隨著計算機技術的發展，人工智能（artificial intelligence, AI）已逐步應用于社會各行各業。醫療衛生行業中，AI 為疾病診斷和治療提供了更多選擇，也為臨床醫學的發展帶來了新的生機。為了更好地推動 AI 技術用于提升耳鼻喉科教學質量，該文對 AI 在耳鼻喉科中的應用進行簡要概述，包括借助神經網絡、深度學習開展圖像分析、疾病診治等，也從課程設計、教學實踐及效果考核等方面論述了 AI 應用于耳鼻喉科教學的意義及實施方式。
引用本文： 張宇陽, 趙宇, 任建君. 人工智能在耳鼻喉科教學中的應用. 華西醫學, 2023, 38(4): 587-590. doi: 10.7507/1002-0179.202201046 復制
人工智能（artificial intelligence, AI）是一門跨多學科的前沿智能科學，涵蓋計算機科學、心理學、語言學、哲學和神經科學等多個學科，已逐步走進大眾視野[1]。近年來，AI 技術在機器學習、深度學習、大數據管理等分支中不斷發展，承擔起了數據信息挖掘和分析、影像處理等任務。其中，機器學習利用算法學習大數據開展識別、處理和預測，與傳統算法相比顯著提升了工作效率；深度學習則能夠模擬人腦，運用其學習能力處理海量數據，其中卷積神經網絡憑借其學習特征，已在圖像處理和語音處理方面發揮作用[2]。在“新醫療”時代大背景下，AI 技術的應用推動了醫學精準化和智能化，在影像診斷、疾病預防、疾病臨床診斷和治療等方面起到了至關重要的作用，為傳統醫學的發展輸注新的活力。同樣，AI 在耳鼻喉領域具有廣闊前景，將其用于耳鼻喉科疾病的診斷治療和輔助醫生作出臨床決策，是今后的主要發展方向[3]。因此，讓醫學生、住院醫師規范化培訓（規培）醫生和臨床醫生及早接觸和學習與本學科相關的 AI 技術具有重要的現實意義。本文將闡述 AI 技術在耳鼻喉領域的應用，并探討其在耳鼻喉科教學中的應用意義和實現路徑。
1 AI 與耳鼻喉科
作為一個以內鏡操作為主體的外科，耳鼻喉科要求醫生有精湛的手術技能和豐富的解剖知識。有學者最早于 2004 年提出將 AI 技術引入耳鼻喉科的診療中[4]。目前隨著 AI 技術的發展，對于 AI 在耳鼻喉方面的研究愈發增多，逐漸成為研究熱點。
1.1 AI 與耳科學
在耳科學領域，AI 技術多用于聽力相關疾病的診療和耳外科手術。研究表明，使用深度學習的 AI 技術對中耳炎的診斷和分類識別具有較高的準確性，使用卷積神經網絡對鼓膜耳鏡圖像進行中耳炎診斷，其總體準確率為 93.4%，分類識別能力相當于一個耳鼻喉科副教授的水平[5-6]。Bing 等[7]運用 AI 技術成功預測了 1200 例突發性耳聾患者的聽力預后。還有學者采用計算機深度學習技術進行慢性中耳炎的 CT 診斷，模型對中耳膽脂瘤和慢性化膿性中耳炎的診斷準確率可與臨床專家媲美甚至更優[8]。近年來，機器人輔助手術系統也逐漸在耳科領域有所發展，在相對復雜的耳外科手術中也有較好的效果[9]。
1.2 AI 與鼻科學
AI 技術多應用于鼻部腫瘤的診斷和治療。最早由 Ozer 等[10]在美國俄亥俄州立大學微創外科的機器人訓練中心開展了尸體的鼻咽癌切除術，手術時長明顯縮短且手術效果更佳。此后 AI 技術開始逐漸應用于鼻科學領域。研究顯示，使用卷積神經網絡的診斷系統對鼻息肉和倒置乳頭狀瘤的分類準確率與人類專家的平均表現相當，為鼻內鏡診斷腫物提供了參考依據[11]。還有團隊研發了第 2 代 AI 慢性鼻竇炎診斷平臺（AICEP 2.0），該診斷系統可分析鼻息肉細胞表型和炎性細胞分布及濃度，其性能優越且能預測患者的不同預后，有利于開展個性化治療[12]。
1.3 AI 與喉科學
