生成型人工智能赋能医学教育的应用,挑战和前景: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
• 教育创新教育创新

背景情况:

• 生成型人工智能 (GAI) 正通过增强智能,个性化和互动性显著推进医学教育.
• GAI重新定义了医疗领域的教育资源,教学方法和评估策略的获取.

研究的目的:

• 审查当前在医学教育中的生成人工智能 (GAI) 应用.
• 分析GAI在教育方法,评估和资源中的机会,挑战,优势和潜在问题.
• 为了捕捉GAI在医学教育中的快速演变和多维应用,以适用于未来的实践.

主要方法:

• 从2023年1月到2024年10月使用PubMed,科学网络和Scopus对文献进行范围审查.
• 遵守PRISMA-ScR指导方针,涉及5991件获取的文章的两阶段选过程.
• 将出版趋势和人类发展指数 (HDI) 的定量分析与应用,局限性和伦理影响的专题分析相结合.

主要成果:

• 大多数研究 (74.0%) 来自非常高的HDI国家,其中美国在贡献方面处于领先地位.
• 聊天GPT是最常被研究的GAI模型 (n=119),其次是双子座 (n=22).
• 关键的应用包括使教育方法多样化,改善评估评估和优化资源,以及确定了诸如适应性,数据偏差和道德问题等挑战.

结论:

• 在医疗教育的GAI发展中存在显著的区域差异,并观察到特定的模式偏好.
• GAI为医学教育赋权提供了潜力,但必须解决技术和道德障碍,才能得到广泛采用.
• 倡导三方资源方法评估模型,专门的GAI开发,以及促进人机共生的生态系统,以实现高效,以人为中心的医学教育.