、优秀案例及现有政策等，由此可整合生成具有拓展性的研究热点。
课题5涉及医学教育教学的信息化建设，随着信息技术（如虚拟仿真、元宇宙、人机协同）的迅猛发展，此方面的研究进展更新较快，因此ChatGPT比较容易生成出评估人员认可的具有独创性的研究热点。
02
评估人员评分相似性的讨论
根据图2可以发现：
评估人员两两之间的JS散度介于0~0.057之间。由于JS散度值越小表示越相似，因此可以认为评估人员对ChatGPT的评价具有非常高的统一性。
评估员1和其他人员的评分相似度较低，这主要是由于评估员1打分的波动性较大造成的。从表3可以看出评估员1的评分标准差明显高于其他评估员。
评估员3、评估员5和评估员6与其他人员的评分相似度较高，说明评估人员均较为认可他们的打分。从表3可以发现他们给出的平均分均大于4，这再一次说明评估人员对于ChatGPT作为聚焦研究热点有效工具的认同度较高。
03
评价指标等级相关性的讨论
根据表5和表6可以得到以下结论：
两种等级相关系数均反映出针对性和独创性之间的相关性最低。这意味着即使ChatGPT可以针对课题很好地聚焦研究热点，但是该热点的原创性并不高。这和前面描述性统计的结论不谋而合。ChatGPT虽然能够处理大量的信息和数据，但其思维方式和决策能力仍然受限于人类所设定的算法和规则。所以在聚焦临床医学教育管理领域中具有创新性的研究热点时，人类的创造创新能力仍然是不可替代的。
两种等级相关系数均反映出人文性和辩证性之间的相关度高于与其他属性的相关度。这说明辩证思维需要有人文精神的滋养。在解决实际问题时，秉持人文精神，会对很多事情有更深刻的见解。在聚焦临床医学教育管理的研究热点时，辩证性体现了用发展、变化的观点来看待、分析事物，而人文性则有助于在变化中寻找出路，在矛盾中寻找突破。
两种等级相关系数均反映出独创性和辩证性、人文性之间具有一定的相关性。众所周知，辩证思维包含抽象与具体、正向与逆向、发散与收敛、求同与求异等矛盾运动，易产生创新性观点。而独创性与人文性的相关恰恰说明人类之所以比AI机器人具有更高的独创性，正是由于人类具有更高的人文伦理素养。ChatGPT虽然经过了大规模的训练，但是仍可能存在着无法理解和处理自然语言中蕴含的文化背景及自觉遵循伦理纲常的局限性。
五、伦理风险与规避进路
需要注意的是，ChatGPT为临床医学教育管理挖掘有价值的研究热点的同时，也带来一系列伦理风险，主要包括：数据的虚假与滥用、算法的歧视与偏见、学术的失信与失范。
首先，ChatGPT是一个通过在大规模互联网文本数据上进行预训练得到的问答模型，互联网上充斥着大量的虚假信息，目前尚未有监管机制可以有效监测其训练数据的真实性和数据滥用的程度；
其次，ChatGPT的训练过程蕴含着算法设计者的思想意识，且依赖的语料库来自于不同国家，数据量并不均衡，所以国情、种族和文化的差异会造成机器算法的歧视与偏见，这可能会导致ChatGPT为研究者提供错误指引；
最后，ChatGPT提供的信息可能会涉及知识产权问题。由于ChatGPT可基于人类反馈进行自我学习，因此其他学者与ChatGPT的对话有可能会被其记录并作为训练数据。这会导致ChatGPT将其他学者未经发表的观点作为答复反馈给提问相关问题的研究者。研究者若未经授权使用他人的研究成果，可能会引发学术不端的质疑。
因此，研究者利用ChatGPT聚焦研究热点时，应注意规避伦理风险。可以从技术和应用两个层面寻找规避路径。
