医学部は人工知能の基準を満たしていません

R準備ができているかどうかにかかわらず、ヘルスケアは人工知能によって推進される大規模な変革を遂げています。 しかし、医学部は AI と機械学習について教え始めたばかりで、欠陥のあるアルゴリズムと偏った意思決定支援システムによって引き起こされる損害を悪化させる可能性のある知識のギャップを生み出しています。

機械学習の研究者で、医学の学位と博士号を取得しようとしている Erkin Ötleş 氏は、次のように述べています。 .D. ミシガン大学で。 「これらがどのように機能するかについての一連の基礎知識を備えていなければ、不利な立場に置かれることになります。」

Cell Reports Medicine に掲載された最近の論評で、Ötleş とミシガン大学の医師と教育者のグループは、医学教育者に対し、AI を後付けではなく、学部の医療訓練におけるコア コンセプトにするよう呼びかけました。 彼らは、学生が最初に医学における AI の重要なポイントを学び、より専門的なスキルを習得するにつれて何度も戻ってくるというスパイラル カリキュラムのアイデアを強調しています。

広告

しかし、それを実行するのは簡単ではないだろうと、共著者で元ミシガン医科大学の学部長であるジム・ウーリスクロフトは述べた. 官僚的な慣性は、医学部のカリキュラムを急速に進化させることを妨げており、教員自身は、新世代の医師を教える専門知識をまだ持っていない可能性があります。 STAT とのインタビューで、この学生と教育者は、医学教育者が AI トレーニングの刷新プロセスを開始する方法について詳しく説明しました。

人工知能における医学教育の現状は?

広告

ジム・ウーリスクロフト: 医学の教育プログラムは本質的にまったく進化していません。 少し微調整がありますが、発生する必要がある地震のような変化はありません。

エルキン・エトレシュ: 人工知能や機械学習に関しては、まったく専門的ではありません。 興味のある人がよく目にするのは、彼らが時間を割いて修士号を取得するか、私が行っているように MD/Ph.D を組み合わせて取得することです。 そうしないと、選択科目としてできる研究を通じて人々がさらされる可能性があります。 学生として、あなたはまだ自分の研究に行き、指導する必要があり、自分自身に情報を提供する必要があります.

それで十分? それとも AI にするべきか 一般的な医学カリキュラムに組み込まれますか?

エルキン・エトルズ 礼儀ステファニー・エトレシュ

エトレシュ: 人工知能と機械学習は、私たちの日常業務に非常に浸透するため、少なくとも使用しているツールを評価するには、誰もがある程度の基本レベルの理解を持っている必要があります. 彼らは専門家である必要はなく、このようなものを開発する必要もありませんが、「これはうまく機能しないと思います」と言うことができ、開発者に電話して言うことができる必要があります。 、「問題があると思います。」 エイトボールの後ろにいるので、すぐに人々に教え始める必要があります.

ウーリスクロフト: 医学生はこのようなことを知りませんが、薬理学や生理学と同じくらい基本的なことを理解する必要があります。 すでに、機械学習アルゴリズムとより一般的な AI は、本質的にどこにでもあります。

本当の問題の 1 つは、私たちの教員がそのことに気づいていないことです。 コロナ前、私は機械学習について講義をしましたが、人々は「なぜこれが重要なのですか?」と言っていました。 彼らは、大学病院で当時 8 つのプログラムがバックグラウンドで継続的に実行され、患者の生理学的変数を監視していたことさえ知りませんでした。 教員にはそれを教える専門知識がありません。

AIのとき 医学部で教えられている場合、どのような戦略が使用されていますか?

エトレシュ: 特定のテクノロジーやツールに重点が置かれていますが、そうであってはなりません。 これらの手法はすべて Python プログラミングを多用しているため、医学生に Python プログラミングを教えるべきです。 そして、ご存知のように、私は Python プログラミングが大好きですが、医学部を卒業した私の同僚全員が Python でプログラミングする方法を知っているべきではないと思います。

ウーリスクロフト: うまくいっているように見える例のいくつかは、放射線学のように、実際には文脈に基づいています。 それは良い。 しかし、私たちが必要としているのは、もっと早いレベルの生徒に、尋ねるべきいくつかの基本的な質問を理解してもらうことです。 データベースとは何か、アルゴリズムの構築に使用されたデータがクリーンであることを保証するためにどのような注意が払われたか? 利用されたゴールドスタンダードは何ですか? これらはすべて、広く適用できる質問です。

では、AI 医学教育のより成功するフレームワークとはどのようなものでしょうか?

