AI versus Expert Feedback on Ethical Decision-Making in Medical Students: A Pilot Randomized Controlled Feasibility Trial with Exploratory Educational Outcomes

Stellen Sie sich den Medizinstudien-Seminarraum als ein riesiges, hochkarätiges Trainingsgelände vor, auf dem angehende Ärzte nicht nur lernen, wie man Knochenbruch repariert, sondern auch, wie man sich in den komplexen, grauen Bereichen des menschlichen Lebens zurechtfindet. Es ist ein Ort, an dem Studierende lernen müssen, das Gleichgewicht zwischen Regeln, Gefühlen und schwierigen Entscheidungen zu finden – etwa bei der Frage, wer eine knappe Ressource erhält oder wie man einer Familie schlechte Nachrichten überbringt. Seit Jahrzehnten besteht die beste Methode, um diese „ethischen Muskeln“ zu trainieren, darin, einen menschlichen Experten, wie einen weisen Coach, die Entscheidungen eines Studenten bewerten zu lassen und zu erklären, warum eine Entscheidung gut oder schlecht war. Aber hier liegt der Haken: Es ist unglaublich schwierig, genügend weise Coaches für jeden Studenten zu finden, und es kostet die Lehrkräfte eine enorme Menge an Zeit.

Hier kommt die Künstliche Intelligenz (KI) ins Spiel, das digitale Gehirn, das mit blitzartiger Geschwindigkeit chatten, schreiben und Rätsel lösen kann. Die große Frage, die sich Forscher stellen, laft: Kann dieses digitale Gehirn als Ersatz für den menschlichen Coach fungieren? Kann eine KI Feedback generieren, das den Studenten hilft, bessere ethische Entscheidungen zu treffen, genau so gut wie ein Gremium aus echten menschlichen Experten? Hier geht es nicht darum, den Menschen vollständig zu ersetzen, sondern zu sehen, ob eine „menschengeprüfte KI“ als skalierbarer Begleiter dienen kann, der die gleiche Anleitung bietet, ohne das Lehrpersonal auszubrennen. Wenn es funktioniert, könnte dies bedeuten, dass jeder Medizinstudent einen persönlichen Ethik-Tutor bekommt, egal wie groß die Klasse auch ist.

---

Das große Feedback-Duell: Menschliche Coaches vs. KI-Assistenten

In einer kürzlich durchgeführten Pilotstudie richteten Forscher ein faszinierendes Experiment ein, um zu sehen, ob der Rat eines Roboters gegen ein Zimmer voller menschlicher Experten bestehen kann. Sie versammelten 56 Medizinstudenten im sechsten Studienjahr – im Grunde Praktikanten, die kurz vor ihrem Abschluss stehen – und teilten sie in zwei Teams auf. Beide Teams spielten dasselbe ethische Videospiel namens „Concordance of Judgment Learning Tool“ (CJLT). Betrachten Sie dieses Tool als eine Simulation, in der Studenten vor schwierigen Szenarien stehen, eine Entscheidung treffen und dann Feedback darüber erhalten, wie ihre Entscheidung im Vergleich dazu aussah, was Experten tun würden.

Die Wendung? Die beiden Teams erhielten ihr Feedback aus unterschiedlichen Quellen. Eine Gruppe erhielt Notizen, die von einem Panel aus 25 menschlichen Experten verfasst wurden. Die andere Gruppe erhielt Notizen, die von einer KI generiert wurden, jedoch mit einem Sicherheitsnetz: Der Output der KI wurde zuvor von menschlichen Experten überprüft und genehmigt, um sicherzustellen, dass sie nicht halluzinierte oder seltsam reagierte. Das Ziel war es zu sehen, ob die KI-Gruppe genauso gut lernen konnte wie die menschliche Gruppe.

Die Ergebnisse: Ein überraschender (aber vorsichtiger) Vorsprung für die KI

Als die Studenten einen Test namens „Objective Structured Video Examination“ (OSVE) absolvierten – was wie ein Video-Quiz ist, bei dem sie die richtige ethische Entscheidung in einer Szene erkennen müssen – waren die Ergebnisse eine Art Achterbahnfahrt.

