ИИ наиболее эффективен при обучении студентов-медиков анализу рентген-снимков

Обзор охватил 1 317 публикаций за 2018–2024 годы, из которых после отбора в финальный анализ вошли 63 исследования. Большинство из них проводились на небольшом количестве участников и в ограниченные сроки, а строго поставленные эксперименты встречались редко. Тем не менее в ряде случаев удалось зафиксировать заметные результаты: тесты, созданные с помощью языковой модели ChatGPT4 от OpenAI, по качеству не уступали традиционными материалам, а виртуальные тренажеры на основе ИИ помогали студентам лучше сдавать экзамены и развивать практические навыки.

Технология уже применяется для адаптивного обучения, виртуальных тренингов, поддержки диагностики и оценки компетенций, а алгоритмы распознавания изображений улучшают точность в радиологии и гистологии: если будущие врачи в среднем правильно классифицировали около 55% образцов тканей, то системы компьютерного зрения достигали 91–93%.

При совместной работе с ИИ студенты справлялись с заданиями значительно лучше. В цитопатологии время чтения изображений сократилось с 32 до 11 минут, а согласованность между врачами повысилась. В дерматологии точность диагностики увеличилась с 56% до почти 70%. В генетике применялся алгоритм DeepGestalt, автоматически анализирующий лицевые черты пациентов и сопоставляющий их с базой известных синдромов. С его помощью студенты намного быстрее распознавали редкие заболевания. 

Авторы отметили, что доказательная база пока ограничена. Основные трудности связаны с непрозрачностью алгоритмов и требованиями европейского регламента GDPR о защите персональных данных. В ЕС эти нормы особенно строги для медицинской и биометрической информации. По данным обзора, в Великобритании меньше 20% проектов с ИИ в сфере медобразования прошли обязательную проверку на соответствие правилам защиты данных, что снижает уровень доверия и затрудняет международные коллаборации.

Для устойчивого внедрения технологии исследователи рекомендуют мультицентровые и долгосрочные исследования, развитие цифровой грамотности у студентов и преподавателей, стандартизацию метрик и наборов данных, а также обязательный надзор человека при работе с алгоритмами. 

Одним из возможных решений становится идея новой медицинской специализации, описанная в журнале Digital Medicine. Речь идет об «алгоритмическом консультанте» – специалисте, который будет сопровождать врачей при выборе и интерпретации моделей ИИ, а также контролировать их внедрение и корректность применения в клиниках. По оценке авторов, это позволит снизить риск ошибок, повысить надежность алгоритмов и разделить ответственность между системой и врачом.

На фоне роста интереса к ИИ в образовании исследователи из Сычуаньского университета (Китай) провели опрос 1 133 студентов-медиков. Почти две трети (62,9%) уже используют ChatGPT в учебе – в основном для поиска медицинской информации (84,4%) и выполнения профильных заданий (60,4%). Вместе с тем 76,9% выразили опасение по поводу возможного распространения недостоверных данных, а 65,4% – риска нечестного заимствования. Несмотря на эти риски, более 60% студентов готовы применять ИИ в клинической подготовке, положительно оценивая его потенциал для обучения.

Обзор охватил 1 317 публикаций за 2018–2024 годы, из которых после отбора в финальный анализ вошли 63 исследования. Большинство из них проводились на небольшом количестве участников и в ограниченные сроки, а строго поставленные эксперименты встречались редко. Тем не менее в ряде случаев удалось зафиксировать заметные результаты: тесты, созданные с помощью языковой модели ChatGPT4 от OpenAI, по качеству не уступали традиционными материалам, а виртуальные тренажеры на основе ИИ помогали студентам лучше сдавать экзамены и развивать практические навыки.

Технология уже применяется для адаптивного обучения, виртуальных тренингов, поддержки диагностики и оценки компетенций, а алгоритмы распознавания изображений улучшают точность в радиологии и гистологии: если будущие врачи в среднем правильно классифицировали около 55% образцов тканей, то системы компьютерного зрения достигали 91–93%.

При совместной работе с ИИ студенты справлялись с заданиями значительно лучше. В цитопатологии время чтения изображений сократилось с 32 до 11 минут, а согласованность между врачами повысилась. В дерматологии точность диагностики увеличилась с 56% до почти 70%. В генетике применялся алгоритм DeepGestalt, автоматически анализирующий лицевые черты пациентов и сопоставляющий их с базой известных синдромов. С его помощью студенты намного быстрее распознавали редкие заболевания. 

Авторы отметили, что доказательная база пока ограничена. Основные трудности связаны с непрозрачностью алгоритмов и требованиями европейского регламента GDPR о защите персональных данных. В ЕС эти нормы особенно строги для медицинской и биометрической информации. По данным обзора, в Великобритании меньше 20% проектов с ИИ в сфере медобразования прошли обязательную проверку на соответствие правилам защиты данных, что снижает уровень доверия и затрудняет международные коллаборации.

Для устойчивого внедрения технологии исследователи рекомендуют мультицентровые и долгосрочные исследования, развитие цифровой грамотности у студентов и преподавателей, стандартизацию метрик и наборов данных, а также обязательный надзор человека при работе с алгоритмами. 

Одним из возможных решений становится идея новой медицинской специализации, описанная в журнале Digital Medicine. Речь идет об «алгоритмическом консультанте» – специалисте, который будет сопровождать врачей при выборе и интерпретации моделей ИИ, а также контролировать их внедрение и корректность применения в клиниках. По оценке авторов, это позволит снизить риск ошибок, повысить надежность алгоритмов и разделить ответственность между системой и врачом.

На фоне роста интереса к ИИ в образовании исследователи из Сычуаньского университета (Китай) провели опрос 1 133 студентов-медиков. Почти две трети (62,9%) уже используют ChatGPT в учебе – в основном для поиска медицинской информации (84,4%) и выполнения профильных заданий (60,4%). Вместе с тем 76,9% выразили опасение по поводу возможного распространения недостоверных данных, а 65,4% – риска нечестного заимствования. Несмотря на эти риски, более 60% студентов готовы применять ИИ в клинической подготовке, положительно оценивая его потенциал для обучения.