計算機技術在喉腫瘤外科和嗓音學方面的發展也逐漸成為焦點。Fang 等[13]利用數據庫中的病例對語音樣本進行分析分類，結果顯示 AI 技術對男性和女性語音病理分類的準確率分別達到 94.36%和 90.52%。有研究探討了基于卷積神經網絡深度學習的 AI 技術用于喉鱗狀細胞癌內鏡結果判讀的有效性，結果顯示 AI 技術的判讀在準確率、靈敏度和特異度 3 個方面與耳鼻喉科專家相當（均達到 90%以上）且速度更快，提示 AI 技術在喉鱗狀細胞癌的臨床輔助診斷方面有很好的應用前景[14]。此外，AI 技術在腫瘤分期分型方面也起到重要作用，基于卷積神經網絡深度學習的 AI 輔助診斷系統可將喉部腫瘤分為正常、聲帶小結、息肉、黏膜白斑和惡性腫瘤等多種類型，對不同腫瘤喉鏡圖像的區分準確率為 96.24%，在大多數情況下表現優于醫生，這對鑒別喉部腫瘤是否為良性、癌前病變和癌變有重要參考價值[15]。
2 AI 在耳鼻喉科教學中的應用
2.1 AI 教學應用的特點和必要性
AI 作為一門以模擬人腦功能為主的學科，結合耳鼻喉領域的學科特殊性，與傳統教學模式相比，將 AI 技術融入學科教學顯示出一些新的特點[16]。
2.1.1 互動性
在近年來大力推行教學改革的時代背景下，眾多院校鼓勵翻轉課堂等新型教學模式以加強學生在課堂中的參與度，而涵蓋機器人、智能模擬等技術的 AI 技術可以給醫學教育帶來全新的體驗。一方面，在數以萬計的病例基礎上開展大數據建模，對臨床案例進行機器學習并模擬環境，可以讓醫學生以及規培醫生等融入到不同環境中模擬真實的診療過程；另一方面，手術機器人等實際操作器械也有著強烈的吸引力，可以帶來更好的教學體驗。
2.1.2 具像性
三維虛擬技術的發展已經給醫學教育帶來了極大的進步，可以客觀、直觀反映人體解剖部位，為手術設計和籌備工作奠定基礎。將 AI 技術融入三維建模算法中，可實現智能數據預處理、重建和智能化數據應用，進一步優化升級虛擬現實技術，幫助醫學生更好地進行演練，深入了解人體組織結構[17]。
2.1.3 可觀測性
圍繞 AI 技術在教學中的應用形式和內容，相關教研室及其教師可以制定相適應的測評體系和學習平臺，通過查看學生們在該平臺的學習情況和綜合考評中的表現，及時了解其學習動態，有針對性地進行教學內容的補充、調整，以取得更好的教學效果。
2.1.4 必要性
耳鼻喉科是一門專業性較強的學科，其組織器官的解剖結構位置隱蔽且復雜，學習難度較高，而目前的耳鼻喉專業教學主要還停留在以文字、圖片、視頻為主的傳統教學模式，從而導致了教學難度大、學生難以理解的困境[18-19]。因此，將 AI 這一新興技術融入教學是當今信息時代的大勢所趨，有著不可估量的潛在價值。
2.2 AI 教學應用的可行性分析
2.2.1 基礎知識學習
醫學基礎知識學習的一大核心是掌握解剖學知識，耳鼻喉相關組織結構較為復雜，學習難度較大，通常的學習途徑大多以書本和尸體解剖兩者為主，但目前尸體解剖逐漸減少且成本較高，常難以滿足學習需要。而借助深度學習等 AI 技術可以模擬演示人體的復雜解剖結構及其精細控制運動，如頭部、面部和頸部的解剖；同時，通過創建多種邏輯學習程序，可幫助學生獲得及時反饋和自我評估。與傳統教學方式相比，將 AI 融入解剖學等基礎知識教學可激發學生的學習興趣和主觀能動性。
2.2.2 基本操作訓練
大部分耳鼻喉科的手術均在內鏡或顯微鏡下操作，此類操作的熟練度和技巧需要大量練習，而對于低年資醫生以及醫學生來說，實際操作機會較少，不利于經驗的積累。引入智能機器人不僅僅是考慮臨床工作的需要，還可以給醫學生以及規培醫生們提供更多的練習機會。
