An intentional dual track curriculum model proposal to address technical readiness and concerns in healthcare AI education
Cette étude propose un modèle de curriculum d'IA en santé à double voie intentionnel qui développe simultanément la littératie technique pour favoriser l'intention d'adoption et fournit un enseignement structuré sur les préoccupations éthiques et professionnelles, car la recherche sur les étudiants en médecine révèle que si la familiarité favorise la préparation, des préoccupations profondes liées à l'IA persistent indépendamment de l'exposition technique.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
L'avenir de la médecine s'écrit en code. L'intelligence artificielle aide déjà les médecins à lire des radiographies, à prédire quels patients risquent de tomber malades et à suggérer les meilleurs traitements. À mesure que ces outils se généralisent dans les hôpitaux, une question cruciale se pose : comment enseigner à la prochaine génération de médecins à les utiliser ? Pendant des décennies, les experts se sont appuyés sur une idée simple pour expliquer comment les gens acceptent les nouvelles technologies : plus on en sait sur une technologie, moins on la craint. Cette logique suggère que si nous montrons simplement aux étudiants comment l'IA fonctionne, ils s'y habitueront, leurs inquiétudes s'estomperont et ils l'adopteront avec enthousiasme dans leur pratique. C'est un chemin direct de l'ignorance vers l'acceptation.
Cependant, la réalité de la formation des médecins pourrait être bien plus complexe. Les facultés de médecine s'efforcent désormais d'intégrer l'intelligence artificielle à leurs programmes, mais elles le font sur la base de l'hypothèse que la familiarité résout tout. Si un étudiant apprend les bases du fonctionnement d'un algorithme, postule-t-on, il fera confiance à la machine et cessera de s'inquiéter des risques. Cette croyance oriente la conception de nombreux nouveaux cours, qui se concentrent fortement sur la littératie technique. Mais et si cette hypothèse était erronée ? Et si apprendre l'IA ne dissipait pas les profondes préoccupations professionnelles concernant la sécurité des patients et l'équité ? Comprendre cette distinction est vital car, si nous enseignons aux médecins uniquement comment utiliser les outils sans aborder leurs craintes légitimes, nous risquons de créer une génération de cliniciens techniquement compétents mais éthiquement impréparés.
Des chercheurs de l'Université de Miami ont décidé de tester directement cette hypothèse. Ils ont réuni un groupe de 389 étudiants de première année en médecine, juste avant qu'ils ne participent à un atelier sur l'intelligence artificielle dans le secteur de la santé. Avant que les étudiants n'apprennent quoi que ce soit de nouveau lors de la session, les chercheurs leur ont posé une série de questions. Ils voulaient savoir si ces étudiants avaient déjà suivi un cours ou assisté à un séminaire sur l'IA auparavant. Ils ont demandé à quel point les étudiants se sentaient familiers avec la technologie. Ils ont également interrogé les étudiants sur leurs attitudes envers l'avenir de l'IA, sur leur sentiment de préparation à l'utiliser et, surtout, sur les préoccupations spécifiques qu'ils entretenaient. Les chercheurs ont identifié six inquiétudes majeures : la crainte que l'IA ne rende les soins aux patients froids et impersonnels, le risque de biais injustes dans les algorithmes, la sécurité des données privées des patients, le danger que les médecins deviennent trop dépendants des machines, la protection de la vie privée des patients et le manque général de confiance entre les patients et les prestataires concernant ces outils.
Les résultats ont révélé une division dans l'esprit des étudiants qui remet en question notre façon habituelle de concevoir l'apprentissage. D'un côté, les chercheurs ont constaté que les étudiants ayant eu une exposition préalable à l'IA, comme un cours ou un atelier précédent, déclaraient effectivement se sentir plus familiers avec la technologie. Cette familiarité était, à son tour, fortement liée à des sentiments positifs. Les étudiants qui comprenaient l'IA étaient plus optimistes quant à son avenir, se sentaient plus préparés à l'utiliser dans leur carrière et étaient plus susceptibles de dire qu'ils avaient l'intention de l'utiliser. En ce sens, l'idée ancienne est vérifiée : en savoir plus sur l'outil vous rend plus prêt à l'utiliser. La profondeur de leur compréhension importait plus que le simple fait d'avoir assisté à un événement ; c'était le sentiment de familiarité avec les concepts qui stimulait leur confiance.
