台灣急診醫學會 - 台灣急診醫學通訊


首頁本會期刊台灣急診醫學通訊第七卷第五期 AI在醫學教育應用：有效運用人工智慧提升教與學本會期刊台灣急診醫學通訊台灣急診醫學通訊第七卷第五期刊登日期：2024/10/31 Taiwan Emergency Medicine Bulletin 7(5) : e2024070507回上頁點閱次數：71 PDF下載次數：1 AI在醫學教育應用：有效運用人工智慧提升教與學黃文成¹ 、胡凱君¹、顏孟鐸¹、王家鼎¹、徐士昌¹、許金旺¹ ¹台北市立萬芳醫院醫學教育的變革隨著科技的飛速發展，醫學教育面臨前所未有的挑戰和機遇。人工智慧（Artificial Intelligence-AI）的進步為醫學教育帶來了革命性的變革，改變了傳統的教學模式，讓學生有機會透過數據分析、個性化學習和模擬訓練進行學習。AI 不僅改善了教學質與量，還提升了學生的學習效果。然而，這樣的AI技術應用於臨床與教學上也帶來了一些新的倫理挑戰，包括隱私、安全和對技術的過度依賴。在時代的浪潮下，臨床老師更是必須好好的認識AI為我們帶來的教與學的新文化。 AI在醫學教育中的多元應用根據許多研究指出，AI 在醫學教育的多個環節中發揮了重要作用，涵蓋了從學生入學甄選到課程設計、學習評估及臨床推理訓練等方面。具體應用包括： • 入學甄選（Admissions Selection）：AI 可以用來篩選醫學生申請者，通過機器學習算法評估申請者的潛力，以提高甄選過程的效率。例如，AI可以根據歷史數據建立模型，預測哪些申請者可能在學術或臨床實踐中表現優異，從而減少人為偏見的影響。 • 教學與學習（Teaching and Learning）：AI幫助個性化學習，根據學生的學習風格和進度提供定制化的課程。智能輔導系統（Intelligent Tutoring Systems, ITS）透過AI為學生提供即時回饋，並根據學生的表現調整教學內容。AI還可以幫助進行知識點的重複測試，以強化學生的學習效果。 • 評估與考核（Assessment）：AI可以自動化評估，如在客觀結構化臨床考試（OSCE）中評估學生的臨床技能，通過自然語言處理（NLP）和數據挖掘技術自動分析學生的書面反饋，減少評估過程中的人為誤差。 AI輔助的教學應用 AI 促進了教學的多樣化，提供了新的工具來提升學習體驗。常見的AI輔助教學方法包括： • 智能輔導系統（Intelligent Tutoring Systems, ITS）：這些系統根據學生的需求進行個性化學習路徑設計，並在學生表現不佳時提供即時回饋，幫助學生掌握臨床推理和診斷能力。 • 虛擬模擬教學（Virtual Simulation）：AI技術支持虛擬病人系統（Virtual Patient Simulators, VPS），提供動態的教學場景，使學生能夠練習不同的臨床案例，從而加強臨床決策技能。 • 個性化學習工具（Personalized Learning Tools）：AI學習平台可以記錄學生的學習過程，並根據學生的表現提供定制的學習計劃和強化練習。這些技術不僅提升了學習效率，還幫助學生更有效地評估自己的學習進度，進一步加強臨床推理能力。 AI在評估中的角色：臨床技能與診斷評估 AI在學生評估方面展現了巨大潛力，特別是在臨床技能和診斷能力的評估上。AI技術可以自動化地分析學生的臨床表現，並提供基於數據的反饋，這樣可以避免人為偏差並提高評估的公平性。 • 自動化臨床技能評估（Automated Clinical Skills Evaluation）：AI 可以通過影像分析技術評估外科手術技能，如微創手術的視覺數據，並生成詳細的反饋報告。AI還可以根據學習者的臨床行為模式，預測其臨床決策的準確性。 • 臨床推理評估（Clinical Reasoning Evaluation）：使用自然語言處理技術，AI可以評估學生的病例分析和診斷推理，進一步強化學生的診斷思維。AI還可以提供模擬患者，幫助學生在安全的環境中練習診斷能力。 AI 輔助教學與研究的FACETS架構在思考如何用AI來輔助教學與研究時，可以嘗試利用FACETS Framework來思考和進行，所謂的FACETS Framework，關鍵要素為Form、AI Use Case、Context、Education Focus、Technology and SAMR模型。（註：SAMR-Substitution替代, Augmentation改良, Modification 改造, Redefinition重新定義 : SAMR衡量科技有效性的模型或是工具）倫理挑戰：AI使用的風險與倫理考量雖然AI在醫學教育中的應用未來充滿各種想像與可能，但其潛在的風險和倫理問題也不可忽視，尤其在以下兩個方面： • 自動化偏誤（Automation Bias）：AI在診斷過程中可能導致醫師對其過度依賴，進而削弱醫師的獨立思考與臨床判斷能力。醫學教育應特別注重如何平衡AI技術與醫師的臨床技能培養。 • 隱私與數據安全（Privacy and Data Security）：醫學數據的使用涉及患者隱私的敏感議題，AI技術的應用需要更嚴格的數據保護措施，確保患者資料的安全性和隱私性。整體來說，透過科技來輔助教學是未來的趨勢跟機會，作為跟學生一起成長的臨床教師來說，不僅教導學生重要的知識技能態度，更重要的是老師也得教學相長，從AI概念出發，注意避免倫理的挑戰，嘗試應用整合現有的課程也開發創新教學，讓學習更有效率與成果，打造AI-Empowered教學的新時代。 Reference： 1. Gordon M, Daniel M, Ajiboye A, et al. A scoping review of artificial intelligence in medical education: BEME Guide No. 84. Med Teach. 2024;46(4):446-470. 2. Masters K. Ethical use of Artificial Intelligence in Health Professions Education: AMEE Guide No. 158. Med Teach. 2023;45(6):574-584. 3. Balasooriya C. AI in education: A futuristic vision. Med Teach. 2024;46(7):986-988. 4. Issa WB, Shorbagi A, Al-Sharman A, et al. Shaping the future: perspectives on the Integration of Artificial Intelligence in health profession education: a multi-country survey. BMC Med Educ. 2024;24(1):1166. Published 2024 Oct 18. 回上頁