从技术层面，研究者可利用OpenAI提供的最新网页浏览插件，要求ChatGPT从网络实时提取最新数据并提供信息来源，可在一定程度上避免数据滥用和虚假数据。此外，除了OpenAI的GPT系列之外，还有许多成熟的大语言模型，如微软的Gorilla、谷歌的PaLM、Meta的LLaMA、百度的文小言、阿里的通义千问、科大讯飞的星火认知等。
国外的大语言模型以英文语料库为训练数据的主要来源，对中文文献的覆盖广度和深度不够。而国内成熟的大语言模型则可以很好地弥补此项不足。鉴于各大语言模型选用的数据集存在一定的差异，通过增加数据集和模型的多样性，可以在一定程度上避免算法的歧视与偏见问题。
研究人员可以使用多种大语言模型聚焦临床医学教育管理的研究热点，整合各模型生成的研究热点，从而提升聚焦性能，优化用户体验。
在应用层面，研究者针对大语言模型聚焦的研究热点，应进行人工鉴别和处理。
首先，研究者应夯实专业知识，提升学术阅读数量和质量，培养学术辨析能力，保持独立思考能力，以批判性思维认真审视生成的研究热点，不能直接生搬硬套；
其次，研究员应掌握医学伦理法规、政策和规范等方面的知识，学习如何对研究热点的敏感信息进行脱敏处理，避免泄露个人或机构的隐私。在使用他人的研究成果时，应确保已经获得了相应的授权，避免侵犯他人的知识产权。
上述工作完成后，研究者还可邀请相关领域的专家、学者参与论证，以评估研究热点的学术正确性、伦理规范性和研究价值度。
六、结语
临床医学教育具有学科专业综合性、教育模式终身性、教育标准国际性、培养要求职业性、教育成本高值性等一系列特性，教育管理过程难度大，周期长，相关研究亟待智能化手段的参与。
本文的研究证明了ChatGPT在临床医学教育管理研究中的应用价值。
ChatGPT作为一种人工智能模型，可以通过自然语言处理和机器学习等技术，对临床医学教育管理的大量文献进行深度挖掘、分析和总结，因此它的确可以成为辅助研究人员聚焦临床医学教育管理领域中最关键或最有价值的研究热点的有力辅助工具，加速研究进程。
统计结果表明ChatGPT生成的研究热点在课题的针对性方面表现优异，在人文性、辩证性和拓展性方面的表现也令人满意，但在独创性方向则表现一般。
这主要是因为ChatGPT是基于已有的数据进行训练，而不是从空白状态开始创作。因此在生成回复时更倾向于重复和模仿已学习过的内容，而不太可能产生全新的、原创性的想法。这意味着在挖掘新颖的研究热点方面，仍然需要借助人类的智慧和灵感。
此外，在借助ChatGPT聚焦研究热点时，存在着一系列的伦理风险。研究者既不能生搬硬套，也不必因噎废食。
人工智能技术介入教育领域已势不可挡，研究者必须积极面对ChatGPT带来的学术伦理挑战，采取有效的规避手段，促进教育人工智能理性发展。
在未来的研究中，可以从以下几点展开研究：
一是参与评价人员虽具有一定相关的工作经验，但权威性及研究领域覆盖面略显不足，为了更好地验证本文的观点，未来的研究应该涉及更大、更多样化的专家小组。
二是ChatGPT聚焦研究热点的性能评估目前仅依赖于参评人员的主观评分，可能存在一定的偏差和可变性。未来的研究可以考虑使用更客观的指标，如根据相似研究课题的学术论文的数量、影响因子和引用频率进行评估。
三是本研究对每个课题仅使用了一套提示。对于大语言模型而言，设计提示是非常重要的。好的提示可以引导模型生成有用、准确的回答，而不好的提示可能产生含糊不清、语义不明的结果。