Mais de l'autre côté de l'équation, une autre histoire a émergé concernant leurs craintes. L'étude a révélé que les préoccupations concernant l'IA n'étaient pas rares ; elles étaient presque universelles. Entre 53 % et 82 % des étudiants ont exprimé des inquiétudes sur des points précis, la peur de perdre la touche humaine dans les soins aux patients étant la plus courante, citée par 81,5 % du groupe. Les chercheurs s'attendaient à ce qu'à mesure que les étudiants deviendraient plus familiers avec l'IA, ces inquiétudes diminuent. Ils espéraient que la connaissance agirait comme un remède à l'anxiété. Au lieu de cela, ils ont constaté que les inquiétudes ne disparaissaient pas. Que l'étudiant en sache très peu sur l'IA ou qu'il se sente extrêmement familier avec elle, son niveau de préoccupation restait exactement le même. Un étudiant qui se sentait très confiant dans ses connaissances techniques était tout aussi inquiet du biais algorithmique et de la confidentialité des données qu'un étudiant qui n'en savait que très peu.
Cette conclusion suggère que le chemin pour devenir un médecin utilisant l'IA n'est pas une voie unique. Les chercheurs proposent qu'il existe deux voies distinctes qui circulent en parallèle. La première concerne la construction de la préparation. Il s'agit de la voie où l'éducation aide les étudiants à comprendre comment la technologie fonctionne, comment elle s'intègre dans un hôpital et comment l'utiliser efficacement. Cette voie réussit à instaurer la confiance et le désir d'adopter de nouveaux outils. La seconde voie concerne la gestion des préoccupations. Cette voie traite des questions lourdes et sérieuses de l'éthique, de l'équité et de la relation humaine en médecine. L'étude montre que la familiarité technique ne résout pas ces problèmes. On ne peut pas simplement apprendre à un étudiant suffisamment de code pour qu'il cesse de s'inquiéter de savoir si un algorithme traite un patient de manière équitable ou si ses données sont en sécurité. Ce ne sont pas des lacunes de connaissances que l'éducation peut combler ; ce sont des jugements professionnels qui persistent quel que soit le niveau de savoir.
Les implications pour l'enseignement de la médecine sont significatives. Si les écoles continuent de concevoir des cours d'IA avec l'idée que l'enseignement de la technologie résoudra automatiquement toutes les craintes, elles pourraient passer à côté de la moitié du travail. Les chercheurs suggèrent un curriculum à double voie. Une partie de l'enseignement devrait porter sur la littératie technique, afin de s'assurer que les étudiants savent manipuler et comprendre les outils. La seconde partie doit être une instruction structurée et dédiée à l'éthique, à la gouvernance et à la dimension humaine des soins. Cette seconde voie doit traiter les préoccupations non pas comme des obstacles à surmonter par un apprentissage accru, mais comme des obligations professionnelles légitimes qui doivent être abordées directement. Les étudiants de l'étude étaient capables d'être enthousiastes à l'idée de l'avenir de l'IA tout en conservant des préoccupations profondes et raisonnées. Ils n'avaient pas besoin de choisir entre être prêts et être inquiets ; ils pouvaient être les deux à la fois.
Cette étude ne prétend pas que l'intelligence artificielle est mauvaise ou qu'elle doit être évitée. Elle montre simplement que la manière de préparer les médecins à celle-ci doit changer. Nous ne pouvons pas supposer qu'un étudiant capable d'utiliser une machine est aussi capable de naviguer dans les dilemmes éthiques que cette machine crée. La recherche suggère que la véritable préparation à l'ère de l'IA nécessite deux types d'apprentissage distincts. L'un construit la compétence pour utiliser l'outil, et l'autre construit la sagesse pour le questionner. En séparant ces objectifs, les facultés de médecine peuvent garantir que leurs diplômés ne sont pas seulement techniquement compétents, mais aussi éthiquement ancrés, capables d'embrasser la puissance de l'intelligence artificielle sans perdre de vue les êtres humains qu'ils sont là pour servir.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.