通过整合性人工智能课程为数字时代的医疗保健领导者做好准备:试点研究

科学领域:

• 医学教育 医学教育
• 人工智能在医学中的应用
• 数字健康数字健康

背景情况:

• 人工智能 (AI) 越来越多地融入临床实践,需要医生对其实用性和局限性进行培训.
• 存在很大的技能差距,在临床前几年对有效地向医学学生引入人工智能概念没有共识.
• 在医学教育中早期接触人工智能对于为未来的医生准备人工智能增强的医疗保健环境至关重要.

研究的目的:

• 评估为第一年医学生的试点数字健康学者 (DHS) 选修课程的有效性.
• 评估将人工智能概念整合到临床前课程块对学生信心和理解的影响.
• 确定用于引入AI算法及其临床应用的并行丰富课程的可行性.

主要方法:

• 在第一年临床前课程 (免疫学,血液学,心脏学,肺学) 之外,还实施了一项非学分,试点的数字健康学者 (DHS) 选修课.
• 十个自选的学生参加,参与期刊俱乐部,现场编码演示和由研究人员领导的整合课程.
• 学生对解释人工智能知识,影响和局限性的信心在使用曼-惠特尼U测试测量了屏障前和后.

主要成果:

• 学生报告说,在所有四个综合区块 (免疫学,血液学,心脏学,肺病学) 的信心都显著增加.
• 在解释高级人工智能知识,含义和局限性方面观察到信心增长.
• 该课程获得了4.29/5的平均整体满意度评分,表明了学生的积极接待.

结论:

• 与临床前医学培训相结合的数字健康丰富选修课有效地提高了学生对理解AI的信心.
• 在相关的临床主题中嵌入人工智能概念可以提高学生对算法理解,含义和局限性的理解.
• 这个可选模型为未来的医学课程提供了一个有希望的框架,旨在为医生准备在临床工作流程中使用AI.