Уменията за критично мислене на лекарите са компрометирани от прекомерното разчитане на генеративния ИИ
Прекаленото разчитане на генеративния AI рискува да отслаби уменията за критично мислене на новите и бъдещите лекари, като същевременно потенциално увеличава съществуващите пристрастия и неравенства в данните, предупреждава редакционна статия, публикувана в онлайн списанието BMJ Evidence-Based Medicine. Инструментите GenAI вече се използват широко, въпреки че има малко институционални политики и регулаторни насоки,...
Уменията за критично мислене на лекарите са компрометирани от прекомерното разчитане на генеративния ИИ
Прекаленото разчитане на генеративния AI рискува да отслаби уменията за критично мислене на новите и бъдещите лекари, като същевременно потенциално увеличава съществуващите пристрастия и неравенства в данните, предупреждава редакционна статия, публикувана в онлайн списаниетоBMJ Медицина, основана на доказателства.
Инструментите на GenAI вече се използват широко въпреки малкото институционални политики и регулаторни насоки, подчертават авторите, които призовават медицинските преподаватели да бъдат бдителни и да адаптират учебните програми и обучението, за да смекчат капаните на технологията.
Използването на AI сега се използва в различни задачи, но с нарастването на потенциала му нараства и рискът от прекомерно разчитане на него и множество потенциални проблеми за студентите по медицина и амбициозните лекари, отбелязват авторите от Университета на Мисури, Колумбия, САЩ.
Това включва:
● Пристрастие към автоматизацията – безкритично доверие в автоматизираната информация след продължителна употреба
● Когнитивно разтоварване и възлагане на извличане, оценка и синтез на информация, променяща мисълта, към AI, като по този начин подкопава критичното мислене и задържането на паметта
● Умения за деквалификация, които са особено важни за студенти по медицина и нови лекари, които учат това умение на първо място и на които им липсва опит, за да проверят съветите на AI
● Засилване на съществуващите пристрастия и неравенства в данните
● Халюцинации – течна и правдоподобна, но неточна информация
● Нарушения на поверителността, сигурността и управлението на данни – особено безпокойство предвид чувствителния характер на здравните данни
Авторите предлагат няколко промени за минимизиране на тези рискове, включително оценяване на процеса, а не само на крайния продукт, в образователните оценки, като се предполага, че учащите са използвали AI.
Оценките на критичната компетентност, които изключват ИИ, трябва да бъдат проектирани с помощта на контролирани станции или прегледи лице в лице - особено важно за комуникация до леглото, физически преглед, работа в екип и професионална преценка, предполагат авторите.
И може би е разумно да оценим самия AI като компетентност, защото „грамотността с данните и преподаването на дизайн, разработване и оценка на AI сега са по-важни от всякога и това знание вече не е лукс за студентите по медицина и стажантите“, добавят те.
Медицинските стажанти трябва да разбират принципите и концепциите, които са в основата на силните и слабите страни на AI, както и къде и как инструментите на AI могат да бъдат смислено интегрирани в клиничните работни потоци и пътеките за грижа. И обучаемите също трябва да знаят как да оценят планираното си представяне и възможните отклонения във времето, подчертават те.
“По-специално, необходимо е подобрено преподаване на критично мислене, което може да се постигне чрез създаване на случаи, при които резултатите от AI са комбинация от правилни и умишлено неправилни отговори. След това обучаемите ще приемат, променят или отхвърлят своето решение и ще го обосноват с първични източници, базирани на доказателства“, предлагат авторите.
Регулаторите, професионалните общества и образователните асоциации по света също трябва да изпълнят своята роля, като създадат и редовно актуализират насоки за въздействието на ИИ върху медицинското образование, казват авторите.
Те заключават: „Generative AI има документирани и добре проучени ползи, но не е лишен от своите капани, особено за медицинско обучение и начинаещи потребители. Тези инструменти могат да измислят източници, да кодират пристрастия, да доведат до прекомерна самоувереност и да имат отрицателно разрушително въздействие върху образователното пътуване.
„Медицинските програми трябва да бъдат бдителни за тези рискове и да адаптират своите учебни програми и програми за обучение, за да ги изпреварят и да намалят вероятността от тях.”
източници:
Хаф, Дж.,и др. (2025). Потенциални рискове от GenAI върху медицинското образование. BMJ Медицина, основана на доказателства. doi: 10.1136/bmjebm-2025-114339. https://ebm.bmj.com/content/30/6/406