当前，人工智能技术迅速发展，正在助力卓越医学人才培养，并提升教学效率。但全国人大代表、上海交通大学医学人工智能研究院院长、中国工程院院士范先群坦言，也存在一些隐忧：“随着人工智能深入发展，未来是否会加剧医学教育数字鸿沟，资源不均一旦被固化，是不是会更加剧这种数字鸿沟呢？”

全国人大代表范先群受访者供图

2026年全国两会期间，范先群在接受澎湃新闻记者采访时透露，当前，在人工智能教学应用方面，中国不少医学院校已开展应用实践，在个性化学习、虚拟仿真训练、技能评估与教学管理等方面已显示出良好应用前景，但呈现不同区域、不同医学院校发展不均衡的特点，尚未形成国家级公共基础平台与协同创新生态、统一的数据接口与质量标准，不仅优质资源难以规模化共享，也会影响医学教育均衡化发展。

“AI教学工具与平台往往依赖持续资金与技术投入，若缺少政策干预与资源调配，不同区域、不同层级院校之间的能力差距可能扩大，技术促进教育公平难以实现。”范先群认为，一些经济发达地区的医学院校，早早引入了先进的AI教学工具，学生们在虚拟病房里就能模拟复杂的诊疗过程，而一些偏远地区的医学院校，可能连基本的AI教学设备都没有，“这样下去，未来的医生队伍可能会出现‘能力断层’，优质医疗资源的分布也会越来越不均衡。”

针对上述问题，范先群提出了一系列切实可行的建议。他认为，首先要由国家层面牵头，搭建一个国家级的医学人工智能教育公共服务平台。这个平台就像是一个“超级资源库”，汇聚全国优质的虚拟病例库、智能教学课件、VR/AR模拟训练系统等资源，制定统一的标准和规范，让不同地区、不同院校的师生都能共享这些优质资源。

针对偏远地区医学院校，范先群认为，有必要设立普惠支持包，对偏远地区医学院校给予算力、平台账号、课程资源与师资培训倾斜，支持AI教学设备购置补贴、技术培训等。

他还呼吁，实施“人工智能+医学教育”复合型师资培养与教改计划，在国家重大人才工程与教改项目中设立专项，支持培养一批医学教育AI领军教师与青年骨干，同时推动医学院校与人工智能企业合作，建设校-院-企联合实践基地，推动医学院校与人工智能企业合作，引入真实场景的虚拟仿真、技能评估、临床决策支持等教学应用，并完善评价激励，将AI赋能教学创新成果纳入教师评价与职称绩效体系。

同时，他还强调“数据安全”。“医学教育涉及大量敏感数据与真实临床场景，要制定严格的数据安全和伦理规范，明确医学教育数据的收集、存储、使用权限，建立数据安全审计机制，确保学生和患者的隐私安全。同时，要明确院校、教师、技术提供商在AI教学中的责任边界，建立应急处置预案，明确人工智能在医学教育中‘可用、慎用、禁用’的边界与责任。”范先群说。

“人工智能赋能医学教育不是简单的技术堆砌，而是一场深刻的变革。”范先群表示，希望能让人工智能真正成为医学教育的“助推器”，培养出更多适应未来医疗需求的卓越医学人才，为人民群众的健康福祉保驾护航