一位患者因持续性、发出咯咯声的咳嗽前来就诊。新手临床医生会进行一系列基于假设的问题，并进行体格检查，直到确定病因并决定最佳治疗方案。在此过程中，人工智能（AI）的环境监听能力会记录下整个诊疗过程并分析其临床推理技能。
这就是CRISP（塑造表现的临床推理洞察，Clinical Reasoning Insights for Shaping Performance）的愿景，这是宾夕法尼亚大学医学院（Penn Medicine）的一项新举措，将利用AI赋能系统向医学生和研究生培训生提供强大的数据驱动反馈，加速他们成长为专家级临床医生。该项目由沃顿医学院（Perelman School of Medicine）的Jessica Dine医学博士、MSHP；Janae Heath医学博士、MSCE；Jennifer Kogan医学博士；以及Ilene Rosen医学博士、MSCE领导，并得到信息学、生物统计学和流行病学系的支持。
Heath表示："临床推理是卓越患者护理的关键部分。因此，这些技能的提升，带来更高水平的专业知识，将直接使我们的患者受益。"Heath是内科住院医师培训项目的副项目主任，也是肺科、过敏和重症监护的助理教授。
CRISP是最近通过美国医学会（American Medical Association）的"通过精准教育转变终身学习"资助计划获得四年110万美元资助的11个创新项目之一。精准教育旨在量身定制培训以满足每个学习者的需求，而不是采用传统的"一刀切"医学教育方法。这也是宾夕法尼亚大学医学院（Penn Medicine）在整个医学教育连续体上实现个性化学习目标的一部分。
Dine表示："这非常令人兴奋，因为这不仅是宾夕法尼亚大学首个真正的精准教育项目，我认为这是一种真正独特的精准教育方式。"Dine是评估、评估和医学教育研究的副院长，也是肺科、过敏和重症监护的教授。
这项医学教育和培训的新举措是宾夕法尼亚大学医学院（Penn Medicine）利用AI改进临床医生工作方式并最终加强患者护理的多种方式之一，从能够快速汇总患者病史的新工具，到协助回复患者消息的AI赋能系统，再到在患者就诊期间帮助记录的AI"抄写员"。
齐心协力加强临床推理
虽然临床推理是有效、高质量医学的核心，但教学起来可能很棘手——它由偶然的患者接触和主观评估塑造。教师无法实时观察每一次患者互动，因此他们通常依赖学生和培训生对病例的陈述来事后评估其临床推理技能。
Heath在项目团队工作中表示："临床推理是一项很难捕捉的技能。但在过去两年中，出现了大量新技术，包括宾夕法尼亚大学医学院（Penn Medicine）已采用的技术，这些技术创造了在不同领域捕捉临床推理的新机会。"
这项新举措将包括四个专业领域的本科和研究生医学教育学习者：内科、急诊医学、外科和放射科。目标是创建一个可扩展的精准教育工具，支持跨医学专业的个性化指导和基于能力的进展。
项目负责人表示，宾夕法尼亚大学医学院（Penn Medicine）是探索新型评估模型的理想环境，因为其教育结构——与医疗系统的临床护理在共同领导下整合——以及人们经常跨医学专业和学术学科合作的文化。
Heath表示："宾夕法尼亚大学医学院（Penn Medicine）正在通过一种真正创新的视角思考整个连续体的教育。我们有来自全机构的团队成员，包括信息学团队，他们对这个项目至关重要。这使我们能够以不同于以往的方式解决这个问题。"
实时数据驱动反馈
团队将在资助的第一年开发用于研究每个专业临床推理的原型，针对每个领域的独特工作流程设计。团队计划使用AI收集和分析内科中临床医生之间的对话以及急诊科中临床医生与患者的访谈的环境音频。对于放射科，研究人员将使用AI分析临床医生的文档，而对于外科，他们将在电子健康记录中跟踪临床医生的互动模式。
Penn Medicine首席研究信息官、信息学助理教授Danielle Mowery博士、MS、MS表示："这种生成式AI的应用将使我们能够将这些对话中思考的临床事实映射到医学知识图谱，并分析批判性思维的语言标记。这个框架将使系统能够为学习者提供既基于临床又数据驱动的反馈，关于他们的诊断和治疗推理以及病例回顾和陈述。"
作为这项工作的一部分，团队将为处于不同技能发展阶段的学习者创建诊断和治疗推理的档案。直接观察将继续是培训的关键部分，但目标是以更数据驱动的方式衡量临床推理，提供学习者进展的更清晰画面以及他们仍需成长的地方。
Rosen表示："这个想法是真正改变学习者如何通过临床教育进步，并思考他们随时间的自身成长，包括完成培训后。"Rosen是研究生医学教育（GME）的副院长、GME副总裁以及睡眠医学的副教授。
考虑到更有经验的临床医生往往简洁准确地总结病例，技能发展的部分分析将考虑学习者演讲和临床文档的字数和语义丰富度。该项目还将结合上下文考虑临床推理，考虑诸如一天中的时间和团队动态等因素。培训生是否连续工作了16小时？这是他们在团队中的第一天还是第三个月？
环境音频的使用不会是持续的。Kogan表示："这可能会很快让人感觉像是'老大哥'。那么，你如何以一种旨在提供有用信息而不是让人感觉像是在监视系统中的方式来部署它？"Kogan是本科医学教育的副院长、William Maul Measey总统杰出医学教育教授。
引入系统变更可能具有挑战性，研究人员预计临床医生需要一些时间来适应。团队还希望确保AI赋能系统不会延续系统性偏见。Heath表示："我们内置了很多公平性监测。我们对这一部分非常有意识，因为我们不想对有问题的评估做出贡献。"
创造精准教育的未来
该项目与学习者、教育者和医疗系统利益相关者共同设计。为了启动初始阶段，CRISP团队将于3月13-15日举办"教育创新黑客马拉松"，汇集来自宾夕法尼亚大学的临床教育者、医学生和住院医师、信息学专家和学生。
Heath表示："学习者的声音至关重要。住院医师和医学生在每个原型的开发中都扮演着角色。他们在开发和改进中起着关键作用。"
到2027年，团队计划在四个专业领域的数百名医学生和住院医师中测试他们的早期原型。研究人员将使用初始反馈进行必要的调整，然后将该举措推广到更大的群体。
作为资助的一部分，CRISP团队加入了美国医学会的精准教育联盟，通过定期的Zoom会议和半年一次的面对面会议与其他资助接收者联系，分享进展、挑战和解决方案。持续的合作旨在加强所有11个资助项目，愿景是转变全国的医学教育。
Kogan表示："通过这些对话，我们可以比各自为政更快地加速这种增长，我认为这非常令人兴奋。"
宾夕法尼亚大学医学院（Penn Medicine）的教职员工希望CRISP能成为其他医学院和医疗系统改进临床推理技能的典范。
Dine表示："如果我们的目标是拥有一个真正的学习型健康系统，那么这是一个很好的原型。培训生可以实时获得反馈并从中学习，但系统也从中学习并适应，我认为这真的很令人兴奋。"
【全文结束】