近年來，智能機器人在國內外的人工耳蝸種植、鼻咽癌等疾病治療方面發展迅速，憑借其高穩定性、高精度、智能化等特點越來越受到人們的關注。國外機器人教學培訓的效果考評結果顯示，機器人教學可以在很大程度上提升其手術水平，實際價值較高[20-21]。此外，由于 AI 已經逐漸滲透入科室臨床工作中，讓醫學生們盡早地接觸學習相關技術操作，更有利于搭建臨床工作和教學之間的橋梁。
2.2.3 影像教學
現代醫學中對于大部分耳鼻喉科疾病的臨床診斷離不開內鏡、X 線、MRI 等影像學的輔助診斷，包括耳鼻喉科室常用的耳內鏡、鼻內鏡和纖維支氣管鏡等。然而，對大量的影像學圖片進行觀察處理分析也是臨床醫生的一大負擔。AI 技術的應用則可通過計算機技術中的大數據分析等手段，對圖片影像信息進行分析分類并提高診斷的準確性和效率。當前已有證據表明，AI 輔助的耳鼻喉科影像技術在疾病診段、手術預后、三維重建和生物材料效果評價等方面發揮良好效應，有著廣闊的發展前景[22-26]。
因此，開展耳鼻喉影像技術教學有利于醫學生和臨床醫生診斷水平的提高，其中對疾病尤其是腫瘤的分類分期是教學工作中的重難點之一。而如今 AI 技術的應用可以有效地提高疾病分類的準確性，幫助學習者加深對知識的理解和掌握。
2.2.4 病例模擬
基于 AI 技術和大數據等計算機數據，目前已研發出了越來越多的病例模擬系統[27]，這些系統可以記錄診療過程中的常見疾病乃至一些疑難病例、罕見病例，醫學生可以在不斷的模擬練習中加深鞏固知識，充分發揮出這些病例的研究價值。
2.3 AI 教學的實踐路徑
2.3.1 課程設計
可在教學大綱的基礎上，明確學科教學重點、難點，在傳統課堂教授的基礎理論課程中穿插 AI 技術課程內容，細化教案。同時，結合臨床及教學大綱要求，對課程教授內容進行測驗，以了解學生對知識的掌握程度以及教學效果。
2.3.2 教學實踐
可在課程前讓學生提前進入平臺系統進行相應內容的學習，提前熟悉課程內容，引導學生開展自主學習。課堂教學方面，除傳統教學模式的教師講授外，教師還可通過 AI 器械，結合課堂教學內容，給同學們進行進一步講解；同時也可以讓學生使用相應器械或軟件如虛擬平臺、手術機器人等進行實際操作，增加其課堂參與度，將理論與實踐相結合，有利于學生的觀察和理解。并通過隨堂測驗了解學生們的學習情況，及時調整教學計劃。而在對實習生、規培生的教學中，應當注重臨床工作中 AI 技術應用的教學和培訓[15]。
2.3.3 教學效果考核
在每個階段教學任務結束后，可以采用隨堂測驗的方式對學生開展考核，通過 AI 軟件統計結果分析教學薄弱環節并進行針對性的補充教學。此外，可采用問卷調查的方式，了解學生對教學內容的滿意度和自我學習評估。
2.4 AI 教學面臨的挑戰
AI 技術飛速發展，推動了臨床醫學向著嶄新的未來前進，給臨床醫學教學改良帶來了新的活力和方向，豐富了傳統教學模式，但同時也面臨著眾多挑戰：① 技術難題尚未完全解決，雖然已有眾多 AI 相關技術在臨床工作和教學中使用，但目前仍然存在著如數據集復雜、建模困難等技術問題，導致實用性有所下降；② AI 教學建模需要以大量的臨床病例數據為基礎，其中涉及到的患者隱私等倫理問題亟待解決，對該類信息的監管也存在很大的漏洞[28]；③ 仍存在觀念問題，當前部分醫生對 AI 的接納度不高，相比計算機智能的分析結果，其更愿意相信自己的臨床經驗，AI 自我意識的發展也存在未知數，安全性有待考量[29]；④ 當前的醫學教育對于醫學人文關懷教育愈發重視，而 AI 技術在教學中的人文關懷教育方面可能會有所欠缺；⑤ 在教學中引入 AI 器械，成本較高，短時間內難以廣泛開展。
3 小結與展望
