它需要的不仅仅是热情:缺失的基础设施来释放AI在医学教育中的潜力

科学领域:

• 医学教育 医学教育
• 医疗保健中的人工智能
• 医疗信息学 医疗信息学

背景情况:

• 包括大型语言模型 (LLM) 在内的生成人工智能 (AI) 正在迅速改变医疗保健服务.
• 医学教育目前缺乏有效整合人工智能的准备,有可能对学习者的发展造成潜在伤害.
• 以前的技术采用,如电子健康记录,突出了在医学教育中不受指导的实施风险.

研究的目的:

• 确定有效地将人工智能整合到医学教育中的关键障碍.
• 为克服医疗培训人工智能采用基础设施缺陷提出解决方案.
• 倡导在医学教育中实施人工智能的结构化方法,以确保积极的结果.

主要方法:

• 这篇评论分析了这些挑战,并提出了医疗教育中人工智能集成的解决方案.
• 它指出了三个主要的基础设施缺陷:机构结构,资金和研究方法.
• 建议是根据梅西基金会关于人工智能和医学教育会议的讨论进行的.

主要成果:

• 人工智能整合的主要障碍不是技术上的,而是基础设施上的:缺乏机构结构,可持续的资金和严格的研究.
• 如果没有专门的教育信息团队,有针对性的资金和强大的评估框架,人工智能整合可能会加剧不平等.
• 如果未能解决这些差距,可能会导致创新循环而没有实施,阻碍医生发展.

结论:

• 在医学教育中有效地整合人工智能需要解决关键基础设施缺陷.
• 建立专门的团队,确保资金和制定严格的评估对于成功采用人工智能至关重要.
• 机构的承诺,投资和方法严谨是通过人工智能对医生准备进行变革的必要条件.