整合人工智能和大型语言模型在医学教育中的伦理挑战:范围审查

科学领域:

• 医疗教育 技术 技术 医学教育
• 医疗保健中的人工智能
• 伦理的人工智能

背景情况:

• 人工智能 (AI) 和大型语言模型 (LLM) 的快速发展为医学教育带来了新的机遇.
• 将像ChatGPT这样的AI工具集成到医学教育中,可以提供个性化的学习体验.
• 然而,在医学教育中采用人工智能引入了重要的伦理考虑.

研究的目的:

• 系统地审查和描述与将AI和LLMs整合到医学教育中相关的伦理挑战和机会.
• 确定核心的伦理层面,并提出相应的缓解策略.
• 为未来的研究和指南制定提供信息,以在医学培训中实施道德的人工智能.

主要方法:

• 采用了一种全面的范围审查方法.
• 在PubMed,Embase和Web of Science数据库中进行了系统的文献搜索 (2010年1月至2024年8月).
• 人工智能工具 (Kimi AI) 协助选和数据提取,由两个独立研究人员进行严格的交叉验证,以确保数据可靠性.

主要成果:

• 根据预先定义的纳入标准,从1,192个初始记录中选择了50篇文章.
• 确定了七个核心伦理维度:隐私和数据安全,算法偏见,责任归因,公平保证,技术可靠性,应用依赖性和患者自主性.
• 针对每个确定的伦理挑战,制定了具体的缓解策略.

结论:

• 人工智能和法学士在医学教育中的整合需要采取积极的方法来解决道德复杂性.
• 制定专门的伦理框架和应用指南对于在医学培训中负责任地部署人工智能至关重要.
• 持续关注人工智能在医疗保健中的长期伦理影响至关重要.