エトレシュ: 時間が限られているため、AI と機械学習の基本的な概念を教えることに優先順位を付ける必要があります。 最も重要なことは何かを理解し、それを基礎として使用する必要があります。 そのため、その基盤ができたら、時間をかけて継続的に参照し、必要に応じて成長させたり、他の概念に関連付けたりすることができます。

ジム・ウーリスクロフト ミシガン大学提供

ウーリスクロフト: 私の知る限り、まだ行われていないことの 1 つは、このスパイラル カリキュラムの概念です。学生が臨床領域に移動するにつれて、何度も何度も戻ってきます。 ですから、放射線科を受診しているときに、こう尋ねることができます: では、このマンモグラムの解釈は何に基づいていたのでしょうか? たとえば、炎症性乳がんの患者が多いエジプトの女性も含まれていたのでしょうか? そうではありませんでした。 わかりました。 さて、ここミシガンには中東から来た人がたくさんいます。 では、これはこの集団に適用されるのでしょうか? これらのさまざまなことすべてに取り掛かると、これらの特定の例をプラグインして、敷設された骨の肉を埋めることができる基盤ができます。

Wこの種の変更をカリキュラムに導入する際の最大のハードルは何ですか?

ウーリスクロフト: 基本的に、ほとんどの医科大学は、医学の実践の根底にある科学の変化を反映するために、学部の構造を変更していません。 私たちにはこの構造、巨大な慣性につながるこの遺産があります。これには、主に予算や人員など、あらゆる種類のものが関係しているためです。

もう 1 つの本当の問題は、カリキュラムに関する決定を下すことです。 学生はそれを価値あるものとは見なしません。 統合する必要があり、そのためには教員がこれまで行ってきた多くの基本的なことを実際に変更する必要があります。

Wこれらの障壁に取り組むための最初のステップはいくつかありますが、誰が先頭に立つ必要がありますか?

エトレシュ: 医師主導で進める必要があります。 それはおそらく大学の医療センターであり、工学部やコンピュータ サイエンス学部、情報学部や学習保健システム学部に同僚がいる場所です。 迅速に合体できるリソースを手に入れることができます。それが私たちが必要としているものであり、今すぐその速度が必要です。

そして、そのようなリソースを持たない医学部はどうですか?

エトレシュ: 私たちはこれを会話として推し進めようとしています。 この基本的な知識に焦点を当て、それから継続的に戻ってくるという足場を持つことは、これらをレイアウトするための重要な方法であると私たちは考えています。 人々は私たちが完全に基地から外れていると思うかもしれませんが、私たちが動くことが重要であり、この分野で迅速に動くことが重要であることに同意してくれることを願っています. その一環として、どうすれば資源を共有できるかをみんなで考えてほしい。 カリキュラムを構築するときはそれを共有し、ツールを構築するときはそれを共有します。そうすることで、再作成に時間を浪費せず、教育と学習に取り掛かることができます。

ウーリスクロフト: それは起こります。 それがもっと早く起こることを私はただ心配しています。 これは、数十年、さらには数世紀にわたる他の技術革新と同じです。新しい技術が導入されると、多くの場合、生物学の外から、生物学の問題に適用され、学問分野が生まれ、部門が作られます。 ただ有機的に発展させるのではなく、急ピッチで進めていくことが重要だと思います。 患者は死ぬので、そんなことはあり得ません。

この記事は、ヘルスケアにおける人工知能の使用と、患者データの交換と分析の実践を調査するシリーズの一部です。 ゴードンとベティ・ムーア財団からの資金でサポートされています。

Leave a Comment

Your email address will not be published. Required fields are marked *