Generative Artificial Intelligence in Laboratory-Based Health Sciences Education: A Scoping Review of an Emerging Evidence Base
これら9つの最新の研究を対象としたスコーピング・レビューは、実験室ベースの健康科学教育における生成AIが、主に効率性を高め、個人の探究や習得活動を支援している一方で、その統合は現在、エビデンスの少なさ、事実の不正確さのリスク、および協調的な応用の顕著な欠如によって制限されており、さらなる比較研究と専門家による監督の必要性を強調していることを明らかにしている。
原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
ヘルスサイエンスの世界を、シェフたちが単に料理を作るだけでなく、医師が命を救うための手がかりとなるデータを調理する、巨大でハイリスクなキッチンだと想像してみてください。このキッチンには、臨床検査技師と呼ばれる特別な専門家たちがいます。彼らは血液や組織、その他の検体を受け取り、複雑な機械にかけ、その結果を解釈する人々です。もし彼らが数値を間違えれば、医師は誤った薬を処方してしまうかもしれません。それは、小さな試験管を扱うような実践的なスキルと、チャートの中の奇妙なパターンを見つけ出すような知的なスキルの両方を必要とする仕事です。
最近、このキッチンに新しい種類の「超知能アシスタント」が突入してきました。それは生成AI（Generative Artificial Intelligence）と呼ばれています。これは、レシピを書き、調理技術を説明し、さらにはメニュー全体を数秒で作成できるロボットシェフのようなものです。これは大規模言語モデル（LLM）に基づいており、これらは基本的にインターネット上のほぼすべての文章を読み、次にどの言葉が来るかを予測することを学習したコンピュータのことです。大きな疑問は誰もが抱いていることです。このロボットシェフは、次世代の本物のシェフを訓練する助けになるのでしょうか、それとも、見た目は美味しそうだが毒が入った食事を提供してしまうのでしょうか？私たちは、AIがエッセイを書いたりコードを書いたりすることには優れていることを知っていますが、小さなミスが危険を招く可能性があるこの分野において、それを教室に入れても安全なのかを知る必要があります。
この論文は、答えを探し求める探偵の物語です。著者であるキラン・ザヒド（Kiran Zahid）氏は、単に推測したわけではありません。彼らは、このAIロボットを臨床検査科学の教育に使用することについて述べた2024年から2026年までのすべての研究を見つけ出すために、デジタルなスカベンジャーハント（宝探し）を行いました。彼は3つの巨大な研究ライブラリ（PubMed、Scopus、ERIC）を調べ、ルールに適合する正確に9つの研究を見つけ出しました。これは、看護学や一般的な医学におけるAIの研究の山に比べればごくわずかな証拠の集まりですが、この特定の領域をマッピングしようとした初めての試みです。
探偵が見つけたものは以下の通りです。証拠は非常に新しく、かつ非常に小規模です。9つの研究のうち、ほとんどは病理学（疾患の研究）または一般的な生物医学に関するものでした。驚くべきことに、実際の「臨床検査科学」のプログラム（ラボを運営する人々を訓練するプログラム）についてはほとんど言及されておらず、それらに焦点を当てた研究はわずか1つだけでした。また、分子診断（DNAや遺伝子を調べること）のような超高度な内容は、ほぼ完全に無視されていました。
研究によると、教師たちは主に、自分たちの宿題をAIにさせるために使用しています。つまり、講義のアウトラインを作成したり、クイズの問題を作ったり、コース教材を起草したりすることです。これは、クラスが始まる前にロボットがメニューの作成を手伝っているようなものです。学生に関しては、AIは主に「習得」（事実を読み、学ぶこと）や「探究」（質問すること）のために使用されています。しかし、ここが奇妙な点ですが、誰も「議論」や「コラボレーション（協力）」には使用していません。実際のラボ業務はチームでの対話がすべてですが、現在のAIは学生が一人で作業するのを助けるために使われているのです。
最大の発見は、研究結果に見られる「二重人格」です。一方では、誰もがAIは素晴らしい時短ツールであることに同意しています。AIは教師がコンテンツを素早く作成するのを助け、学生が執筆に行き詰まったときに脱出するのを助けます。もう一方では、誰もがAIはひどい嘘つきであることに同意しています。最も多く報告された問題は「ハルシネーション（幻覚）」であり、AIが自信満々に事実を捏造したり、架空の参考文献を捏造したり、誤った数値を提示したりすることです。ラボにおいて、もしAIが化学物質のレベルが安全であると言い、実際には危険であるならば、それは災難です。研究では、AIは血液検査の正確な基準範囲や複雑な画像の解釈といった、ラボの具体的かつテクニカルな詳細において特に劣っていることが判明しました。
このため、研究は巧妙な回避策を提案しています。学生にAIの使用を禁止する代わりに、3つの異なる研究グループが独立して同じアイデアを提示しました。それは、AIのミスを「教育ツール」として利用することです。彼らは学生に、微妙な誤りが含まれたAI生成のエッセイやケーススタディを与え、それらを見つけて修正するように求めました。それは「間違い探し」ゲームのようなものですが、その違いは生死に関わる医療ミスなのです。これにより、ロボットの最大の弱点である「嘘をつく傾向」を、教育における最大の強みに変えています。
しかし、この論文は、自身が「分かっていないこと」についても非常に明確に述べています。著者は、このAIを使用することが実際に学生を賢くしたり、仕事をより上手くさせたりするという証拠を見つけられませんでした。AIを使う学生と使わない学生を比較した大規模な研究は存在しません。証拠は主に記述的であり、つまり、人々が「何をしようとしているか」を伝えているのであって、「それが機能するかどうか」を伝えているのではありません。論文は、テクノロジーはこの場所に留まり続けるものの、それを盲信してはならないと結論付けています。現時点での最も重要な教訓は、学生は探偵になる方法を学ぶ必要があるということです。つまり、ロボットの仕事を真実と照らし合わせてチェックする方法です。なぜなら、ラボにおいては、人間の専門家によるダブルチェックなしに、自信満々に話すロボットを信じることは、トラブルへのレシピ（失敗の元）となるからです。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。