第七卷第五期
刊登日期：2024/10/31
Taiwan Emergency Medicine Bulletin 7(5) : e2024070507回上頁

點閱次數：71 PDF下載次數：1

AI在醫學教育應用：有效運用人工智慧提升教與學

黃文成¹ 、胡凱君¹、顏孟鐸¹、王家鼎¹、徐士昌¹、許金旺¹

¹台北市立萬芳醫院

醫學教育的變革

隨著科技的飛速發展，醫學教育面臨前所未有的挑戰和機遇。人工智慧（Artificial Intelligence-AI）的進步為醫學教育帶來了革命性的變革，改變了傳統的教學模式，讓學生有機會透過數據分析、個性化學習和模擬訓練進行學習。AI 不僅改善了教學質與量，還提升了學生的學習效果。然而，這樣的AI技術應用於臨床與教學上也帶來了一些新的倫理挑戰，包括隱私、安全和對技術的過度依賴。在時代的浪潮下，臨床老師更是必須好好的認識AI為我們帶來的教與學的新文化。

AI在醫學教育中的多元應用

根據許多研究指出，AI 在醫學教育的多個環節中發揮了重要作用，涵蓋了從學生入學甄選到課程設計、學習評估及臨床推理訓練等方面。具體應用包括：

• 入學甄選（Admissions Selection）：AI 可以用來篩選醫學生申請者，通過機器學習算法評估申請者的潛力，以提高甄選過程的效率。例如，AI可以根據歷史數據建立模型，預測哪些申請者可能在學術或臨床實踐中表現優異，從而減少人為偏見的影響。

• 教學與學習（Teaching and Learning）：AI幫助個性化學習，根據學生的學習風格和進度提供定制化的課程。智能輔導系統（Intelligent Tutoring Systems, ITS）透過AI為學生提供即時回饋，並根據學生的表現調整教學內容。AI還可以幫助進行知識點的重複測試，以強化學生的學習效果。

