パターン認識トレーニングの指導デザインに統合された基礎科学 (AISC-ISF)

バックグラウンド：

医学生や新米医師が優れた診断医になれるようにすることが医学教育の中核であることに変わりはありません。 60年以上にわたり、学者や臨床医は、最も成功した診断推論戦略と、これらの戦略について将来の医師を教育する方法についての理解を求めてきました。 研究によると、ほとんどの診断医は、パターン認識、演繹的後方推論、つまり暫定的な診断を正当化する症状や兆候の検索、および帰納的前向き推論戦略、つまり兆候や症状に基づいて最も可能性の高い診断を分析する戦略を組み合わせて適用していることが明らかになりました。 経験豊富な臨床医は一般的にパターン認識に依存するのに対し、初心者の臨床医は意図的な演繹的および帰納的診断推論戦略に傾く傾向があることを裏付けるいくつかの証拠があります。 初心者とは異なり、専門家は通常、パターン認識に基づいて最も可能性の高い診断を特定し、その後、特定された暫定的な診断を正当化または除外することを目的とした、意図的でしばしば無意識の演繹的推論が続きます。 二重プロセス理論は、人間の認知を 2 つのシステムに分割する、この 2 段階の推論戦略の説明を提供します。直観的なシステム 1 (パターン認識) と、意図的で分析的な演繹的/帰納的システム 2 です。パターン認識 (システム 1) は即時的で、多くの場合非常に正確で、必要なリソースはごくわずかですが、無意識のヒューリスティック バイアスが発生しやすいと広く批判されています。 意図的なシステム 2 のプロセスは、システム 1 のプロセスよりも遅く、かなり多くの認知リソースを必要とします。 システム 2 のプロセスは一般に無意識のバイアスがかかりにくいと考えられていますが、いくつかの調査結果はそうではないことを示唆しています。 ほとんどの人は、可能な限り効率的で負担の少ないシステム 1 を適用し、絶対に必要な場合にのみアクティブなシステム 2 プロセスを適用することを好みます。 残念ながら、診断設定におけるパターン認識 (システム 1) は領域固有の経験に依存しており、一般に初心者の医師には利用できません。したがって、診断中に非常に要求の厳しいシステム 2 の操作に依存します。 何人かの著者は、パターン認識は正確で効率的で要求の少ない診断を可能にするため、教育者は可能であればパターン認識の指導または促進を検討すべきであると主張しています。 病理学、放射線科、皮膚科など、主に視覚処理に依存する医療専門分野において、現実的かつ広範なパターン認識トレーニングが可能です。 注釈付きの X 線写真、病理スライド、またはダーモスコピー画像を備えた大規模な症例ライブラリを実習にすぐに利用できるため、学生は臨床のキャリアを開始する前に、関連する鑑別診断を頭の中でしっかりと表現できるようになります。 パターン認識トレーニングを通じて強力な精神表現の発達を促進する方法については、広範な文献があります。 骨折の種類、細胞の異常、皮膚の状態を特定することは重要ですが、患者に正しい治療計画を提供するには追加の知識の検索と処理が必要です。 人工知能と訓練されたハト (そうです、ハトです) は画像診断を見事にうまく処理し、専門の臨床医と同等の精度を報告している著者もいます。 しかし、専門の臨床医とは異なり、機械やハトは現時点では、微妙な診断の手がかりに基づいて長期記憶からプリコンパイルされた診断固有の 1 つ以上の複雑なスクリプトやスキーマを取得し、その後、最も可能性の高い診断と適切な治療処置を意図的に分析することはできません。 。 イルネス スクリプト理論は、この驚くべき記憶の検索と処理操作を、単純なフレームワークを通じて説明しようとします。 病気のスクリプトは、可能となる条件、つまり人口統計や病歴、結果、つまり病気/病気の症状と表現、および欠点、つまり結果と可能になる条件の生物医学的説明を含む病気または疾病の精神的表現またはスキーマとして定義されます。 。 経験豊富な医師が、状況、結果、および障害を引き起こす特定のパターンを認識すると、長期記憶から 1 つまたは複数の病気のスクリプトを起動して取得し、そのスクリプト内に保存されている病気の生理学や相互に関連するスクリプトを含むすべての知識を解き放ちます (鑑別診断）。 医療および臨床研修中の疾患スクリプトの形成と統合についてはほとんど知られていませんが、教育教材内で、基礎となる生理学および解剖学（欠陥）と人口統計（可能となる状態）および症状（結果）を組み合わせることに賛成する証拠が増えています。