Artificial Intelligence, Large Language Models, and Machine Learning in African Health Professions Education: A Systematic Review of Adoption, Literacy, Institutional Feasibility, and Ethical Perceptions

In den Klassenzimmern und Krankenhäusern Afrikas vollzieht sich eine stille Transformation. Sie wird nicht durch neue Lehrbücher oder aktualisierte Lehrpläne vorangetrieben, sondern durch eine Technologie, die in den letzten Jahren die ganze Welt erobert hat: künstliche Intelligenz. Dies ist nicht die ferne, roboterhafte Zukunft aus der Science-Fiction, sondern ein Satz von Werkzeugen, die bereits in den Händen von Studierenden und Lehrenden liegen. Zu diesen Werkzeugen gehören große Sprachmodelle, also Computerprogramme, die in der Lage sind, menschliche Sprache zu verstehen und zu erzeugen, sowie maschinelles Lernen, eine Methode, bei der Computer aus Daten lernen, um Vorhersagen oder Entscheidungen zu treffen. Für Studierende der Medizin, Pflege und Pharmazie versprechen diese Werkzeuge in den kommenden Jahrzehnten ebenso essenziell zu sein wie Stethoskope oder Mikroskope. Sie können dabei helfen, Krankheiten zu diagnostizieren, Forschung zu organisieren und sogar Patientenakten zu entwerfen. Doch während Hocheinkommensländer damit begonnen haben, formale Strukturen aufzubauen, um zu lehren, wie man diese Werkzeuge sicher und effektiv nutzt, bleibt die Situation auf dem afrikanischen Kontinent eine komplexe Mischung aus begeisterter Annahme und erheblicher Ungewissheit. Die Frage, vor der Pädagogen und politische Entscheidungsträger stehen, ist nicht länger, ob diese Studierenden künstliche Intelligenz nutzen werden, sondern wie sie sie nutzen, was sie wirklich darüber verstehen und ob ihre Institutionen bereit sind, sie zu leiten.

Eine neue systematische Übersichtsarbeit – eine Art von Forschung, die viele verschiedene Studien sammelt und analysiert, um das Gesamtbild zu finden – hat sich darauf eingestellt, diese Fragen spezifisch für Afrika zu beantworten. Die Forscher, ein Team von Wissenschaftlern aus Universitäten in Nigeria, dem Vereinigten Königreich und den USA, untersuchten neunzehn separate Studien, an denen tausende Studierende der Gesundheitsberufe und Lehrende auf dem gesamten Kontinent beteiligt waren. Sie suchten nach Belegen dafür, wie vertraut diese Studierenden mit künstlicher Intelligenz waren, ob sie eine formale Ausbildung erhalten hatten, welche Werkzeuge sie bevorzugten und welche ethischen Sorgen sie nachts wach hielten. Das Ziel war es, über verstreute Berichte hinauszugehen und ein klares Verständnis der Realität vor Ort aufzubauen, von den geschäftigen medizinischen Fakultäten in Nigeria und Ägypten bis hin zu den Universitäten in Ghana und dem Sudan.

Was die Forscher fanden, war ein markanter Widerspruch, eine Lücke zwischen dem, was Studierende zu wissen glauben, und dem, was sie tatsächlich wissen. Über die Studien hinweg war das Bewusstsein für künstliche Intelligenz hoch. In einigen Gruppen wussten fast alle Studierenden, was diese Werkzeuge waren, und hatten von ihnen gehört. Diese Vertrautheit übertrug sich jedoch nicht in Kompetenz. Wenn die Studierenden gebeten wurden, ihre eigenen Fähigkeiten einzuschätzen, fühlten sich viele zwar selbstbewusst, aber als sie mit objektiven Fragen getestet wurden, war ihr Wissen oft recht gering. Es ist, als könnte ein Student den Namen eines berühmten Instruments erkennen, aber keinen einzigen Ton spielen. Dieses „Wahrnehmungs-Wissen-Paradoxon“ deutet darauf hin, dass die Studierenden sich auf eigene Faust über diese Werkzeuge informieren – durch Neugier und Gespräche unter Gleichaltrigen –, anstatt durch strukturierte Lektionen. In einer großen Umfrage unter Medizinstudierenden aus achtundvierzig Ländern gaben weniger als ein Prozent an, eine substanzielle formale Ausbildung in künstlicher Intelligenz erhalten zu haben, obwohl die meisten behaupteten, zumindest über ein moderates Verständnis des Themas zu verfügen.

