[論文レビュー] Promoting AI Competencies for Medical Students: A Scoping Review on Frameworks, Programs, and Tools

Yingbo Ma, Yukyeong Song+13 more|arXiv (Cornell University)|Jul 10, 2024

Artificial Intelligence in Healthcare and Education被引用数 10

ひとこと要約

2016–2024年に公表された1,699件のレビュー範囲の研究で、18のAI教育フレームワークと11の医学生向け教育プログラムを特定し、教育を医療教育段階ごとに適合させる4つのディメンションを備えたAIリテラシーフレームワークを提案します。

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.

研究の動機と目的

• 医師のAIリテラシーの必要性をAI駆動のケアが拡大する中で動機づける。
• カリキュラム全体およびプログラム全体で、AIが現在医療教育にどのように組み込まれているかを評価する。
• 既存のフレームワークと教育例を統合して、将来のカリキュラムの指針とする。
• AIリテラシーの定義と効果的な指導の提供におけるギャップと課題を浮き彫りにする。

提案手法

• 2016年1月から2024年6月までに公開された1,699件の記事を対象にスコーピングレビューを実施した。
• 導くフレームワークを提案する研究（n=18）と実際の実践教育を文書化した研究（n=11）を特定した。
• 臨床的関連性、個別化、医学生のキャリアパスに対する整合性を評価するために内容を分析した。
• 教育ガイドラインの不一致を特定し、技術的トピックよりもAI評価と倫理に重点が置かれている。
• 教育段階に合わせて学習目的を調整する4つのディメンションを持つAIリテラシーフレームワークを開発した。

実験結果

リサーチクエスチョン

• RQ1 医学生向けのAI教育フレームワークにはどのようなものがあり、どのように構成されているか？
• RQ2 医療教育文献にはどのような実践的なAI教育指導が記述されているか？
• RQ3 医学生向けのAIリテラシーとカリキュラム設計に共通するギャップ、課題、曖昧さは何か？
• RQ4 AIリテラシーをどのように定義し、医療教育の異なる段階に適合させて運用可能にできるか？

主な発見

• 18件の研究が医療文脈でのAI教育の指針となるフレームワークを提案している。
• 11件の研究が医療教育環境で実際に実施されたAI指導を文書化している。
• 教育ガイドラインは、データサイエンスやコーディングなどの技術的トピックよりもAI評価と倫理に偏っている。
• ガイドラインには顕著な不一致があり、AIトレーニングの臨床価値が証明されていないとの認識がある。
• AIリテラシーの標準化された定義の欠如と、有資格講師の不足が主要な障壁である。
• 前臨床、臨床、および臨床研究段階全体で目的を調整するため、4つのディメンション（Foundational, Practical, Experimental, Ethical）を備えたAIリテラシーフレームワークを提案します。