• 評估與考核（Assessment）：AI可以自動化評估，如在客觀結構化臨床考試（OSCE）中評估學生的臨床技能，通過自然語言處理（NLP）和數據挖掘技術自動分析學生的書面反饋，減少評估過程中的人為誤差。

AI輔助的教學應用

AI 促進了教學的多樣化，提供了新的工具來提升學習體驗。常見的AI輔助教學方法包括：

• 智能輔導系統（Intelligent Tutoring Systems, ITS）：這些系統根據學生的需求進行個性化學習路徑設計，並在學生表現不佳時提供即時回饋，幫助學生掌握臨床推理和診斷能力。

• 虛擬模擬教學（Virtual Simulation）：AI技術支持虛擬病人系統（Virtual Patient Simulators, VPS），提供動態的教學場景，使學生能夠練習不同的臨床案例，從而加強臨床決策技能。

• 個性化學習工具（Personalized Learning Tools）：AI學習平台可以記錄學生的學習過程，並根據學生的表現提供定制的學習計劃和強化練習。

這些技術不僅提升了學習效率，還幫助學生更有效地評估自己的學習進度，進一步加強臨床推理能力。

AI在評估中的角色：臨床技能與診斷評估

AI在學生評估方面展現了巨大潛力，特別是在臨床技能和診斷能力的評估上。AI技術可以自動化地分析學生的臨床表現，並提供基於數據的反饋，這樣可以避免人為偏差並提高評估的公平性。

• 自動化臨床技能評估（Automated Clinical Skills Evaluation）：AI 可以通過影像分析技術評估外科手術技能，如微創手術的視覺數據，並生成詳細的反饋報告。AI還可以根據學習者的臨床行為模式，預測其臨床決策的準確性。

• 臨床推理評估（Clinical Reasoning Evaluation）：使用自然語言處理技術，AI可以評估學生的病例分析和診斷推理，進一步強化學生的診斷思維。AI還可以提供模擬患者，幫助學生在安全的環境中練習診斷能力。

AI 輔助教學與研究的FACETS架構

在思考如何用AI來輔助教學與研究時，可以嘗試利用FACETS Framework來思考和進行，所謂的FACETS Framework，關鍵要素為Form、AI Use Case、Context、Education Focus、Technology and SAMR模型。（註：SAMR-Substitution替代, Augmentation改良, Modification 改造, Redefinition重新定義 : SAMR衡量科技有效性的模型或是工具）

倫理挑戰：AI使用的風險與倫理考量

雖然AI在醫學教育中的應用未來充滿各種想像與可能，但其潛在的風險和倫理問題也不可忽視，尤其在以下兩個方面：

• 自動化偏誤（Automation Bias）：AI在診斷過程中可能導致醫師對其過度依賴，進而削弱醫師的獨立思考與臨床判斷能力。醫學教育應特別注重如何平衡AI技術與醫師的臨床技能培養。

• 隱私與數據安全（Privacy and Data Security）：醫學數據的使用涉及患者隱私的敏感議題，AI技術的應用需要更嚴格的數據保護措施，確保患者資料的安全性和隱私性。

整體來說，透過科技來輔助教學是未來的趨勢跟機會，作為跟學生一起成長的臨床教師來說，不僅教導學生重要的知識技能態度，更重要的是老師也得教學相長，從AI概念出發，注意避免倫理的挑戰，嘗試應用整合現有的課程也開發創新教學，讓學習更有效率與成果，打造AI-Empowered教學的新時代。

Reference：

1. Gordon M, Daniel M, Ajiboye A, et al. A scoping review of artificial intelligence in medical education: BEME Guide No. 84. Med Teach. 2024;46(4):446-470.

2. Masters K. Ethical use of Artificial Intelligence in Health Professions Education: AMEE Guide No. 158. Med Teach. 2023;45(6):574-584.

3. Balasooriya C. AI in education: A futuristic vision. Med Teach. 2024;46(7):986-988.

4. Issa WB, Shorbagi A, Al-Sharman A, et al. Shaping the future: perspectives on the Integration of Artificial Intelligence in health profession education: a multi-country survey. BMC Med Educ. 2024;24(1):1166. Published 2024 Oct 18.