歷史上現代醫學的每一次發展都依托于科技的發展，AI 作為 21 世紀信息革命的重要產物之一，很大概率會對醫學的發展產生重要影響。醫學教育作為醫學生成為臨床醫生過程中的重要一環，應該與臨床工作緊密結合，將前沿技術融入到日常教學中，以加深對基礎知識的理解和掌握。盡管 AI 技術尚存在諸多問題，但將 AI 融入到耳鼻喉科的教學中，對于醫學生、專科醫生來說，均是極其必要的，憑借其相比于傳統教學方式的優勢，或可對耳鼻喉科的臨床教學起到明顯的推動作用，潛力巨大。
利益沖突：所有作者聲明不存在利益沖突。
人工智能（artificial intelligence, AI）是一門跨多學科的前沿智能科學，涵蓋計算機科學、心理學、語言學、哲學和神經科學等多個學科，已逐步走進大眾視野[1]。近年來，AI 技術在機器學習、深度學習、大數據管理等分支中不斷發展，承擔起了數據信息挖掘和分析、影像處理等任務。其中，機器學習利用算法學習大數據開展識別、處理和預測，與傳統算法相比顯著提升了工作效率；深度學習則能夠模擬人腦，運用其學習能力處理海量數據，其中卷積神經網絡憑借其學習特征，已在圖像處理和語音處理方面發揮作用[2]。在“新醫療”時代大背景下，AI 技術的應用推動了醫學精準化和智能化，在影像診斷、疾病預防、疾病臨床診斷和治療等方面起到了至關重要的作用，為傳統醫學的發展輸注新的活力。同樣，AI 在耳鼻喉領域具有廣闊前景，將其用于耳鼻喉科疾病的診斷治療和輔助醫生作出臨床決策，是今后的主要發展方向[3]。因此，讓醫學生、住院醫師規范化培訓（規培）醫生和臨床醫生及早接觸和學習與本學科相關的 AI 技術具有重要的現實意義。本文將闡述 AI 技術在耳鼻喉領域的應用，并探討其在耳鼻喉科教學中的應用意義和實現路徑。
1 AI 與耳鼻喉科
作為一個以內鏡操作為主體的外科，耳鼻喉科要求醫生有精湛的手術技能和豐富的解剖知識。有學者最早于 2004 年提出將 AI 技術引入耳鼻喉科的診療中[4]。目前隨著 AI 技術的發展，對于 AI 在耳鼻喉方面的研究愈發增多，逐漸成為研究熱點。
1.1 AI 與耳科學
在耳科學領域，AI 技術多用于聽力相關疾病的診療和耳外科手術。研究表明，使用深度學習的 AI 技術對中耳炎的診斷和分類識別具有較高的準確性，使用卷積神經網絡對鼓膜耳鏡圖像進行中耳炎診斷，其總體準確率為 93.4%，分類識別能力相當于一個耳鼻喉科副教授的水平[5-6]。Bing 等[7]運用 AI 技術成功預測了 1200 例突發性耳聾患者的聽力預后。還有學者采用計算機深度學習技術進行慢性中耳炎的 CT 診斷，模型對中耳膽脂瘤和慢性化膿性中耳炎的診斷準確率可與臨床專家媲美甚至更優[8]。近年來，機器人輔助手術系統也逐漸在耳科領域有所發展，在相對復雜的耳外科手術中也有較好的效果[9]。
1.2 AI 與鼻科學
AI 技術多應用于鼻部腫瘤的診斷和治療。最早由 Ozer 等[10]在美國俄亥俄州立大學微創外科的機器人訓練中心開展了尸體的鼻咽癌切除術，手術時長明顯縮短且手術效果更佳。此后 AI 技術開始逐漸應用于鼻科學領域。研究顯示，使用卷積神經網絡的診斷系統對鼻息肉和倒置乳頭狀瘤的分類準確率與人類專家的平均表現相當，為鼻內鏡診斷腫物提供了參考依據[11]。還有團隊研發了第 2 代 AI 慢性鼻竇炎診斷平臺（AICEP 2.0），該診斷系統可分析鼻息肉細胞表型和炎性細胞分布及濃度，其性能優越且能預測患者的不同預后，有利于開展個性化治療[12]。
1.3 AI 與喉科學
