L’intelligence artificielle dynamise l’apprentissage des étudiants de la NYU Grossman School of Medicine

Jun 09, 2023

Éducation, Innovation

NYU Langone Health News, printemps 2023

Lily Ge, étudiante en médecine, utilise des outils Web basés sur l'IA sur son ordinateur portable pour amplifier des images anatomiques afin de mieux visualiser la structure des organes et leur fonction dans le corps.

Photo : Karsten Morán

L ily Ge, étudiante en première année de médecine à la NYU Grossman School of Medicine, progresse rapidement dans ses cours. Lorsqu'elle travaille à mémoriser les détails de son dernier module d'anatomie, elle feuillette un microscope virtuel qui se tourne automatiquement vers les organes qu'elle étudie actuellement. Pour l’aider à comprendre comment les différents systèmes du corps interagissent et se connectent, elle manipule un corps virtuel en 3D, en zoomant pour voir « quelles boucles derrière quoi », dit-elle. S'il semble que les outils aient été conçus spécialement pour elle, c'est parce qu'ils le sont.

La classe de Ge est la première à participer à une approche pionnière de l'enseignement médical appelée Precision Education, actuellement en cours à la NYU Grossman School of Medicine. En partie financée par l'American Medical Association, l'initiative utilise l'intelligence artificielle (IA) pour adapter les programmes et les aides aux études au style et aux objectifs d'apprentissage de chaque étudiant. « Contrairement à un programme unique, Precision Education prend en compte les mécanismes complexes qui sous-tendent les objectifs et les besoins de chaque individu de manière à contribuer à améliorer les résultats de l'apprenant et, par extension, ceux des patients », explique Marc M. Triola, MD. , doyen associé à l'informatique pédagogique et directeur fondateur de l'Institut pour les innovations en éducation médicale.

En apparence, les étudiants ne remarqueront peut-être jamais l’influence de l’IA. Le système, qui s'appuie sur un type de puissance de calcul appelé apprentissage automatique, fonctionne dans les coulisses du portail étudiant. Il analyse les données sur le dossier académique d'un individu et son expérience pratique (patients vus, performances lors des procédures, commentaires du professeur) pour guider et corriger les cours tout au long de son parcours académique. Si un étudiant n'est pas sûr de sa spécialité, par exemple, un outil d'exploration en début de carrière exploite l'analyse prédictive pour suggérer des cours au choix. Si un étudiant recherche régulièrement une condition particulière, un outil d'IA affichera des vidéos supplémentaires, des articles de journaux et d'autres informations à ce sujet, de la même manière que YouTube sait servir les amoureux des chats, les adorables bêtisiers félins. Les étudiants peuvent également mélanger et assortir la manière dont ils absorbent de nouvelles informations, afin que les apprenants visuels puissent lire des cours, que les apprenants auditifs puissent écouter, etc.

« Contrairement à un programme unique, Precision Education prend en compte les mécanismes complexes qui sous-tendent les objectifs et les besoins de chaque individu de manière à contribuer à améliorer les résultats de l'apprenant et, par extension, ceux des patients. » — Marc M. Triola, MD , vice-doyen à l'informatique pédagogique

Pour l'expérience clinique, les algorithmes s'appuient sur des données de patients anonymisées extraites via Epic, le système de dossiers de santé électroniques de NYU Langone Health, pour aider les étudiants à perfectionner leurs compétences en matière de prise de décision clinique. « Les tableaux de bord et les outils complets permettant de visualiser et de comprendre ces données sont quelque chose auquel la plupart des autres facultés de médecine, les stagiaires et leurs coachs n'ont pas accès », explique le Dr Triola. « L’objectif est d’aider les étudiants à devenir les meilleurs médecins possibles et à faire de bons choix quant aux cours au choix et aux opportunités qu’ils souhaitent explorer au cours de leur parcours pour y parvenir », dit-il.

Alors que la NYU Grossman School of Medicine termine sa première année avec la boîte à outils Precision Education, le Dr Triola et son équipe intègrent continuellement les commentaires des étudiants et des enseignants pour améliorer et élargir les outils. L'impact de l'éducation de précision devrait s'étendre bien au-delà des murs de la NYU Grossman School of Medicine, d'autres grandes écoles de médecine recherchant les conseils experts du Dr Triola sur la manière de mettre en œuvre des outils similaires dans leur propre programme.

La prochaine grande étape consiste à proposer aux résidents le modèle basé sur l’IA. NYU Langone a déjà déployé une application appelée NoteSense, développée par Verity E. Schaye, MD, MHPE, vice-doyenne à la formation en sciences cliniques et directrice des compétences cliniques intégrées, qui utilise un type d'IA appelé traitement du langage naturel pour lire les notes de traitement. , fournir des commentaires et suivre les améliorations parmi les résidents. « Nos outils d'apprentissage de l'IA sont encore plus applicables aux nouveaux médecins car, contrairement à un étudiant en médecine qui essaie d'apprendre l'intégralité de la médecine, les résidents peuvent se concentrer sur une spécialité clinique », explique le Dr Triola. « Cela peut vraiment contribuer à la « précision » de l'enseignement de précision. »