Zuerst gab es einen Rückschlag an der Startlinie. Noch bevor das Training überhaupt begann, erzielte die KI-Gruppe bereits höhere Werte als die menschliche Gruppe. Es war, als würde man ein Rennen beginnen, bei dem ein Team bereits fünf Meter voraus ist. Die durchschnittliche Startpunktzahl der KI-Gruppe lag bei 23,32, während die menschliche Gruppe bei 19,36 startete. Dies war kein kleiner Unterschied; es war eine signifikante Lücke.

Nach dem Training verbesserten sich beide Gruppen. Die KI-Gruppe endete mit einem Durchschnittswert von 27,29, während die menschliche Gruppe bei 23,32 landete. Als die Forscher einen statistischen Trick anwandten, um diesen Vorsprung (den Basisunterschied) auszugleichen, sah die KI-Gruppe immer noch wie die Gewinnerin aus. Die bereinigte Mathematik deutete darauf an, dass das KI-Feedback einen Boost von etwa 4,50 Punkten im Vergleich zum menschlichen Feedback gegeben haben könnte.

Dennoch sind die Forscher sehr vorsichtig damit, das Konfetti noch nicht zu werfen. Als sie untersuchten, wie viel sich jeder einzelne Student verbesserte (die Veränderung vom Anfang bis zum Ende), waren die beiden Gruppen identisch. Beide Gruppen verbesserten sich um exakt 3,96 Punkte. Es war ein Unentschieden. Dies deutet darauf hin, dass die KI-Gruppe am Ende zwar höhere Punktzahlen erreichte, aber vielleicht einfach schon zu Beginn besser war, als dass die KI ihnen etwas gelehrt hätte, was die Menschen ihnen nicht hätten lehren können.

Was ist mit den anderen Tests?

Die Studie überprüfte auch zwei weitere Aspekte: den „Script Concordance Test“ (SCT), der misst, wie gut Studenten mit Unsicherheit umgehen, und eine Skala namens BIAS, die untersucht, ob Studenten bestimmte Denkabkürzungen oder Vorurteile haben. In diesen Bereichen lagen die KI und die Menschen Kopf an Kopf. Es gab keinen Unterschied überhaupt. Die KI war nicht besser als die Menschen, aber sie war auch nicht schlechter. Sie performte genauso gut oder vielleicht nur genauso „durchschnittlich“ wie die menschlichen Experten.

Das Urteil der Studenten

Die Studenten, die drei Monate später Feedback gaben, schienen die Erfahrung zu lieben. Von den 21, die antworteten, empfahlen massive 95,2 % dieses Training auch anderen Medizinstudenten. Sie fanden die Szenarien realistisch und hatten das Gefühl, dass es ihnen half, schneller über ethische Fragen nachzudenken. Eine große Hürde, die sie jedoch anmerkten, war, dass es in der realen Welt schwierig ist, einen Chef oder einen erfahrenen Arzt herauszufordern, selbst wenn man weiß, dass sie ethisch falsch handeln.

Das Fazit

Hat die KI also gewonnen? Die Studie legt nahe, dass KI-generiertes Feedback machbar und akzeptabel ist. Sie ist nicht gescheitert; tatsächlich zeigte sie keinerlei Anzeichen, schlechter zu sein als menschliche Experten. Die Daten deuten sogar darauf hin, dass sie etwas besser darin sein könnte, Studenten dabei zu helfen, ihre Entscheidungen zu begründen, aber die Forscher mahnen zur Vorsicht. Da die KI-Gruppe mit höheren Werten startete und die Gruppen klein waren, können wir nicht mit Sicherheit sagen, ob die KI der überlegene Lehrer ist.

Betrachten Sie diese Studie als eine erfolgreiche Generalprobe. Sie hat bewiesen, dass ein KI-Coach, der von Menschen beaufsichtigt wird, die Show leiten kann, ohne das System zum Absturz zu bringen. Aber um zu wissen, ob sie wirklich der MVP (Most Valuable Player) ist, brauchen wir ein größeres Stadion, mehr Spieler und eine fairere Startlinie. Vorerst ist die KI ein vielversprechender Sidekick, der bereit ist, den menschlichen Experten dabei zu helfen, die nächste Generation von Ärzten zu lehren, wie man das Richtige tut.