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

De toekomst van de geneeskunde wordt geschreven in code. Kunstmatige intelligentie helpt artsen nu al bij het lezen van röntgenfoto's, het voorspellen van welke patiënten het risico lopen ziek te worden en het suggereren van de beste behandelingen. Naarmate deze hulpmiddelen gebruikelijker worden in ziekenhuizen, rijst een cruciale vraag: hoe leren we de volgende generatie artsen om ze te gebruiken? Decennialang hebben experts vertrouwd op een simpel idee om uit te leggen hoe mensen nieuwe technologie accepteren: hoe meer je erover weet, hoe minder je er angst voor voelt. Deze logica suggereert dat als we studenten simpelweg laten zien hoe AI werkt, ze er comfortabel mee zullen worden, hun zorgen zullen vervagen en ze het enthousiast zullen integreren in hun praktijk. Het is een rechtlijnig pad van onwetendheid naar acceptatie.

De realiteit van de opleiding tot arts is echter veel complexer. Medische faculteiten zijn nu bezig met het toevoegen van kunstmatige intelligentie aan hun curricula, maar ze doen dit op basis van de aanname dat bekendheid alles oplost. Als een student de basis begrijpt van hoe een algoritme een beslissing neemt, dan is de theorie dat zij de machine zullen vertrouwen en zich geen zorgen meer zullen maken over de risico's. Dit geloof stuurt het ontwerp van veel nieuwe cursussen aan, die zwaar focussen op technische geletterdheid. Maar wat als deze aanname onjuist is? Wat als leren over AI de diepe, professionele zorgen over patiëntveiligheid en eerlijkheid niet wegneemt? Het begrijpen van dit onderscheid is essentieel, want als we artsen alleen leren hoe ze de hulpmiddelen moeten gebruiken zonder hun legitieme angsten aan te pakken, riskeren we een generatie clinici te creëren die technisch vaardig maar ethisch onvoorbereid zijn.

Onderzoekers aan de Universiteit van Miami besloten deze aanname direct te testen. Ze verzamelden een groep van 389 eerstejaars geneeskundestudenten, net voordat zij een workshop over kunstmatige intelligentie in de gezondheidszorg zouden bijwonen. Voordat de studenten iets nieuws leerden tijdens de sessie, stelden de onderzoekers hen een reeks vragen. Ze wilden weten of deze studenten eerder een cursus hadden gevolgd of een seminar over AI hadden bijgewoond. Ze vroegen hoe bekend de studenten zich voelden met de technologie. Ze vroegen ook naar de houding van de studenten ten opzichte van de toekomst van AI, hoe voorbereid zij zich voelden om het te gebruiken en, cruciaal, welke specifieke zorgen zij koesterden. De onderzoekers zochten naar zes grote zorgen: de angst dat AI de patiëntenzorg koud en onpersoonlijk zou maken, het risico op onrechtvaardige bias in de algoritmen, de beveiliging van privé patiëntgegevens, het gevaar dat artsen te afhankelijk zouden worden van de machines, de bescherming van de privacy van patiënten en het algemene gebrek aan vertrouwen tussen patiënten en zorgverleners met betrekking tot deze hulpmiddelen.

De resultaten onthulden een splitsing in de geest van de studenten die ons standaard denken over leren uitdaagt. Aan de ene kant ontdekten de onderzoekers dat studenten met eerdere blootstelling aan AI, zoals een eerdere cursus of workshop, inderdaad rapporteerden zich meer bekend te voelen met de technologie. Deze bekendheid was op haar beurt sterk gekoppeld aan positieve gevoelens. Studenten die vonden dat ze AI begrepen, waren optimistischer over de toekomst ervan, voelden zich beter voorbereid om het in hun carrière te gebruiken en waren eerder geneigd te zeggen dat ze van plan waren het te gebruiken. In die zin klopt het oude idee: meer weten over het hulpmiddel maakt je meer klaar om het te gebruiken. De diepgang van hun begrip was belangrijker dan alleen het bijwonen van een evenement; het was het gevoel van bekendheid met de concepten dat hun zelfvertrouwen aanjoeg.

