An intentional dual track curriculum model proposal to address technical readiness and concerns in healthcare AI education

医学の未来は、コードによって書き込まれようとしています。人工知能（AI）はすでに、医師がX線写真を読んだり、どの患者が入院のリスクがあるかを予測したり、最適な治療法を提案したりするのを助けています。これらのツールが病院で一般的になるにつれ、ある重要な問いが浮かび上がってきます。「次世代の医師たちに、それらをどのように使うよう教えるべきか？」という問いです。数十年もの間、専門家たちは、人々が新しいテクノロジーを受け入れる仕組みを説明するために、ある単純な考え方に依拠してきました。それは、「その対象について知れば知るほど、恐怖心は軽減される」というものです。この論理は、もし学生たちにAIがどのように機能するかを単に示せば、彼らはそれに慣れ、懸念は消え去り、自らの診療に積極的に取り入れていくようになるだろう、ということを示唆しています。それは、無知から受容へと続く一本道のルートです。

しかし、医師の教育における現実は、もっと複雑である可能性があります。医学部はいま、AIをカリキュラムに組み込もうと奔走していますが、彼らは「習熟がすべてを解決する」という仮定に基づいて動いています。アルゴリズムがどのように意思決定を行うかという基礎を学べば、学生は機械を信頼し、懸念を抱かなくなるという理論です。この信念が、多くの新しいコースのデザインを左右しています。それらのコースは、技術的なリテラシーに重点を置いています。しかし、もしこの仮定が間違っていたらどうでしょうか？ AIについて学ぶことが、患者の安全性や公平性に関する深い専門的な懸念を拭い去ることにはならないとしたらどうでしょうか？ この区別を理解することは極めて重要です。なぜなら、もし私たちが、道具の使い方だけを教え、彼らの正当な不安に対処しないままにすれば、技術的には熟練していても、倫理的には準備不足な臨床医の世代を生み出すリスクがあるからです。

マイアミ大学の研究者たちは、この仮定を直接検証することにしました。彼らは、ヘルスケアにおける人工知能に関するワークショップに参加する直前の、医学部の1年生389人を集めました。学生たちがセッションで新しいことを学ぶ前に、研究者たちは一連の質問を行いました。彼らは、これらの学生がこれまでにAIに関する授業を受けたり、セミナーに参加したりしたことがあるかどうかを知りたいと考えました。また、学生たちがテクノロジーに対してどの程度の親しみを感じているかも尋ねました。さらに、AIの未来に対する彼らの態度、それを使用する準備ができていると感じているか、そして決定的なことに、どのような具体的な懸念を抱いているかについても尋ねました。研究者たちは、6つの主要な懸念事項を探りました。すなわち、AIによって患者ケアが冷淡で非人間的なものになるという恐怖、アルゴリズムにおける不公平なバイアスのリスク、個人の患者データのセキュリティ、医師が機械に依存しすぎる危険性、患者のプライバシー保護、そしてこれらのツールに関する患者と提供者の間の一般的な信頼の欠如です。

結果は、学習に関する標準的な考え方に異を唱えるような、学生たちの心の分裂を明らかにしました。一方の側面として、研究者は、以前のクラスやワークショップなどのAIへの事前の接触があった学生は、テクノロジーに対してより親しみを感じていると報告していることを見出しました。この親しみやすさは、結果として、ポジティブな感情と強く結びついていました。AIを理解していると感じている学生は、その未来に対してより楽観的であり、自身のキャリアにおいてそれを使用する準備ができていると感じ、使用する意向があると言う可能性が高かったのです。この意味では、古い考え方は正しいと言えます。つまり、道具についてより多くを知ることは、それを使う準備を整えることになるのです。彼らの理解の深さが、単にイベントに参加したかどうかよりも重要でした。概念に親しみを感じているという感覚こそが、自信を突き動かしていたのです。

しかし、もう一方の側面においては、懸念については異なる物語が浮かび上がりました。研究によると、AIに対する懸念は珍しいことではなく、ほぼ普遍的なものでした。53%から82%の学生が特定の事項について懸念を表明しており、中でも患者ケアにおける「人間らしさ」を失うことへの恐怖が最も多く、グループの81.5%に挙げられました。研究者たちは、学生がAIに慣れるにつれて、これらの懸念は縮小すると予想していました。知識が不安の特効薬になると期待していたのです。ところが、実際には、懸念は消えませんでした。学生がAIについてほとんど知らない場合でも、あるいは非常に精通していると感じている場合でも、懸念のレベルは全く同じでした。技術的な知識に非常に自信を持っている学生であっても、知識がほとんどない学生と同じくらい、アルゴリズムのバイアスやデータのプライバシーについて懸念していたのです。

この発見は、AIを使う医師への道は単一の道路ではないことを示唆しています。研究者たちは、並行して走る2つの異なるトラックがあることを提唱しています。第一のトラックは「準備を築くこと」です。これは、教育を通じて、テクノロジーがどのように機能し、どのように病院に適合し、どのように効果的に使用できるかを理解させる道です。このトラックは、自信と新しいツールを採用したいという意欲を構築することに成功しています。第二のトラックは「懸念を管理すること」です。これは、倫理、公平性、そして医療における人間関係という、重く深刻な問いを扱う道です。研究は、技術的な習熟がこれらの問題を解決しないことを示しています。学生にコードについて十分に教えても、アルゴリズムが患者を公平に扱っているか、あるいはデータが安全であるかについて、彼らの心配を止めさせることはできません。これらは、教育によって埋めることのできる知識の空白ではなく、どれほど知識を深めても持続する専門的な判断なのです。

この研究が医学教育に与える影響は重大です。もし医学部が、テクノロジーを教えることが自動的にすべての恐怖を解消するという考え方でAIコースを設計し続けるならば、彼らは仕事の半分を見落としていることになります。研究者たちは、「二重のトラック」を持つカリキュラムを提案しています。教育の一方は、学生がツールを操作し理解できるようにするための「技術的リテラシー」に焦点を当てるべきです。もう一方のパートは、倫理、ガバナンス、そしてケアの人間的な側面に関する、専用の構造化された指導でなければなりません。この第二のトラックは、懸念を「さらなる学習によって克服すべき障害」としてではなく、「直接対処されるべき正当な専門的義務」として扱う必要があります。研究に参加した学生たちは、AIの未来に興奮しながら、同時に、そのリスクに対する深く理性的な懸念を持ち続けることができました。彼らは、「準備ができていること」と「懸念を抱いていること」のどちらかを選ぶ必要はありませんでした。その両方であり得たのです。

この研究は、人工知能が悪であるとか、避けるべきであると主張しているわけではありません。単に、医師をそれに向けて準備させる方法を変える必要があると示しているのです。私たちは、機械を使うのが上手い学生が、その機械が生み出す倫理的なジレンマを扱うのも上手いとは限らないと考えてしまいます。研究は、AI時代における真の準備には、2つの異なる種類の学習が必要であることを示唆しています。一つは、道具を使うためのスキルを築くこと。そしてもう一つは、それを疑うための知恵を築くことです。これらの目標を分けることで、医学部は、卒業生が単に技術的に熟達しているだけでなく、倫理的な基盤を備え、目の前の人間を見失うことなく人工知能の力を受け入れられるようにすることができるのです。