因此，设计提示需要考虑语法结构、使用的词汇、上下文信息等因素。未来可以采用更多不同提示进行实验，以便更全面地评估ChatGPT聚焦研究热点的能力。
（本文仅代表发言专家的个人观点，与“健康国策2050”学术平台立场无关。）
希望加入卫生政策大家庭的师友，
欢迎关注本公众号（“健康国策2050”），
添加管理员微信：bro1379，
身份验证通过后即可免费进群，
群内将发布高清完整版思维导图、
高端学术活动等通知
版权声明
“健康国策2050”公众号所发布的图文链接所列的编者按、思维导图、排版格式、大（小）标题，如非版权方的原文所述，则版权归属“健康国策2050”学术平台所有。对于本平台版权所有之内容（无论是否加注原创标识），未经本平台书面授权许可，任何机构和个人不得以任何形式复制、引用任何产品的内容和观点。
违反上述约定的，本平台将就侵权人的违法行为追究其法律责任，并将侵权人信息抄送国家有关主管部委、司局，这将对侵权人的机构信用评价、个人职业前景带来严重不利影响。
往期课程学习材料
向上滑动阅览
添加管理员微信号“bro1379”（工作时间：9:00-19:00），完成相关操作，即可获得本期（或往期）课程的音视频学习材料：
献礼党代会“追寻理想中国”第一期《健康治理新作/名家见面会》：三明医改重要推动者詹积富主任、中国卫生法学会副会长申卫星教授、中国人民大学教授（与国家卫健委卢春山巡视员合著）
献礼党代会“追寻理想中国”第二期《推进“健康共同富裕”，破解“健康不平等”》：国务院发展研究中心研究室主任冯文猛（共同富裕解读）、中国劳科院医保研究室主任王宗凡（多层次医疗保障：有序衔接机制）、中国社区卫生协会分会主委杜兆辉（基层医疗卫生服务：公平性）
献礼党代会“追寻理想中国”第三期《科普专家/患者组织建言专病防控政策体系》：国家健康科普专家支修益（癌症）、罕见病患者组织发展网络黄如方（罕见病）、上海老年认知障碍友好社区督导专家费超（认知障碍）
献礼全国两会“追寻理想中国”第四期《机构改革落子“健康中国”：“三医”并立：前瞻与对策》：原国务院医改办监察专员赖诗卿、原省级卫生厅处长孟立联、国际医疗/社保体系专家邵晓军、“一体化监管”专家梁嘉琳
献礼全国两会“追寻理想中国”第五期《国家科技部/知识产权局/大数据局/乡村振兴局改革：对健康科技/数据/资金的影响》：国内最大临床转化机构前领导朱同玉、国家卫健委数据治理专家曹艳林、农工党中央健康扶贫专家周峰、“三流合一”治理专家梁嘉琳
献礼全国两会“追寻理想中国”第六期《老龄事业统筹：从卫健委到民政部的影响》：全国政协常委阮诗玮（养老服务）、养老金融50人论坛成员胡继晔（养老金融）、国家老龄研究基地副院长杨一帆（养老监管）
“追寻理想中国”第七期《2023-2024卫生/医保政策：展望与对策》：王宗凡主任（个人账户改革与门诊统筹解读）、高雪主任（耗材与IVD集采解读）、刘晓云主任（中央医疗卫生体系文件解读）、王仲（中央全科/专科医疗文件解读）、娄宇（医保立法与执法解读）
新“学术战疫”第一期：破解新冠就医用药难：中华医学会全科医学分会主委迟春花（基层医疗卫生体系韧性）、浙江省医药行业协会原会长郭泰鸿（新冠物资应急储备）、南方医科大学卫生管理系主任张屹立（新冠疫情省份“脆弱度”排名）
新“学术战疫”第二期：医疗韧性与药品可负担：江苏基层卫生协会书记夏迎秋（基层医疗机构韧性）、同济医学院卫管学院副院长陶红兵（医疗体系整合）、天津大学药学院副院长吴晶（新冠药物定价）
