[論文レビュー] AI-PACE: A Framework for Integrating AI into Medical Education

Scott McGrath, Katherine K. Kim+3 more|arXiv (Cornell University)|Feb 11, 2026

Artificial Intelligence in Healthcare and Education被引用数 0

ひとこと要約

論文は医療教育文献における既存のAIを統合し、医療教育連続体全体でAIリテラシーを統合する長期的な一般istフレームワーク AI-PACE（Psychomotor, Affective, Cognitive, Embedded）を紹介します。

ABSTRACT

The integration of artificial intelligence (AI) into healthcare is accelerating, yet medical education has not kept pace with these technological advancements. This paper synthesizes current knowledge on AI in medical education through a comprehensive analysis of the literature, identifying key competencies, curricular approaches, and implementation strategies. The aim is highlighting the critical need for structured AI education across the medical learning continuum and offer a framework for curriculum development. The findings presented suggest that effective AI education requires longitudinal integration throughout medical training, interdisciplinary collaboration, and balanced attention to both technical fundamentals and clinical applications. This paper serves as a foundation for medical educators seeking to prepare future physicians for an AI-enhanced healthcare environment.

研究の動機と目的

• 現在のAI教育フレームワークが医療教育連続体（UME、GME、CME）全体で抱えるギャップを特定する。
• AIリテラシーのための一般ist、長期的モデルを医療教育全体に跨らせて提案する。
• Bloomの分類学領域を埋め込み型ピラーとともに運用し、持続的統合を図るAI能力を定義する。

提案手法

• 医療教育におけるAIに関連する2016–2025年の文献をPubMed, MEDLINE, ERIC, Astaで系統的検索する。
• 反復する能力と構造モデルを抽出するために主題分析を行う。
• 長期的統合性、普遍性、ドメインの広さと照合して既存フレームワークを比較する。
• AI-PACEフレームワークを統合するために findingsを統合する。
• AI-PACE領域を医療教育連続体（UME, GME, CME）にわたるカリキュラムへマッピングする。

実験結果

リサーチクエスチョン

• RQ1 一般医療実践における既存のAI教育フレームワークのギャップは何か。
• RQ2 AIリテラシーを医療教育連続体全体に跨がる長期的に構造化するにはどうすればよいか。
• RQ3 AIを活用した臨床実践に不可欠な能力（認知、運動技能、情動）は何で、それを訓練にどのように埋め込むべきか。
• RQ4 知識の衰退を避けるために、isolatedモジュールとして追加するのではなく、AI教育を統合的に組み込むにはどうするか。

主な発見

• 既存のAI教育は断片的で専門分野に強く依存している（特に画像診断/放射線科）。
• 一般医療におけるAIリテラシーの総合的・非専門分野特化でないモデルの欠如という一般istギャップがある。
• 現在の取り組みは能力に焦点を当てるが、UME、GME、CMEの間での進行の構造化には及んでいない。
• AI-PACEはBloomの領域と埋め込み型ピラーを含む螺旋状の長期フレームワークを提供し、持続的統合を実現する。
• 情動的能力（信頼のキャリブレーション、共感、協働）は以前のフレームワークで十分に扱われておらず、人間とAIの協働の中心となる。