אוריינות בינה מלאכותית מתווכת בין השתתפות באבחון בעזרת AI לחשיבה ביקורתית בקרב סטודנטים לרפואה תחת השגחה

מדוע מכונות חכמות חשובות לרופאים העתידיים

בינה מלאכותית הופכת במהירות לחלק שגרתי מחיי בית החולים, מקריאת רנטגן ועד הצעת אבחנות אפשריות. זה מעלה שאלה דחופה למטופלים ולמורים כאחד: האם רופאים צעירים המבססים את עצמם על כלים אלה יפסיקו לחשוב בעצמם, או שמא ה-AI יכול דווקא לחדד את שיקול הדעת שלהם? המחקר הזה עקב אחרי מאות סטודנטים לרפואה במשך שנה שלמה כדי לבדוק כיצד עבודה עם מערכות AI תחת השגחה צמודה משפיעה על יכולתם לחשוב באופן ביקורתי על אבחנות.

מעקב אחרי הסטודנטים במהלך שנה עם AI

החוקרים עקבו אחר 372 סטודנטים בשנה ד׳ וה׳ לרפואה בשלוש אוניברסיטאות גדולות בסין במהלך הסיבובים הקליניים שלהם, תקופה שבה הם נתקלים בחולים אמיתיים בהנחיית רופאים בכירים. הסטודנטים השתמשו באופן שגרתי בכלי AI המוטמעים במערכות בית החולים, כמו תוכנות המסייעות בפרשנות סריקות או בהצעת מחלות אפשריות על בסיס תסמינים. לאורך 12 חודשים המדידה התמקדה בשלושה משתנים בשלוש נקודות זמן: עד כמה הסטודנטים השתתפו באופן פעיל באבחון בסיוע AI, עד כמה הם הבינו ויכלו להעריך את פלטי ה-AI (מה שנקרא אוריינות בינה מלאכותית), וכמה חזקה הייתה החשיבה הביקורתית הרפואית שלהם—הרגל של שקלול ראיות, זיהוי הטיות, והטלת ספק ברושם הראשוני.

יותר שימוש, הבנה עמוקה יותר, חשיבה חדה יותר

במהלך השנה דיווחו הסטודנטים על שימוש תדיר ועמוק יותר בכלי ה-AI, ונקודות האוריינות שלהם עלו בהתאמה. גם ציוני החשיבה הביקורתית שלהם השתפרו, אם כי באופן מתון יותר. באמצעות מודלים סטטיסטיים הבוחנים שינויים לאורך זמן, המחברים מצאו שסטודנטים שהיו מעורבים יותר ב-AI בתחילת התקופה נטו להראות עליות גדולות יותר באוריינות ה-AI שישה חודשים לאחר מכן. בתורם, אלו שהציגו אוריינות גבוהה יותר אחרי שישה חודשים הראו חשיבה ביקורתית חזקה יותר בסוף השנה. גם לאחר ששקללו ציונים מוקדמים וגורמי רקע בסיסיים כמו גיל, מין וציונים, השתתפות מוגברת באבחון בסיוע AI נקשרה לשיפורים מאוחרים יותר בחשיבה הביקורתית, לא לירידה בה.

אוריינות AI כקישור החסר

תובנה מרכזית של המחקר היא ש׳מגע׳ עם מערכת AI בפני עצמו אינו מה שחשוב—מה שחשוב הוא ללמוד להבין ולבקר אותה. סטודנטים שפיתחו אוריינות AI חזקה יותר הפכו למיומנים יותר בחקירת ההצעות של המערכת, בזיהוי מתי המלצותיה עלולות להיות משוחדות עקב נתונים או הקשר, ובהחלטה כמה משקל לתת לפלט שלה ביחס לשיפוט שלהם עצמם. בדיקות סטטיסטיות הראו שכ-38 אחוז מהקשר בין השתתפות מוקדמת ב-AI לחשיבה ביקורתית מאוחרת יותר עברו באמצעות עליות באוריינות ה-AI. בפשטות, שימוש פעיל ב-AI עזר לסטודנטים ללמוד איך הוא פועל ומה מגבלותיו, וההבנה העמוקה הזו דחפה את כישורי הנימוק שלהם קדימה.

לא כל הסטודנטים מרוויחים באותה מידה

הסיפור לא היה זהה עבור כולם. סטודנטים שכבר הרגישו בנוח עם טכנולוגיה ואילו שנניעו בעיקר על ידי רצון לשלוט בכישורים, במקום להראות מצוינות מול המנחים, הם אלו שהרוויחו הכי הרבה מההכשרה בתמיכה של AI. עבורם, השרשרת מהשתתפות ב-AI לאוריינות AI ועד לחשיבה משופרת הייתה חזקה במיוחד. לעומת זאת, סטודנטים עם מעט ניסיון טכנולוגי קודם או שהתמקדו בעיקר בקבלת התשובה ה'נכונה' נטו להרוויח פחות. הם נראו נוטים יותר להתייחס ל-AI כקיצור דרך, מקבלים את המלצותיו בלי הרבה חשיבה. המחקר גם הדגיש שכל זה התרחש בסביבה מפוקחת היטב, שבה קלינאים מנוסים עודדו את הסטודנטים להטיל ספק ולדון בפלטי ה-AI בצורה בטוחה.

מה המשמעות עבור מטופלים ומחנכים

למטופלים המתלבטים האם ה-AI יחליף את שיפוט רופאם, הממצאים מציעים תמונה מפורטת יותר. כאשר כלי ה-AI משולבים בהכשרה באופן מושכל—בשילוב חניכה חזקה והוראה מפורשת על איך לערער על אלגוריתמים—הם יכולים לשמש כבסיס חינוכי ולא כתחליף. סטודנטים המעורבים באופן פעיל עם AI, הלומדים כיצד הוא פועל ומונחים לאתגר את תשובותיו, עלולים לצאת ממערכת ההכשרה כחשבים ביקורתיים יותר, לא פאסיביים יותר. עם זאת, התועלות אינן אוטומטיות. בלי השגחה, הכשרה טכנית בסיסית והדגשה על הבנה במקום מהירות, ה-AI עלול בקלות להעמיק את התלות במקום לפתח שיפוט בררן.

ציטוט: Xin, Y., Yan, D., Shuren, L. et al. AI literacy mediates AI assisted diagnosis participation and critical thinking among medical students under supervision. npj Digit. Med. 9, 344 (2026). https://doi.org/10.1038/s41746-026-02521-9

מילות מפתח: חינוך רפואי, בינה מלאכותית, חשיבה ביקורתית, אוריינות בינה מלאכותית, הכשרה קלינית