医療への介入。 病状の原因メカニズムの根底にある概念的な理解は、研修生が病気のスクリプトを統合して相互リンクするのに役立ち、その結果、より迅速かつ正確なスクリプトの起動と利用が可能になるようです。 疾患の臨床症状を含む因果メカニズムまたは「生物医学」が内科の標準的な指導計画に組み込まれている場合、生徒の成績は、特に遅延テストや編入テストで大幅に向上します。 根底にある社会学的および行動的因果メカニズムを説明する「拡張された」基礎科学の説明が、社会的、身体的、および心理的問題の組み合わせを含む複雑な病状の指導デザイン内に統合されている場合、診断能力に対する同様のプラスの効果が観察されています。 因果メカニズムの説明の中に因果メカニズムの生体力学的な視覚的類似性が導入されると、学生の即時的かつ保持された診断能力と知識の伝達が向上します。 生物医学を統合することのプラスの効果は、疾患の臨床症状を説明する古典的なカリキュラムと組み合わせるときに最もよく活用されます。 書面による症例に対する古典的な教科書の診断から得られるプラスの効果は、視覚的な診断にも反映されます。 歯科放射線学、および処置スキルの基礎となる概念的知識（例: 腰椎穿刺。 視覚診断で使用される視覚基準の因果関係の説明を統合すると、学生の即時的および長期的な診断能力が向上します。 生物医学科学の統合に伴う診断パフォーマンスの向上は、速度と精度のトレードオフに対して回復力があることが判明しています。これは、疾患スクリプト内の「欠陥」を強力に表現することで、診断医がスクリプトを迅速かつ正確に起動する能力が向上することを示しています。 基礎科学の説明はさまざまな医療手段に応用できるようですが、視覚的診断は他の診断手段とは大きく異なることに注意することが重要です。 経験豊富な皮膚科医が皮膚病変を診察すると、直ちに全体的な印象が形成され、通常は非常に正確な 1 つ以上の暫定的な診断が生成されます。 その後、彼らは、暫定的な診断を正当化または拒否する特徴を見つけようとする後方推論戦略に取り組みます。 全体的な印象は直感的なシステム 1 の操作の結果ですが、鑑別診断と特徴検索の意図的な分析は意図的なシステム 2 の操作です。 内科医、神経内科医、心臓内科医などの残りの臨床専門分野の専門家はパターン認識に大きく依存していますが、その評価は意図的に収集されたインプット (症状、病歴、臨床検査など) に基づいており、より高度なシステム 2 プロセスが必要です。診断推論プロセスの初期段階で。 研究者らは、さまざまな診断専門分野でパターン認識が使用される「時点」のこの違いは、さまざまな専門分野の教育に反映されるべきだと理論づけています。 これらの反省に基づいて、主に視覚処理（皮膚科、病理学、放射線科）に依存する臨床医にとって最適な教育的介入は、簡潔で適切な指導設計のカリキュラムと組み合わせた、直接的な視覚的フィードバックを伴う症例ベースのトレーニングであるべきです。 前述の研究は、基礎科学をそのような指導設計に統合することで、診断の精度が向上し、同様の疾患カテゴリーへの知識の伝達が向上することを示しています。 しかし、視覚診断に関するこれまでの研究では、基礎科学の統合に伴うパフォーマンスの向上が臨床医のパターン認識、意図的な特徴検索戦略、あるいはその両方を改善するのかどうかを確立できていませんでした。 これらの研究における教育的介入は短く、診断ごとに訓練ケースが 3 件未満しか含まれておらず、この試験の研究者らは疾患の視覚的分類 (パターン認識) のための精神的表象の形成に関しては低いと考えています。 最後に、これまでの研究では、視覚診断のための訓練介入の指導設計に基礎科学を組み込むことの効果と、学習行動（教材へのアクセスの合計時間と回数）、学習曲線（心的表象の形成）への影響については検討されていない。 、スキル/知識の検索。 研究者らは、視覚診断におけるケースベースのトレーニングの指導設計に基礎科学の説明を導入すると、学生の学習曲線、保持力、およびウォッシュアウト期間後の知識/スキルの回復が改善されるだろうと仮説を立てています。 私たちの知る限り、学生のパターン認識スキルを訓練することを目的とした長期にわたる症例ベースの教育的介入において、視覚基準に対する生物医学的説明を組み込むことの効果を詳しく述べたこれまでの研究はありません。初心者とより上級の学習者に焦点を当てた場合では学習が異なる可能性があること、および即時のパフォーマンスが必ずしも長期的な学習成果を予測するとは限らないことを認識すると、これは埋めるべき重要な研究ギャップです。