計算機技術在喉腫瘤外科和嗓音學方面的發展也逐漸成為焦點。Fang 等[13]利用數據庫中的病例對語音樣本進行分析分類，結果顯示 AI 技術對男性和女性語音病理分類的準確率分別達到 94.36%和 90.52%。有研究探討了基于卷積神經網絡深度學習的 AI 技術用于喉鱗狀細胞癌內鏡結果判讀的有效性，結果顯示 AI 技術的判讀在準確率、靈敏度和特異度 3 個方面與耳鼻喉科專家相當（均達到 90%以上）且速度更快，提示 AI 技術在喉鱗狀細胞癌的臨床輔助診斷方面有很好的應用前景[14]。此外，AI 技術在腫瘤分期分型方面也起到重要作用，基于卷積神經網絡深度學習的 AI 輔助診斷系統可將喉部腫瘤分為正常、聲帶小結、息肉、黏膜白斑和惡性腫瘤等多種類型，對不同腫瘤喉鏡圖像的區分準確率為 96.24%，在大多數情況下表現優于醫生，這對鑒別喉部腫瘤是否為良性、癌前病變和癌變有重要參考價值[15]。
2 AI 在耳鼻喉科教學中的應用
2.1 AI 教學應用的特點和必要性
AI 作為一門以模擬人腦功能為主的學科，結合耳鼻喉領域的學科特殊性，與傳統教學模式相比，將 AI 技術融入學科教學顯示出一些新的特點[16]。
2.1.1 互動性
在近年來大力推行教學改革的時代背景下，眾多院校鼓勵翻轉課堂等新型教學模式以加強學生在課堂中的參與度，而涵蓋機器人、智能模擬等技術的 AI 技術可以給醫學教育帶來全新的體驗。一方面，在數以萬計的病例基礎上開展大數據建模，對臨床案例進行機器學習并模擬環境，可以讓醫學生以及規培醫生等融入到不同環境中模擬真實的診療過程；另一方面，手術機器人等實際操作器械也有著強烈的吸引力，可以帶來更好的教學體驗。
2.1.2 具像性
三維虛擬技術的發展已經給醫學教育帶來了極大的進步，可以客觀、直觀反映人體解剖部位，為手術設計和籌備工作奠定基礎。將 AI 技術融入三維建模算法中，可實現智能數據預處理、重建和智能化數據應用，進一步優化升級虛擬現實技術，幫助醫學生更好地進行演練，深入了解人體組織結構[17]。
2.1.3 可觀測性
圍繞 AI 技術在教學中的應用形式和內容，相關教研室及其教師可以制定相適應的測評體系和學習平臺，通過查看學生們在該平臺的學習情況和綜合考評中的表現，及時了解其學習動態，有針對性地進行教學內容的補充、調整，以取得更好的教學效果。
2.1.4 必要性
耳鼻喉科是一門專業性較強的學科，其組織器官的解剖結構位置隱蔽且復雜，學習難度較高，而目前的耳鼻喉專業教學主要還停留在以文字、圖片、視頻為主的傳統教學模式，從而導致了教學難度大、學生難以理解的困境[18-19]。因此，將 AI 這一新興技術融入教學是當今信息時代的大勢所趨，有著不可估量的潛在價值。
2.2 AI 教學應用的可行性分析
2.2.1 基礎知識學習
醫學基礎知識學習的一大核心是掌握解剖學知識，耳鼻喉相關組織結構較為復雜，學習難度較大，通常的學習途徑大多以書本和尸體解剖兩者為主，但目前尸體解剖逐漸減少且成本較高，常難以滿足學習需要。而借助深度學習等 AI 技術可以模擬演示人體的復雜解剖結構及其精細控制運動，如頭部、面部和頸部的解剖；同時，通過創建多種邏輯學習程序，可幫助學生獲得及時反饋和自我評估。與傳統教學方式相比，將 AI 融入解剖學等基礎知識教學可激發學生的學習興趣和主觀能動性。
2.2.2 基本操作訓練
大部分耳鼻喉科的手術均在內鏡或顯微鏡下操作，此類操作的熟練度和技巧需要大量練習，而對于低年資醫生以及醫學生來說，實際操作機會較少，不利于經驗的積累。引入智能機器人不僅僅是考慮臨床工作的需要，還可以給醫學生以及規培醫生們提供更多的練習機會。
近年來，智能機器人在國內外的人工耳蝸種植、鼻咽癌等疾病治療方面發展迅速，憑借其高穩定性、高精度、智能化等特點越來越受到人們的關注。國外機器人教學培訓的效果考評結果顯示，機器人教學可以在很大程度上提升其手術水平，實際價值較高[20-21]。此外，由于 AI 已經逐漸滲透入科室臨床工作中，讓醫學生們盡早地接觸學習相關技術操作，更有利于搭建臨床工作和教學之間的橋梁。
2.2.3 影像教學
