Sztuczna inteligencja coraz szybciej przenika do praktyki klinicznej, jednak jej skuteczne wdrożenie w podstawowej opiece zdrowotnej wymaga nie tylko odpowiedniej infrastruktury, lecz także kompetencji i gotowości lekarzy. Najnowsze badanie opublikowane w Annals of Family Medicine dostarcza pierwszej wielokrajowej, standaryzowanej oceny gotowości młodych europejskich lekarzy rodzinnych do korzystania z AI w praktyce klinicznej.
Z tego artykułu dowiesz się…
- Jak młodzi lekarze rodzinni z 20 krajów Europy ocenili swoją gotowość do korzystania ze sztucznej inteligencji w pracy klinicznej.
- Jakie wyniki uzyskano w skali MAIRS – od 69/110 mediany gotowości po szczegółowe oceny kompetencji, wiedzy i etyki.
- Dlaczego wiedza o obecnych zastosowaniach AI okazała się kluczowym czynnikiem wpływającym na gotowość.
- Jakie wnioski płyną z ograniczonego wykorzystania AI w codziennej praktyce oraz jakie szkolenia i programy edukacyjne są dziś najbardziej potrzebne.
Z czego wynika potrzeba badania gotowości do AI w opiece podstawowej?
Podstawowa opieka zdrowotna staje się jednym z głównych obszarów, gdzie zastosowanie narzędzi AI może odciążyć lekarzy, poprawić wydajność pracy i umożliwić bardziej spersonalizowaną opiekę. Jednak, jak podkreślają autorzy badania, wdrożenie AI musi przebiegać odpowiedzialnie i z poszanowaniem zasad etycznych:
Integracja sztucznej inteligencji (AI) w opiece podstawowej może poprawić efektywność, wspierać spersonalizowaną opiekę i optymalizować alokację zasobów.
Jednocześnie, brak przeszkolenia i obawy dotyczące technologii mogą stanowić poważną barierę. Dlatego celem badania była ocena faktycznej gotowości lekarzy podstawowej opieki zdrowotnej na wczesnym etapie kariery zawodowej.
Jak przeprowadzono badanie? 20 krajów, 134 uczestników i standaryzowana skala MAIRS
Badanie objęło 134 młodych lekarzy rodzinnych z 20 krajów europejskich, głównie działających w ramach organizacji WONCA i EYFDM. Zastosowano metodę kuli śnieżnej, a rekrutacja odbyła się za pośrednictwem sieci cyfrowych.
Skala MAIRS – jak oceniano gotowość?
W badaniu wykorzystano zwalidowaną 22-elementową Skalę Gotowości do Zastosowania Sztucznej Inteligencji Medycznej (MAIRS), która oceniała cztery obszary:
- poznanie – wiedza i zrozumienie działania AI,
- zdolności – praktyczne kompetencje,
- wizja (vision) – postrzeganie wartości i znaczenia AI w przyszłości,
- etyka – świadomość aspektów etycznych i odpowiedzialności.
Maksymalny wynik skali MAIRS wynosi 110 punktów.
Badanie miało charakter ilościowy, a analiza statystyczna obejmowała testy U Manna-Whitneya, Kruskala-Wallisa oraz korelacje Spearmana.
Wyniki: gotowość umiarkowana, ale mocno zróżnicowana
Mediana wyniku MAIRS wyniosła 69 punktów na 110, co oznacza umiarkowaną gotowość z dużymi różnicami pomiędzy uczestnikami. Autorzy podkreślają:
Gotowość uczestników do wdrożenia sztucznej inteligencji znacząco wzrosła wraz z ich wiedzą na temat jej obecnych zastosowań oraz wykorzystania AI w opiece zdrowotnej.
Niska praktyczna styczność z AI
- 25% uczestników nigdy nie korzystało z AI w praktyce klinicznej.
- Prawie 1/3 używa jej bardzo rzadko.
- Regularne korzystanie było przypadkiem marginalnym.
Wiek i poziom wyszkolenia nie miały znaczenia
Badanie wykazało brak powiązań między gotowością, a wiekiem, doświadczeniem, etapem specjalizacji czy rokiem ukończenia studiów.
Wiedza kluczowym czynnikiem
Najsilniejszym predyktorem gotowości była deklarowana wiedza o:
- bieżących zastosowaniach AI (p < 0,001),
- możliwościach wykorzystania AI w medycynie (p = 0,013).
To wskazuje, że edukacja i szkolenia mogą szybko poprawić poziom gotowości lekarzy POZ.
Skąd ta umiarkowana gotowość? Analiza czynników wpływających
Umiarkowany poziom gotowości odzwierciedla złożoną kombinację braków kompetencyjnych, ograniczonego doświadczenia praktycznego oraz czynników systemowych, które wpływają na codzienną pracę młodych lekarzy rodzinnych.
Brak formalnych szkoleń
Ponad połowa badanych nigdy nie uczestniczyła w żadnym szkoleniu na temat AI.
Bariery systemowe i obawy
W literaturze pojawiają się m.in.:
- brak pewności co do jakości modeli AI,
- obawy o wpływ na relacje lekarz–pacjent,
- niewystarczająca wiedza teoretyczna,
- brak narzędzi dostosowanych do realiów POZ.
Wyniki zgodne z wcześniejszymi analizami studentów medycyny
Autorzy zwracają uwagę, że gotowość młodych lekarzy rodzinnych jest porównywalna z gotowością studentów kierunków medycznych, co wskazuje na stałą lukę edukacyjną w obszarze AI.
Dlaczego edukacja z zakresu AI powinna być priorytetem?
Badanie wyraźnie pokazuje, że wdrażanie AI w medycynie rodzinnej będzie wymagało:
- nowych programów nauczania,
- obowiązkowych modułów teoretycznych i praktycznych,
- międzynarodowych inicjatyw szkoleniowych,
ujednolicenia standardów etycznych i prawnych.
Autorzy podkreślają:
Ograniczona gotowość do wdrożenia sztucznej inteligencji podkreśla potrzebę dostosowanych szkoleń i współpracy w celu wsparcia efektywnej integracji z podstawową opieką zdrowotną.
Ograniczenia badania – co należy uwzględnić?
Naukowcy zaznaczają, że wyniki mogą odzwierciedlać przede wszystkim:
- perspektywę osób aktywnych w sieciach międzynarodowych,
- nadreprezentację pięciu krajów,
- uczestników biegle posługujących się językiem angielskim,
- osoby bardziej zainteresowane tematem AI.
Jednocześnie to pierwsze badanie, które tak szeroko i standaryzowanie ocenia gotowość lekarzy POZ do wykorzystania AI.
Główne wnioski
- Umiarkowana gotowość do AI: Mediana wyniku MAIRS wyniosła 69/110, co wskazuje na zróżnicowany poziom przygotowania młodych lekarzy rodzinnych z 20 krajów.
- Najważniejszy czynnik — wiedza: Gotowość istotnie rosła u osób, które deklarowały znajomość aktualnych zastosowań AI w ochronie zdrowia (p < 0,001) i sposobów jej wykorzystania (p = 0,013).
- Niska praktyczna styczność z AI: Około 25% ankietowanych nigdy nie korzystała z AI, a regularne stosowanie pozostaje rzadkością, co podkreśla lukę między teorią a praktyką.
- Potrzeba szkoleń: Autorzy badania wskazują na pilną konieczność opracowania dostosowanych programów edukacyjnych, które umożliwią bezpieczną i skuteczną integrację AI w podstawowej opiece zdrowotnej.
Źródło:
- https://www.annfammed.org/content/23/6/542