研究の質問:

皮膚科学のトレーニングが限られている医学生のグループにおいて、視覚パターン認識における症例ベースの皮膚がんトレーニングプログラムを長期にわたって実施する際に、視覚基準の生物医学的因果関係の説明を組み込むことの効果は、生物医学的説明のない同一の指導デザインと比較した場合、どのような効果があるでしょうか? パターン認識の練習からパターンの理解に向かう学生の認知リソースの移動は、学生の学習行動、学習曲線 (診断の精度と時間)、およびウォッシュアウト期間後のパターン認識スキルの回復にどのような影響を与えるでしょうか?

方法：

この研究は、1:1の配分比率でランダム化比較試験として実施されます。 登録参加者は、コペンハーゲン大学保健医療科学部に積極的に登録しており、基本的な組織病理学および細胞生理学における試験に合格している必要があります。 除外基準は、ダーモスコピーまたは皮膚がん診断全般の訓練を受けた者です。 最低60名の学生を採用します。 すべての参加者は、教育資料を含むモバイル アプリケーション (Dermloop) をダウンロードする必要があります。 サインアップ中に、参加者は人口統計に関する情報を入力し、6 桁のトライアル コードを入力して、デジタル同意書に署名するように求められます。 登録すると、参加者は自動的に基礎科学または特集グループにランダムに割り当てられます。 研究中に、すべての参加者は 4 つのステップを完了します (図を参照)。

1. 事前テスト
2. 皮膚がん診断におけるデジタルトレーニングセッションは、7日間にわたる7つの鑑別診断（母斑、黒色腫、脂漏性角化症/黒子、基底細胞がん、皮膚線維腫、血管病変）に集中しました。 教材は 2 つの研究グループ間で異なります。 基礎科学グループは、各診断の特徴的な視覚基準とその根底にある組織病理学的原因を説明するモジュールにアクセスできます。 機能グループは、根底にある因果メカニズムの説明なしで、視覚的基準の同一の説明を読み取ります。
3. 再研修セッション
4. 保持テスト

事前テスト：

事前テストは、皮膚がん診断の有効性証拠が確立されているテスト項目ライブラリ (n= 25 項目) からランダムに抽出された 12 項目 (一般化係数 0.7) で構成されます。

デジタル トレーニング セッション:

このセッションは、6 つの診断 (母斑、黒色腫、脂漏性角化症/黒子、基底細胞癌、皮膚線維腫、血管病変) の紹介とプレゼンテーションで構成されます。

はじめに はじめに、皮膚がんの診断と教育的介入に含まれる 6 つの診断についての短い書面による紹介が含まれます。 参加者は、7 つの診断の特徴であるさまざまなダーモスコピー基準を簡単に読むように求められます。

ケースベースの実践

参加者は、7 日以内に 500 個の皮膚病変について練習するように求められます。 トレーニングは、直接フィードバックを伴うクイズで構成されます。 参加者は、患者の年齢と性別、臨床画像、ダーモスコピー画像、皮膚病変の位置に基づいて皮膚病変を診断するように求められます。 参加者は診断を選択するとすぐにフィードバックを受け取ります。 フィードバックは、診断、正しい診断、両方の診断の指導デザインへのアクセス、画像と位置を切り替える機能で構成されます。 各クイズは 10 ケースの長さで、診断の分布は各クイズでランダムですが、全体としては 100 のケースに分布します。

診断分布:

黒色腫 20% 母斑 20% 皮脂腺 K./ 黄面黒子 20% 皮膚線維腫 10% 基底細胞癌 10% 血管腫 10% 扁平上皮癌。 10%

再トレーニングセッション:

14 日間のウォッシュアウト期間の後、すべての参加者はアプリケーションにアクセスし、2 日以内にさらに 100 件のケースを練習するように求められます。

保持テスト:

再トレーニング セッションの終了から 7 日後、参加者は定着テストに答えるように求められます。 保持テストは、事前テストに使用した同じテスト項目ライブラリ (n= 25 項目) からランダムにサンプリングされた 12 項目 (汎化係数 0.7) で構成されます。

主な成果:

初期学習曲線（診断ごとの精度と時間）の傾きと平坦部（到達した場合） ウォッシュアウト期間後の二次学習曲線（診断ごとの精度と時間）の傾きと平坦部（到達した場合）

副次的結果:

教材を読むのに費やした時間 教材にアクセスした回数 事前テストから保持テストまでのパフォーマンスの変化。