“学术战疫”高端研讨会第一期：启动仪式&专题讲座：医疗管理学大家刘庭芳、卫生法学大家王晨光、中国心理学会理事长韩布新、中国人口宣传教育中心副主任石琦
“学术战疫”高端研讨会第二期：疾控体系改革：国家卫健委高级别专家组成员、中国疾控中心前流行病学首席科学家、流行病学大家曾光（已通过有关中央媒体向中央呈送内部参考材料）
“学术战疫”高端研讨会第三期：卫生应急管理：曾三次给中央政治局讲课的清华大学苏世民书院院长、应急管理大家薛澜
“学术战疫”高端研讨会第四期：医药创新：中国药促会会长宋瑞霖、国家药监局专家库成员宋华琳、国家药审中心原首席科学家王刚（已通过有关中央媒体向中央呈送内部参考材料）
“学术战疫”高端研讨会第五期：小微企业、普通市民/患者保障：广东卫生厅原巡视员廖新波、清华五道口金融学院研究员袁伟、杭州“城市大脑”首席技术官申永生
“健康智荟”高端圆桌会第一期《中央《关于深化医疗保障制度改革的意见》解读》：国家医保局咨询专家、中国社会保障学会副会长何文炯
“健康智荟”高端圆桌会第二期《“新基建”背景下的未来医疗健康产业》：中国财政科学研究院院长刘尚希、民生银行研究院院长黄剑辉，及《新型健康服务业监管模式创新》《互联网医疗示范项目指标体系》两项重大课题（阶段性）研究成果的首发式
“学术战疫”国际研讨会第一期（疫情防控篇）：流行病学大家曾光、美国UCLA公卫学院副院长张作风、英国牛津大学终身教授陈铮鸣、德国德中卫生健康管理协会中国主任徐洪波
“学术战疫”国际研讨会第二期（社会保障篇）：中国社科院陈秋霖主任、美国医保中心蔡立明博士、英国国王大学杨维教授、德国医保专家邵晓军博士
国内首档健康政策公益宣讲《健康三人行》第一期《医保、医院、医生：如何跳出“猫鼠游戏”》：徐毓才（卫健管理）、蔡海清（医保管理）、邹新春（医院管理）
国内首档健康政策公益宣讲《健康三人行》第二期《医疗、医保、医药：患者参与和权益保护》：段涛院长（公立医院患者委员会/患者体验部）、瞿晓颖主任（外资医疗机构患者服务）、王立新秘书长（大型患者组织）
国内首档健康政策公益宣讲《健康三人行》第三期《医改重点：“保大病”“保小病”还是“保预防”》：顾雪非主任（国家卫健委、国家医保局“双料”咨询专家）、康韦女士（原研药行业协会RDPAC执行总裁）、徐华锋先生（中国保健协会副理事长）
国内首档健康政策公益宣讲《健康三人行》第四期《支持社会办医政策如何全面落地？》：赵淳会长（中国社会办医领域协会领导）、廖志仁会长（大型三甲民营医院创办人）、周萍教授（复旦大学公共卫生学院医院管理教研室副主任）
国内首档健康政策公益宣讲《健康三人行》第五期《如何保护医疗数据安全、患者个人隐私？》：俞思伟主任（医疗卫生信息化专家）、叶荔姗主任（试点城市数据管理专家）、宁宣凤律师（数据安全法律专家）
国内首档健康政策公益宣讲《健康三人行》第六期《反商业贿赂，国家医保局医药招采信用评价解读》：王宏志专家（国家医保局课题负责人）、姚洪副秘书长（协会分管医疗健康信用工作领导）、范可律师（药品招采法律专家）
国内首档健康政策公益宣讲《健康三人行》第七期《后疫情时期：如何扶持基层医疗卫生机构》：苗艳青研究员（国家卫健委、国家医保局“双料”专家）、尹朝霞主任（深圳“罗湖医改”基层医疗重要贡献者）、李杰（基层诊所产业专家、信息化专家）
国内首档健康政策公益宣讲《健康三人行》第八期《新时代爱国卫生运动：将健康融入城乡治理》：孔灵芝女士（原卫生部疾控局副局长）、卢永研究员（中国健康教育中心）、王兰教授（同济大学健康城市实验室）