Maar aan de andere kant van de vergelijking kwam een ander verhaal naar voren met betrekking tot hun angsten. De studie vond dat zorgen over AI niet zeldzaam waren; ze waren bijna universeel. Tussen 53% en 82% van de studenten uitte bezorgdheid over specifieke kwesties, waarbij de angst voor het verlies van de menselijke maat in de patiëntenzorg het meest voorkomend was, aangehaald door 81,5% van de groep. De onderzoekers verwachtten dat naarmate studenten bekender werden met AI, deze zorgen zouden krimpen. Ze verwachtten dat kennis zou fungeren als een geneesmiddel voor angst. In plaats daarvan kwamen ze erachter dat de zorgen niet verdwenen. Of een student nu heel weinig van AI wist of zich zeer bekend voelde met de technologie, hun niveau van bezorgdheid bleef exact hetzelfde. Een student die zich zeer zelfverzekerd voelde over hun technische kennis, was even bezorgd over algoritmische bias en gegevensprivacy als een student die heel weinig wist.

Deze bevinding suggereert dat het pad naar het worden van een arts die AI gebruikt niet één enkele weg is. De onderzoekers stellen voor dat er twee aparte trajecten zijn die parallel aan elkaar lopen. Het eerste traject gaat over het opbouwen van gereedheid. Dit is het pad waar onderwijs studenten helpt begrijpen hoe de technologie werkt, hoe het in een ziekenhuis past en hoe ze het effectief kunnen gebruiken. Dit traject bouwt succesvol vertrouwen en de wens op om nieuwe hulpmiddelen te adopteren. Het tweede traject gaat over het beheersen van zorgen. Dit traject behandelt de zware, serieuze vragen over ethiek, rechtvaardigheid en de menselijke relatie in de geneeskunde. De studie laat zien dat technische bekendheid deze problemen niet oplost. Je kunt een student niet simpelweg genoeg leren over code om hem te laten stoppen met zich zorgen over de vraag of een algoritme een patiënt eerlijk behandelt of of hun gegevens veilig zijn. Dit zijn geen kenniskloven die onderwijs kan opvullen; dit zijn professionele oordelen die blijven bestaan, ongeacht hoeveel je weet.

De implicaties voor hoe we de geneeskunde onderwijzen zijn aanzienlijk. Als scholen doorgaan met het ontwerpen van AI-cursussen met het idee dat het onderwijzen van de technologie automatisch alle angsten zal wegnemen, missen ze misschien de helft van de taak. De onderzoekers stellen een duaal curriculum voor. Een deel van de opleiding moet zich richten op technische geletterdheid, om ervoor te zorgen dat studenten weten hoe ze de hulpmiddelen bedienen en begrijpen. Het tweede deel moet een toegewijde, gestructureerde instructie zijn over ethiek, governance en de menselijke kant van de zorg. Dit tweede traject moet zorgen niet behandelen als obstakels die door meer leren overwonnen moeten worden, maar als legitieme professionele verplichtingen die direct geadresseerd moeten worden. De studenten in de studie waren in staat om enthousiast te zijn over de toekomst van AI en tegelijkertijd diepe, weloverwogen zorgen te koesteren over de risico's. Ze hoefden niet te kiezen tussen klaar zijn en bezorgd zijn; ze konden beide zijn.

Deze studie beweert niet dat kunstmatige intelligentie slecht is of dat het vermeden moet worden. Het laat simpelweg zien dat de manier waarop we artsen hiervoor voorbereiden, moet veranderen. We kunnen er niet vanuit gaan dat een student die goed is in het gebruiken van een machine, ook goed is in het navigeren door de ethische dilemma's die die machine creëert. Het onderzoek suggereert dat echte gereedheid in het tijdperk van AI twee verschillende soorten leren vereist. De ene bouwt de vaardigheid op om het hulpmiddel te gebruiken, en de andere bouwt de wijsheid op om het in twijfel te trekken. Door deze doelen te scheiden, kunnen medische faculteiten ervoor zorgen dat hun afgestudeerden niet alleen technisch bekwaam zijn, maar ook ethisch geworteld, in staat om de kracht van kunstmatige intelligentie te omarmen zonder het oog te verliezen voor de menselijke wezens die zij daar zijn om te dienen.