Как будут учить врачей через 10–20 лет

Я всё больше задумываюсь о том, как будет выглядеть медицинское образование в следующих поколениях врачей, через 10, 20 и более лет. ИИ уже встроен в диагностику, стратификацию риска и медицинскую документацию, пациенты всё чаще приходят на приём с ответами чат-ботов, а большинство врачей почти не получили формальной подготовки к работе с ним.

Частичный ответ предлагает статья, недавно вышедшая в npj Digital Medicine. Это позиционная статья (Perspective) международной рабочей группы, объединяющей представителей 23 университетов и клиник, среди них университеты Торонто и Нью-Йорка, Стэнфорд и Кембридж, клиники Мэйо и Кливленд.

Авторы предлагают формат обучения ИИ в медицине из семи доменов и 24 учебных целей, прежде всего для студентов, с адаптацией для ординаторов и практикующих врачей:

1. Основы (3 цели):
– понятия ИИ, алгоритмов и данных, их роль в медицине;
– где ИИ применяется сегодня, куда развивается и где его использование уместно;
– перспективы ИИ в клинике и управлении: польза и ограничения.

2. Качество доказательств (2 цели):
– критическая оценка исследований по ИИ: дизайн, проверка моделей, корректность статистики;
– отличать первые обнадёживающие результаты от проверенного и воспроизводимого инструмента.

3. Ответственное применение ИИ (4 цели):
– основные этические кодексы ИИ и их применение в медицине;
– правовые и нормативные требования, принципы справедливости, подотчётности, прозрачности и конфиденциальности;
– снижение предвзятости алгоритмов и оценка ошибок ИИ без отказа от клинического мышления;
– нежелательные явления, юридическая ответственность, экологическая цена.

4. Внедрение, контроль и оценка (6 целей):
– качество данных, переносимость на других пациентов, понятность решений, готовность врачей пользоваться моделью;
– врач проверяет решения ИИ, а система вписывается в привычную работу;
– проверка в реальной практике и постоянный контроль после внедрения;
– механизмы надзора: нормативные требования, снижение рисков и предвзятости, безопасность пациентов;
– оправдана ли ресурсоёмкая модель: социальная и экологическая цена;
– стоимость создания и поддержки моделей.

5. Лидерство и управление изменениями (3 цели):
– перестройка работы коллектива, сотрудничество, снятие опасений коллег;
– ведение ИИ-проекта от замысла до внедрения с учётом задач клиники, нормативных требований и общественного доверия;
– культурные и организационные препятствия внедрению.

6. Готовность к переменам и новые технологии (4 цели):
– новые направления: глубокое и федеративное обучение, квантовые вычисления, генеративный ИИ;
– влияние новых технологий на практику, науку и исходы лечения;
– умение заранее готовиться к переменам и гибко на них отвечать;
– решает ли технология ту задачу, ради которой создана, и какие новые проблемы несёт.

7. Разбор случаев (2 цели):
– реальные внедрения ИИ и маршрут пациента в системе здравоохранения;
– типичные трудности, ошибки и удачные решения.

Врачу не нужно уметь строить модели, ему нужна концептуальная грамотность: отличать предсказание от причинности, а технические метрики модели от клинической пользы. Обучение критической оценке исследований по ИИ авторы называют формой защиты пациента, поскольку литература растёт быстрее, чем врачи успевают её оценивать. А бесконтрольное использование ИИ студентами, по их мнению, грозит тем, что клинический навык утратится или сформируется неверно (deskilling и mis-skilling).

В заключение авторы призывают органы последипломного образования сделать компетенции в области ИИ обязательной и оцениваемой частью подготовки врача, а не факультативом.

А что думаете Вы по этому поводу?

Источник: Rosella L.C. et al. A global framework for artificial intelligence education in medicine: international working group recommendations. npj Digital Medicine, 2026. https://doi.org/10.1038/s41746-026-03197-x

← Меню