Süni intellekt dövründə tibb təhsili: gələcək həkimlər və müəllimlər üçün kiçik bələdçi

⚕️ Süni intellekt dövründə tibb təhsili niyə yenidən qurulmalıdır?

Tibb təhsili son 50 ildə bir çox texnoloji yeniliklə qarşılaşıb: kompüterlərin klinikaya daxil olması, internet, elektron sağlamlıq qeydləri və simulyasiya laboratoriyaları bunların başında gəlir. Lakin süni intellekt (Sİ) və xüsusilə böyük dil modelləri (LLM)əvvəlki yeniliklərin heç biri ilə müqayisə olunmayacaq dərəcədə fərqli bir inqilab yaradır. Çünki bu sistemlər təkcə məlumat əldə etməyi asanlaşdırmır, həm də insana bənzər mühakimə yürütmə təəssüratı yaradır.

Artıq tibb tələbəsi bir neçə saniyə ərzində differensial diaqnoz siyahısı əldə edə, müalicə planının ilkin variantını və ya xəstə üçün məlumatlandırma qeydi hazırlaya bilər. Bu sürət və rahatlıq cəlbedici görünsə də, ciddi risklər də yaradır: bacarıqların zəifləməsi (deskilling) — mövcud bacarıqların korşalması, bacarıqların heç formalaşmaması (never-skilling) — əsas səriştələrin ümumiyyətlə inkişaf etməməsi və yanlış bacarıqların mənimsənilməsi (mis-skilling) — səhv tövsiyələrin yanlış öyrənilməsi. Məsələn, tədqiqatların göstərdiyi kimi, tələbələrin əhəmiyyətli bir hissəsi süni intellektin səhv cavablarını aşkar edə bilmir və bu da klinik xətalara zəmin yarada bilər.

Buna görə qarşıdakı dövrdə tibb təhsilinin əsas sualı daha da aydınlaşır:

👉 “Süni intellekti qadağan etmək əvəzinə, ondan düzgün istifadə etməyi necə öyrədə və gələcəyin həkimlərini necə daha güclü, tənqidi düşünən və müstəqil qərar verə bilən şəxslər kimi yetişdirə bilərik?”

Bu yazının əsaslandığı məqalə New England Journal of Medicinejurnalında 20 avqust 2025-ci ildə dərc olunub: “Educational Strategies for Clinical Supervision of Artificial Intelligence Use”.

📖 Klinik ssenari

Daxili xəstəliklər üzrə rezident poliklinikada bir xəstəni müayinə etdikdən sonra telefonunu çıxarıb ChatGPT-dən soruşur: “Bu simptomlarla ən çox ehtimal olunan diaqnozlar hansılardır?” Cavabı yadda saxlayıb müəlliminə təqdim edir. Müəllim isə bu seçim qarşısında qalır: “Bu vəziyyəti təhsil fürsətinə çevirməliyəm, yoxsa hazır məlumata üz tutduğu üçün tələbəyə xəbərdarlıq etməliyəm?”

Məhz bu məqamda DEFT-AI çərçivəsi işə düşür.

• %35 yuxarı kurs tibb tələbəsi süni intellektin səhv cavablarını aşkar edə bilməyib.
• Süni intellektdən daha tez-tez istifadə edən tələbələrintənqidi düşüncə ballarının daha aşağı olduğu müəyyən edilib.
• Bir randomizə edilmiş nəzarətli tədqiqatda süni intellektin tövsiyələrindən onları sorğulamadan istifadə edən iştirakçılar süni intellektdən istifadə etməyənlərdən daha zəif nəticə göstəriblər.

1. Diaqnoz/Müzakirə (Diagnosis/Discussion): Tələbənin hansı sorğunu yazdığını və necə əlavə suallar verdiyini öyrənin.
2. Sübut (Evidence): Nəticənin təlimatlara və ədəbiyyata uyğunluğunu qiymətləndirin, alternativ hipotezlərin irəli sürülüb-sürülmədiyini soruşun.
3. Rəy (Feedback): Tələbəyə güclü və zəif cəhətlərini göstərin, hansı məqamları inkişaf etdirməli olduğunu aydınlaşdırın.
4. Tədris (Teaching): Tənqidi düşüncə və sübuta əsaslanan tibb prinsiplərini möhkəmləndirin, qərəzləri müzakirə edin.
5. Süni intellektdən istifadə tövsiyəsi (AI Recommendation): Tapşırığın riskinə uyğun olaraq süni intellektdən nəzarət altında, yoxsa nəzarətsiz istifadə oluna biləcəyini bildirin.

Süni intellektin nəticələrində çox vaxt əsaslandırması görünməyən bir etibar sıçrayışı olur. Buna görə təhsildə “süni intellekt savadlılığı” qazandırmaq ən azı farmakologiya və ya statistika savadlılığı qədər vacibdir.

Yaxşı sorğu nümunəsi

“Mən pulmonologiya üzrə rezidentəm. Astma müalicəsinə cavab verməyən bir xəstəm var. Cari təlimatlara görə ən çox ehtimal olunan differensial diaqnozlar hansılar ola bilər? Zəhmət olmasa, əsaslandıraraq izah et.”

Pis sorğu nümunəsi

“Bu xəstədə astma var?”

Fərq: Yaxşı sorğu konteksti, tərəfsiz sualı və əsaslandırma tələbini ehtiva edir; pis sorğu isə istiqamətləndirici və dar çərçivəlidir.

1. Sual verin: Klinik problemi aydınlaşdırın.
2. Sübut axtarın: Nəticənin nəyə əsaslandığını sorğulayın.
3. Tənqidi qiymətləndirin: Qərəz, çatışmayan məlumat və ya birtərəflilik varmı?
4. Tətbiq edin: Nəticədən kor-koranə deyil, konkret xəstənin vəziyyətinə uyğun istifadə edin.
5. Qiymətləndirin: Nəticə nə oldu, təsdiqləndimi?

🌟 Yekun: “Əvvəl yoxla, sonra etibar et” yanaşması

Süni intellekt, ondan istifadə düzgün öyrədildikdə, həkimliyin düşməni deyil; klinik mühakiməni sürətləndirən müttəfiqdir. Bunun üçün:

• Tibb kurikulumları yenidən qurulmalı, süni intellekt təhsilə inteqrasiya edilməlidir.
• Təhsil müəssisələri, səhiyyə sistemləri və süni intellekt hazırlayanlar əməkdaşlıq etməlidir.
• Tələbə–süni intellekt qarşılıqlı əlaqələri sistemli şəkildə izlənməli və qiymətləndirilməlidir.