#ИИ #обучение

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

Исследователи из клинико-академических центров Алессандрии и Новары (Италия) опубликовали в журнале AI обзор о влиянии искусственного интеллекта (ИИ) на медицинское образование. Наибольший эффект ИИ показал в визуальных дисциплинах: при обучении распознаванию переломов бедра студенты стали определять их точнее – с 75,7% без ИИ до 88,9% с его применением, а при разборе изображений цитологических препаратов с использованием нейросетей время анализа у обучающихся сократилось втрое, пишет Vademecum.

Обзор охватил 1317 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.

@medicalksu