“价值医疗”在中国公益课程第一期《国家医保局生物制品带量采购前瞻》：张斌院长（武汉医保局胰岛素带量采购试点）、朱斐秘书长（中国医药生物技术协会，抗体制剂带量采购）、洪飞先生（患者组织淋巴瘤之家创始人）
“价值医疗”在中国公益课程第二期《从医联体到健共体：医疗/医保政策如何协同？》：国家卫健委医共体指导专家林枫教授（部委专家）、浙江玉环人民医院健共体集团院长董寅（医院集团）、健共体（南平）互联网医院院长宋斌（数字健共体）
“价值医疗”在中国公益课程第三期《全人全程的全科医学服务展望》：中国卫生发展研究中心袁蓓蓓教授（部委专家）、社区卫生服务中心主任联合工作委员会主席杜兆辉医生（全科管理者）、北京儿童医院童缘网负责人苏小虎（儿科全科服务平台）
“价值医疗”在中国公益课程第四期《医疗“好差评”模式：医院/医师信用评价与监管》：汪剑锋（福建医保局稽查处副处长）、刘日记（苏州卫健委综合监督处处长）、史岩（中国非公立医疗机构协会评价部副主任）
“价值医疗”在中国公益课程第五期《民法典对患者、医院医生、医药行业的影响与对策》：国家卫健委咨询专家郑雪倩（医事法）与刘炫麟（医药法）、公益律师韩晓晨（患者服务）
“价值医疗”在中国公益课程第六期《医药/医疗反垄断政策前瞻》：国务院反垄断专家委成员孟雁北（政策解读）、中国政法大学教授焦海涛（反垄断法分析）、律师万江（反垄断案例分析）
健康治理系列谈第一期《医药代表合规转型》：上海药监局原局长唐民皓（政策解读）、彭天曜律师（合规指引）、张廷杰总监（准入策略）
健康治理系列谈第二期《医疗/医药反腐动向》：国家卫健委咨询专家王岳（政策解读）、资深医药准入专家点苍鹤（药企策略）、孙超律师（合规指引）
健康治理系列谈第三期《健康政策半年展望会》：国家卫健委卫生发展研究中心副主任张毓辉（健康产业政策）、国家发改委咨询专家宋新（数字健康政策）、国家医保局咨询专家姚岚（医保商保政策）
健康治理系列谈第四期《DRG除外支付》：国家医改云南玉溪DRG项目专家刘芷辰（DRG政策）、“村夫日记”创始人赵衡（DRG对商保与药企影响）、资深政务副总裁陈炳澍（企业DRG实操）
健康治理系列谈第五期《公立/民营医院亏损治理》：湖北省医改办原副主任阮小明（新冠疫情对医院影响）、国家卫健委财务会计专家刘宏伟（公立医院亏损建言）、中国医院协会民营医院分会领导余小宝院长（民营医院亏损建言）
健康治理系列谈第六期《医保按疗效（健康效果）付费》：国家卫健委卫生技术评估重点实验室主任陈英耀（上海医保局试点）、美国佐治亚大学公共卫生学院教授陈茁（美国欧盟案例）、徐州医保局待遇医药处处长杨义森（医保配套法规政策）
健康治理系列谈第七期《中成药集采：政策解读与应对策略》：中国中医科学院首席研究员谢雁鸣（价值评估与真实世界研究）、“风云药谈”创始人张廷杰（集采竞标：准入路径与报价策略）、政策宣教专家梁嘉琳（政策体系：打破三大惯例，洞察五大趋势）
健康治理系列谈第八期《惠民保：政企关系与多层次保障》：国家卫健委/医保局咨询专家朱铭来（价值评估模型）、成都市医保局医疗保险处副处长廖凌（“惠蓉保”）、某商保公司部门副总严霄（“共保体”设计）、镁信健康前高管蔡卓（创新药准入）
健康治理系列谈第九期《创新药放弃医保创新高：标内/标外、院内/院外哪个香？》：国家医保局咨询专家宣建伟（中美对比与价值评估）、上海医保局咨询专家（医保药品落地机制）、准入培训专家徐川