Das Werkzeug, das diese informelle Revolution vorantreibt, ist überwiegend ChatGPT. Als die Forscher untersuchten, welche spezifischen Programme die Studierenden nutzten, dominierte diese einzelne Anwendung die Landschaft und übertraf alle Konkurrenten bei weitem. Studierende griffen aus praktischen Gründen darauf zurück: Es war einfach zu bedienen, es sparte Zeit und ihre Freunde empfahlen es ihnen. Sie nutzten es, um Essays zu schreiben, sich auf Prüfungen vorzubereiten, medizinische Literatur zu suchen und sogar, um Forschungsarbeiten zu entwerfen. Diese Nutzung fand weitgehend außerhalb der Wände des Klassenzimmers statt. Es gab kaum Belege dafür, dass Universitäten diese Werkzeuge in ihre offiziellen Lehrpläne integrierten oder Anleitungen zur verantwortungsvollen Nutzung bereitstellten. Stattdessen navigierten die Studierenden allein durch dieses neue digitale Gelände, angetrieben durch individuelle Initiative statt durch institutionelle Richtung.

Dieser Mangel an Orientierung wird durch die harte Realität der Infrastruktur verschärft. Die Übersichtsarbeit hob hervor, dass für viele Studierende die grundlegenden Bedingungen, die zur Nutzung dieser Werkzeuge nötig sind, nicht garantiert sind. Unzuverlässige Elektrizität, teure Datentarife und eine lückenhafte Internetverbindung wurden häufig als große Barrieren genannt. In einigen Orten bedeutete der Mangel an einer stabilen Stromversorgung oder die hohen Kosten für den Internetzugang, dass Studierende selbst dann, wenn sie diese fortschrittlichen Werkzeuge nutzen wollten, dies nicht konsistent tun konnten. Dennoch ist die Geschichte nicht ausschließlich eine der Einschränkung. In einigen Fällen fanden die Forscher heraus, dass künstliche Intelligenz dazu verwendet wurde, genau diese Infrastrukturprobleme zu lösen. So zeigte beispielsweise eine Studie, wie KI Hintergründe für Lehrvideos generieren kann, wodurch der Bedarf an teuren physischen Studios und Greenscreens entfällt. Auf diese Weise fungierte die Technologie manchmal als Workaround für die Ressourcenbeschränkungen, die ihre Nutzung normalerweise behindern.

Die beständigste Erkenntnis war jedoch die tiefe Besorgnis, die Studierende hinsichtlich der ethischen Implikationen dieser Werkzeuge empfanden. Trotz ihrer Bereitschaft, künstliche Intelligenz zu nutzen, waren sich die Studierenden der Risiken sehr bewusst. Sie sorgten sich um akademische Unredlichkeit, die Möglichkeit, sich zu sehr auf den Computer zu verlassen und dadurch die eigenen kritischen Denkfähigkeiten zu verlieren, sowie die Gefahr, dass die Werkzeuge falsche oder erfundene medizinische Informationen liefern könnten. Diese Ängste waren nicht nur abstrakt; Studierende gaben zu, KI zu nutzen, um Prüfungen zu absolvieren und um ihre Antworten zu überprüfen, bevor sie diese einreichten. Sie äußerten auch Angst vor der Zukunft ihrer Berufe und fragten sich, ob diese Werkzeuge schließlich menschliche Ärzte ersetzen oder die Patientenversorgung entmenschlichen würden. Interessanterweise wurden die Studierenden umso besorgter über diese Risiken, je mehr sie über künstliche Intelligenz wussten, was darauf hindeutet, dass Vertrautheit eine schärfere Wahrnehmung der potenziellen Gefahren mit sich bringt.

Die Übersichtsarbeit kommt zu dem Schluss, dass afrikanische Studierende der Gesundheitsberufe künstliche Intelligenz zwar rasant annehmen, dies jedoch in einem Vakuum formaler Unterstützung tun. Die Technologie wird informell adaptiert, getrieben durch die Neugier der Studierenden und die schiere Zugänglichkeit von Werkzeugen wie ChatGPT, aber sie bewegt sich schneller, als die Institutionen sich anpassen können. Es besteht ein klarer Bedarf an einer strukturierten Ausbildung, die über das bloße Beibringen des Klickens auf einen Knopf hinausgeht. Die Forscher argumentieren, dass Universitäten einschreiten müssen, um eine formale Ausbildung bereitzustellen, die nicht nur technische Fähigkeiten abdeckt, sondern auch die ethischen Dimensionen der Nutzung dieser Werkzeuge. Dies beinhaltet die Vermittlung an Studierende, wie man Fehler erkennt, wie man die akademische Integrität wahrt und wie man künstliche Intelligenz als Partner beim Lernen nutzt, anstatt als Ersatz für das eigene Urteilsvermögen. Ohne diese Anleitung wird sich die Kluft zwischen der wachsenden Abhängigkeit der Studierenden von Technologie und der Fähigkeit ihrer Institutionen, sie darauf vorzubereiten, nur noch weiter vergrößern – und eine Generation zukünftiger Gesundheitsfachkräfte zurücklassen, die eine komplexe digitale Landschaft ohne Landkarte navigieren muss.