DalšíDalší průvodce
AI v lékařském vzdělávání a simulaci
Aplikace
PRŮVODCE aplikacemi
Umělá inteligence pro pokračující lékařské vzdělávání (CME) zahrnuje nástroje, které pomáhají lékařům najít, shrnout a poučit se z pokynů a výzkumu.
Poslechněte si tento návodAI-vyprávěný · ~3 min
Zahrnuje také kurzy řízené umělou inteligencí a vyhledávání bodů péče, které mohou získat akreditovaný kredit. Je to důležité, protože lékařské znalosti se mění rychleji, než je dokáže přečíst kterýkoli lékař, zatímco licence a certifikace správní rady vyžadují průběžné, zdokumentované učení.
Ve Spojených státech většina státních lékařských komisí vyžaduje, aby lékaři absolvovali stanovený počet hodin CME k obnovení licence, a speciální rady přidávají údržbu certifikačních požadavků. Kredit musí obecně pocházet od akreditovaného poskytovatele. Akreditační rada pro kontinuální lékařské vzdělávání (ACCME) akredituje mnoho z těchto organizací a kredit AMA PRA kategorie 1 je typ, který si lékaři nejčastěji vyžadují, aby vydělávali. AI se dotýká CME třemi způsoby: držet krok. Literárně podložené nástroje odpovědí čerpají pasáže z pokynů a článků v časopisech a shrnují je pomocí citací. Obecní chatboti mohou vysvětlovat pojmy nebo porovnávat studie; kurzy napájení. Příklady zahrnují adaptivní banky otázek, které přesouvají obtížnost na slabá místa studenta, simulované rozhovory s pacienty pro procvičování komunikace a nástroje pro navrhování, které pomáhají vzdělávacím týmům rychleji vytvářet materiály k případu; a Point-of-care učení. V tomto akreditovaném formátu lékař vyhledá odpověď na skutečnou klinickou otázku, použije ji a zdokumentuje, co se naučil. Několik klinických referenčních služeb již dlouho nabízí kredit pro tento druh vyhledávání a některé referenční nástroje založené na umělé inteligenci nyní nabízejí podobný kredit prostřednictvím akreditovaných partnerů. Běžné jsou dvě mylné představy. První je, že čtení souhrnu AI je stejné jako učení. Kreditní formáty žádají lékaře, aby se zamyslel nad tím, jak informace změnily praxi, a většina hodnoty pochází z tohoto kroku. Druhým je, že odpovědi AI jsou automaticky aktuální. Tréninková data modelu mají omezení, vyhledávání může vyjít na povrch starší verze směrnice a souhrny mohou vypustit důležitá upozornění nebo citovat zdroje, které neříkají to, co shrnutí tvrdí. Akreditované vzdělávání musí také splňovat standardy platného obsahu a nezávislosti na komerčním vlivu, takže materiál navržený umělou inteligencí stále potřebuje kvalifikovanou lidskou kontrolu, než se započítá.
Internista se ptá na literaturu podloženého nástroje pro vyhledávání umělé inteligence, zda nová směrnice o srdečním selhání změnila jeho doporučení ohledně třídy léků. Před změnou způsobu předepisování otevře část s citovanými pokyny, aby si to potvrdila.
Během návštěvy rodinný lékař vyhledá neznámou lékovou interakci v klinické referenci, která nabízí kredit v místě péče. Později zaznamená otázku, co se dozvěděla a jak to změnilo péči, a nárokuje si kredit.
Nemocniční vzdělávací oddělení používá jazykový model k navrhování praktických otázek na základě případu ze svého vlastního protokolu o sepsi. Ošetřující lékař upraví každou položku předtím, než přejde do akreditované činnosti.
Rezident vytváří týdenní souhrny nových článků generované umělou inteligencí v časopisech své specializace. Používá je k rozhodnutí, které plné články si přečte, nikoli jako náhradu za jejich čtení.
Funkce umělé inteligence se pravděpodobně stanou standardem v klinických referencích a platformách CME, zejména generování otázek, personalizované studijní plány a kredity založené na vyhledávání. Těžší otázky se týkají kvality a odpovědnosti. Akreditátoři a poskytovatelé vzdělávání budou potřebovat jasná očekávání ohledně kontroly obsahu navrženého umělou inteligencí, zveřejňování používání umělé inteligence a kontroly, zda nástroje přesně citují zdroje. Výzkum, zda učení podporované umělou inteligencí mění klinické chování nebo výsledky pacientů, je stále omezený. Kliničtí lékaři by měli s umělou inteligencí zacházet jako s rychlejším způsobem, jak najít a uspořádat důkazy, a zároveň si ponechat odpovědnost za čtení zdrojů a posuzování důkazů sami.
Newsletter zdarma
Tři ověřené příběhy ze světa AI každý všední den ráno, psané srozumitelnou angličtinou. Navždy zdarma, bez reklam.
Jeden e-mail každý všední den. Odhlásit se můžete jedním kliknutím. Vaši adresu nikdy neprodáváme ani nesdílíme.
Otestujte se
Okamžitá zpětná vazba ke každé odpovědi a sdílitelný certifikát s ověřitelným ID po absolvování kurzu.
Podpořte bezplatnou AI vzdělávání. AI Understanding je nezisková organizace 501(c)(3) — žádné reklamy, žádná platba za přístup, nikdy. Darujte
Umělá inteligence pro pokračující lékařské vzdělávání (CME) zahrnuje nástroje, které pomáhají lékařům najít, shrnout a poučit se z pokynů a výzkumu. Zahrnuje také kurzy řízené umělou inteligencí a vyhledávání bodů péče, které mohou získat akreditovaný kredit. Je to důležité, protože lékařské znalosti se mění rychleji, než je dokáže přečíst kterýkoli lékař, zatímco licence a certifikace správní rady vyžadují průběžné, zdokumentované učení.
Průvodce uvádí jako nejčastěji požadovaný typ kreditu AMA PRA kategorie 1. Uděluje se prostřednictvím akreditovaných poskytovatelů.
Point-of-care učení začíná skutečnou otázkou, která přichází v praxi. Lékař najde odpověď, aplikuje ji a zdokumentuje, jak ovlivnila péči.
Modely se učí z dat až do data uzávěrky a vyhledávací systémy mohou stáhnout nahrazenou verzi. Proto je důležitá kontrola data na citovaném zdroji.
Akreditované vzdělávání musí splňovat normy platného obsahu a nesmí být zaujaté komerčními subjekty. Materiál navržený pomocí umělé inteligence proto potřebuje před použitím zkontrolovat kvalifikovanými lidmi.
Vyzvedávání je na prvním místě. Systém najde relevantní pasáže a model pak napíše odpověď, která má v nich zůstat, s citacemi.
Učte se dál
Pro toto téma bylo vybráno více průvodců
DalšíDalší průvodce
AI v lékařském vzdělávání a simulaci
Aplikace