健康治理系列谈第十期《打击欺诈骗保：政策动向与操作规程》：国家医保局基金监管信用评价专家龚忆莼（过度医疗判定）、国家医保局医保法规咨询专家张卿（欺诈骗保判定）、国家有关部委政策宣教专家梁嘉琳（医保飞行检查常见争议与对策）、国家卫健委医疗服务价格项目规范专家张群（医院医保质量管理）
健康治理系列谈第十一期《医保支付方式改革：动向与对策》：国家医保局DRG/DIP政策咨询专家杨燕绥（为健康付费与健康绩效评估），国家医保局信息业务编码标准化专家指导组组长（医药/医疗类编码进展），国家医保局DRG付费技术指导组临床论证组组长郭默宁（DRG临床质量管理），国家有关部委政策宣教专家梁嘉琳（“支付+”创新医保政策，支付方式改革六大动向）
健康治理系列谈第十二期《医学指南/共识：医政管理变局与对策》：原卫生部医政司司长于宗河（专家共识—医学指南—国家诊疗规范：行政监管逻辑）、中国临床实践指南联盟联合发起人、《实用内科学》主编王吉耀（医学指南制定：方法学前置性审查与“推荐意见”合理性评价）
健康治理系列谈第十三期《六部委试点城市医疗集团：动向与对策》：国家卫健委县域医共体咨询专家林枫教授（镇江模式与分级诊疗）、国家医保局DRG/DIP咨询专家何继明教授（支付方式改革与三医联动）、深圳卫健委陈瑶博士（深圳罗湖模式）
健康治理系列谈第十四期《医保个人账户改革/门诊统筹：动向与对策》：国家医保局政策咨询专家王超群、法律咨询专家娄宇、政策宣教专家梁嘉琳，连锁药店专家黄修祥
健康治理系列谈第十五期《药品招采“二次议价”卷土重来：是非与利弊》：国务院医改领导小组咨询专家房志武、医药产业大V涂宏钢（Dr.2）、商业贿赂案件资深律师左玉茹
健康治理系列谈第十六期《北京长峰医院大火：卫生综合监管与防灾须知》：北京城市规划院马良伟老院长、中国建筑设计研究院杨海宇副总建筑师、国家卫健委专家组成员吴健院长、社会办医专家张苏华所长
健康治理系列第十七期《五部委打击骗保，医保/医院/药企应对策略》：国家医保局基金监管“飞行检查”专家任克华、国家医保DRG临床论证专家冷家骅、湖北医保局政策法规咨询专家于长永
健康治理系列谈第十八期《2023医保国谈:前瞻与对策》：知名药物经济学家胡善联、RDPAC高级总监李京帅、“风云药谈”创始人张廷杰
健康治理系列谈第十九期《2023医保飞行检查：重大变化与院企对策》：某省医保系统基金监管专家王昊昀、某省医疗保障局基金监管处二级调研员周鹏翔、国家食品药品监督管理总局南方医药经济研究所原副所长陶剑虹
健康治理系列谈第二十期《医疗/医药反腐整治：医院/药企如何研判/应对？》：公立/民营医疗机构主委级专家宋冬雷、世界50强药企前高管丁利华、原国务院医改领导小组相关课题组负责人梁嘉琳
健康治理系列谈第二十一期《反腐之后，如何倡廉：公立医院薪酬绩效改革论辩》：中央推广的“三明医改”卫健委领导周显葆、国家卫健委直属医院运营管理部部长宿小满、知名医院管理咨询机构创始人秦永方、有关部委医疗反腐课题组长梁嘉琳
健康治理十日谈第一期《医疗/医药双轨制的秘密》：原国家食药监局药品监管司司长李国庆、江苏卫健委原副主任李少冬、上海卫生健康发展研究中心李芬研究员
健康治理十日谈第二期《机构/散户投资人的政策素养》：科技部、工信部生物医药领域评审专家郑玉芬、医疗健康投资50人论坛（H50）2020年度轮值主席杨瑞荣