現代醫學中對于大部分耳鼻喉科疾病的臨床診斷離不開內鏡、X 線、MRI 等影像學的輔助診斷，包括耳鼻喉科室常用的耳內鏡、鼻內鏡和纖維支氣管鏡等。然而，對大量的影像學圖片進行觀察處理分析也是臨床醫生的一大負擔。AI 技術的應用則可通過計算機技術中的大數據分析等手段，對圖片影像信息進行分析分類并提高診斷的準確性和效率。當前已有證據表明，AI 輔助的耳鼻喉科影像技術在疾病診段、手術預后、三維重建和生物材料效果評價等方面發揮良好效應，有著廣闊的發展前景[22-26]。
因此，開展耳鼻喉影像技術教學有利于醫學生和臨床醫生診斷水平的提高，其中對疾病尤其是腫瘤的分類分期是教學工作中的重難點之一。而如今 AI 技術的應用可以有效地提高疾病分類的準確性，幫助學習者加深對知識的理解和掌握。
2.2.4 病例模擬
基于 AI 技術和大數據等計算機數據，目前已研發出了越來越多的病例模擬系統[27]，這些系統可以記錄診療過程中的常見疾病乃至一些疑難病例、罕見病例，醫學生可以在不斷的模擬練習中加深鞏固知識，充分發揮出這些病例的研究價值。
2.3 AI 教學的實踐路徑
2.3.1 課程設計
可在教學大綱的基礎上，明確學科教學重點、難點，在傳統課堂教授的基礎理論課程中穿插 AI 技術課程內容，細化教案。同時，結合臨床及教學大綱要求，對課程教授內容進行測驗，以了解學生對知識的掌握程度以及教學效果。
2.3.2 教學實踐
可在課程前讓學生提前進入平臺系統進行相應內容的學習，提前熟悉課程內容，引導學生開展自主學習。課堂教學方面，除傳統教學模式的教師講授外，教師還可通過 AI 器械，結合課堂教學內容，給同學們進行進一步講解；同時也可以讓學生使用相應器械或軟件如虛擬平臺、手術機器人等進行實際操作，增加其課堂參與度，將理論與實踐相結合，有利于學生的觀察和理解。并通過隨堂測驗了解學生們的學習情況，及時調整教學計劃。而在對實習生、規培生的教學中，應當注重臨床工作中 AI 技術應用的教學和培訓[15]。
2.3.3 教學效果考核
在每個階段教學任務結束后，可以采用隨堂測驗的方式對學生開展考核，通過 AI 軟件統計結果分析教學薄弱環節并進行針對性的補充教學。此外，可采用問卷調查的方式，了解學生對教學內容的滿意度和自我學習評估。
2.4 AI 教學面臨的挑戰
AI 技術飛速發展，推動了臨床醫學向著嶄新的未來前進，給臨床醫學教學改良帶來了新的活力和方向，豐富了傳統教學模式，但同時也面臨著眾多挑戰：① 技術難題尚未完全解決，雖然已有眾多 AI 相關技術在臨床工作和教學中使用，但目前仍然存在著如數據集復雜、建模困難等技術問題，導致實用性有所下降；② AI 教學建模需要以大量的臨床病例數據為基礎，其中涉及到的患者隱私等倫理問題亟待解決，對該類信息的監管也存在很大的漏洞[28]；③ 仍存在觀念問題，當前部分醫生對 AI 的接納度不高，相比計算機智能的分析結果，其更愿意相信自己的臨床經驗，AI 自我意識的發展也存在未知數，安全性有待考量[29]；④ 當前的醫學教育對于醫學人文關懷教育愈發重視，而 AI 技術在教學中的人文關懷教育方面可能會有所欠缺；⑤ 在教學中引入 AI 器械，成本較高，短時間內難以廣泛開展。
3 小結與展望
歷史上現代醫學的每一次發展都依托于科技的發展，AI 作為 21 世紀信息革命的重要產物之一，很大概率會對醫學的發展產生重要影響。醫學教育作為醫學生成為臨床醫生過程中的重要一環，應該與臨床工作緊密結合，將前沿技術融入到日常教學中，以加深對基礎知識的理解和掌握。盡管 AI 技術尚存在諸多問題，但將 AI 融入到耳鼻喉科的教學中，對于醫學生、專科醫生來說，均是極其必要的，憑借其相比于傳統教學方式的優勢，或可對耳鼻喉科的臨床教學起到明顯的推動作用，潛力巨大。
利益沖突：所有作者聲明不存在利益沖突。