[논문 리뷰] Promoting AI Competencies for Medical Students: A Scoping Review on Frameworks, Programs, and Tools

Yingbo Ma, Yukyeong Song외 13명|arXiv (Cornell University)|2024. 07. 10.

Artificial Intelligence in Healthcare and Education인용 수 10

한 줄 요약

의료 교육 과정 전체를 대상으로 한 범위 검토에서 1,699편의 기사(2016–2024)를 식별하고, 18개의 AI 교육 프레임워크와 11개의 의대생용 수업 프로그램을 확인하며, 의학 훈련 단계에 맞춘 교육을 조정하기 위한 네 가지 차원의 AI 이해력 프레임워크를 제안한다.

ABSTRACT

As more clinical workflows continue to be augmented by artificial intelligence (AI), AI literacy among physicians will become a critical requirement for ensuring safe and ethical AI-enabled patient care. Despite the evolving importance of AI in healthcare, the extent to which it has been adopted into traditional and often-overloaded medical curricula is currently unknown. In a scoping review of 1,699 articles published between January 2016 and June 2024, we identified 18 studies which propose guiding frameworks, and 11 studies documenting real-world instruction, centered around the integration of AI into medical education. We found that comprehensive guidelines will require greater clinical relevance and personalization to suit medical student interests and career trajectories. Current efforts highlight discrepancies in the teaching guidelines, emphasizing AI evaluation and ethics over technical topics such as data science and coding. Additionally, we identified several challenges associated with integrating AI training into the medical education program, including a lack of guidelines to define medical students AI literacy, a perceived lack of proven clinical value, and a scarcity of qualified instructors. With this knowledge, we propose an AI literacy framework to define competencies for medical students. To prioritize relevant and personalized AI education, we categorize literacy into four dimensions: Foundational, Practical, Experimental, and Ethical, with tailored learning objectives to the pre-clinical, clinical, and clinical research stages of medical education. This review provides a road map for developing practical and relevant education strategies for building an AI-competent healthcare workforce.

연구 동기 및 목표

• AI 기반 진료가 커짐에 따라 의사들의 AI 이해력 필요성에 대한 동기를 부여한다.
• 교육과정과 프로그램 전반에 걸쳐 현재 AI가 의학 교육에 어떻게 통합되어 있는지 평가한다.
• 향후 커리큘럼을 안내하기 위해 기존 프레임워크와 교수 사례를 종합한다.
• AI 이해력 정의 및 효과적인 교육 제공에서의 격차와 도전과제를 강조한다.

제안 방법

• 2016년 1월부터 2024년 6월까지 발표된 1,699편의 기사에 대한 범위 검토를 수행했다.
• 가이드 프레임워크를 제시하는 연구(n=18)와 실제 현장 강의(수업)를 문서화한 연구(n=11)를 확인했다.
• 임상 관련성, 개인화 및 의대생 경로와의 정렬 여부를 평가하기 위해 내용을 분석했다.
• 교수지침의 차이점을 확인했으며, 기술 주제보다 AI 평가와 윤리에 중점을 하는 경향을 강조했다.
• 교육 단계에 따라 학습 목표를 조정하기 위해 네 가지 차원의 AI 이해력 프레임워크를 개발했다.

실험 결과

연구 질문

• RQ1 의대생을 위한 AI 교육 프레임워크는 어떤 것이 있으며 어떻게 구성되어 있는가?
• RQ2 의학 교육 문헌에 기술된 실제 현장의 AI 수업 유형은 무엇인가?
• RQ3 의대생을 위한 AI 이해력 및 커리큘럼 설계의 일반적인 격차, 도전 과제 및 모호점은 무엇인가?
• RQ4 다른 의학 교육 단계에 맞추어 AI 이해력을 어떻게 정의하고 운영화할 수 있는가?

주요 결과

• 의료 맥락에서 AI 교육을 위한 가이드 프레임워크를 제시하는 18편의 연구.
• 의료 교육 현장에서 실제 AI 수업을 구현한 11편의 연구.
• 교수 지침은 데이터 과학 및 코딩과 같은 기술 주제보다 AI 평가 및 윤리에 편향되어 있음을 보인다.
• 지침에 주목할 만한 차이가 있으며 AI 교육의 임상적 가치에 대한 입증된 가치가 부족하다고 인식된다.
• AI 이해력에 대한 표준화된 정의의 부재와 자격을 갖춘 강사의 부족이 주요 장벽이다.
• 사전 임상, 임상 및 임상 연구 단계에 걸쳐 목표를 맞추기 위해 네 가지 차원(Foundational, Practical, Experimental, Ethical)으로 구성된 AI 이해력 프레임워크가 제안된다.