健康治理十日谈第三期《公立医院去行政化：改革动向与对策建议》：海南省原卫生厅长白志勤（省级试点）、陕西省山阳县卫健局原副局长徐毓才（基层视角）、香港教育大学教授和经纬（港台启示）
健康治理十日谈第四期《剖析医保报销堵点：国家医保局大排查》：江西医保局待遇保障处原处长蔡海清（医保政策视角）、安徽蚌埠医保中心原主任秦鹏（医保经办视角）、《医院管理能力探讨》作者诸任之（医疗管理视角）
健康治理十日谈第五期：《医保-医院-药企“三角债”上榜：成因与对策》：中国劳科院原副院长谭中和（“医保-药企直接结算”与医保局考核）、中国社会科学院教授姚宇(地方医改真实痛点破解)、西交大一附院医疗管理专家左煌（医院运营管理&合规建设）
茗谈书友会第一期《寻找政策与传播“黄金分割点”》：国家卫健委/国家医保局传播咨询专家梁嘉琳（健康战略传播）、中央网信办咨询专家刘灿国（政策宣传指引）、创新生物制药公关联盟发起人张辉（传播实战经验）
茗谈书友会第二期《中国药品监管史》：北京大学药物政策专家韩晟《中国药品价格监管20年》、政策宣教专家梁嘉琳《市级集采：合理吗？能行吗？管用吗？》、口腔医院院长/国际牙医师学院fellow王聿明《种植牙价格专项治理：医保新政的行业影响与应对》
健康担当与想象力第一期《为乡村医疗卫生能做点什么？》：全科医学主委潘志刚教授（政策解读）、县域健康共同体董寅总院长（区域级一体化管理）、英国伯明翰大学姚弥博士（海外经验）、陕西省汉中市留坝县郭发刚全科医生（基层院长建言）
健康担当与想象力第二期《为医疗/医药反腐能做点什么？》：国家卫健委财务会计咨询专家王洁教授（医院内控体系）、国务院医改秘书长课题组组长梁嘉琳（制度体系与政策工具）、国家医保局基金监管评定优秀医保局王敏科长（医保定点医师/护师/药师/技师管理）、跨国医药企业协会（RDPAC）合规负责人敬礼
健康担当与想象力第三期《中央发布基本养老服务清单：影响与对策》北大应对老龄化国家战略研究中心主任陆杰华、全国养老服务业专家委员会委员张乃子、中国电子工程设计院副所长韩涵
健康担当与想象力第四期:《国家卫健委推一体化诊疗“专病中心”：问题与对策》清华长庚医院副院长魏来、北大肿瘤医院党委副书记薛冬、首都医科大学国家医保研究院专家张立强
健康政策助力专病防治第一期《罕见病公共政策体系》：国家卫健委罕见病诊疗与保障专家委顾问李定国（罕见病监管史）、国家人社部/中国银保监会咨询专家郑秉文（罕见病创新筹资与支付）、国家药监局咨询专家杨悦（罕见病立法与监管科学）
健康政策助力专病防治第二期《脊髓损伤患者综合保障》（倡议书首发）：国家重点医院康复专家许涛（诊疗认知）、前中国体操冠军桑兰（国际经验）、公益组织创办人潘美好（国内现状）
健康政策助力专病防治第三期《保生育健康：“三医”政策能做什么？》：中国人口学会会长翟振武（人口战略）、英国皇家妇产科学院荣誉院士程利南（妇幼健康）、宁波洪塘社区卫生服务中心王伟院长（“生育友好未来社区”前沿探索）
健康政策助力专病防治第四期《学生心理悲剧多发，构建公平/优质的精神心理服务体系》：同济大学精神卫生中心特聘教授黄智生（互联网与人工智能心理危机干预）、国家卫健委卫生应急处置指导专家程文红（精神心理治疗）、中央文明办等“心理专家讲坛”主讲任苇（重大突发事件心理援助）
史晨瑾 | 审稿
李佩 | 排版
学术交流
梁老师 23317472@qq.com（邮箱）
授权转载
wx14753814809（微信号）
想要独家、深度的政策信息
/学术成果，请关注公众号：
点亮“在看”，与更多人分享你的看法