生成式人工智慧輔助氣管內插管教學

天主教輔仁大學附設醫院麻醉科主治醫師
陳柏亨

生成式人工智慧輔助氣管內插管教學

---

  氣管內管插管（Endotracheal intubation, ETI）是緊急醫療和危重症照護中不可或缺的救命技術，確保患者呼吸道暢通並維持氧合。然而，ETI是一項有風險的技能，需要具備困難呼吸道處置流程的知識、純熟的手眼協調能力，以及迅速的臨床判斷力。傳統的教學方式仰賴教科書、課堂講解和模擬練習，但這些方法在提供真實情境和個人化指導方面仍有不足。近年來，生成式人工智慧（Generative Artificial Intelligence, GAI）技術的蓬勃發展，為 ETI 教學帶來了嶄新的可能性，可望大幅提升學習成效並降低醫療風險。

生成式人工智慧：醫學教育的革新力量

  生成式人工智慧是一種能夠創造全新、原創內容的人工智慧技術，其應用範圍涵蓋文字、圖像、音樂、影像等多個領域。在醫學教育中，GAI 可以透過生成逼真的模擬情境[i]、提供個人化指導、豐富學習體驗和客觀評估學習成果等方式[ii]，為 ETI 教學帶來革命性的變革。

1. 生成高擬真模擬情境：GAI 能夠生成各種不同的虛擬患者，其解剖結構、生理狀態和病理狀況皆可自由調整。透過這些高擬真度的模擬情境，學習者可以在安全可控的環境下反覆練習 ETI 操作，並即時獲得回饋，有效降低實際操作時可能產生的風險。
2. 提供個人化學習指導：GAI 可以追蹤學習者的操作過程，並根據其表現和需求，提供個人化的指導和建議。例如，GAI 能夠分析學習者的操作影片，指出錯誤並提供修正方法，或者根據學習者的進度調整模擬情境的難度，使其更具挑戰性。
3. 打造沉浸式學習體驗：GAI 不僅能生成逼真的模擬情境，更能結合虛擬實境（Virtual Reality, VR）和擴增實境（Augmented Reality, AR）技術，創造出身歷其境的學習環境[iii]。透過 VR/AR 技術，學習者可以更直觀地了解氣管插管的解剖學構造，並在虛擬空間中模擬操作，大幅提升學習的趣味性和效果。
4. 客觀評估學習成果：GAI 能夠客觀地評估學習者的 ETI 操作技能，並提供詳細的評估報告。這些報告可以幫助學習者了解自己的優勢和不足，並有針對性地進行改進。此外，GAI 還可以透過分析大量的學習數據，找出普遍存在的學習困難，為教學者提供改進教學策略的參考。

生成式人工智慧輔助 ETI 教學的優勢

  GAI 輔助 ETI 教學具有多方面的優勢，使其成為未來醫學教育的重要趨勢：

1. 提升學習成效：GAI 提供的個人化學習指導和沉浸式學習體驗，能夠有效提升學習者的學習動機和參與度，進而提高學習成效。
2. 降低醫療風險：透過在高擬真模擬情境中反覆練習，學習者可以在實際操作前充分熟悉 ETI 的流程和技巧，有效降低操作失誤的風險，保障患者安全。
3. 節省教學成本：目前臨床情境模擬練習需要耗費相當多的人力資源，需要較多時間逐一讓學生演練，GAI的教學成本較低，可以作為輔助。此外，GAI 還可以讓學習者隨時隨地進行練習，無需受到時間和空間的限制。
4. 促進教學創新：GAI 的應用為 ETI 教學帶來了全新的可能性，激發教學者的創新思維，開發出更具互動性、趣味性和效果的教學方法。

生成式人工智慧輔助 ETI 教學的挑戰與展望

  儘管 GAI 在 ETI 教學中展現出巨大的潛力，但仍有一些挑戰需要克服：

1. 技術的發展與完善：GAI 技術仍處於發展階段，其生成的模擬情境和評估結果的準確性仍有待提升。此外，如何將 GAI 技術與現有的教學系統進行整合，也是一個需要解決的問題。
2. 倫理與法律問題：大數據的使用，可能涉及到訓練資料收集的潛在倫理議題，包括隱私、偏見或歧視[iv]，以及版權等法律問題。因此，在開發和應用 GAI 技術時，必須充分考慮這些問題，並建立相應的規範和標準。
3. 教學者的角色轉變：GAI 的應用可能會改變傳統的教學模式，教學者需要重新思考自己在教學中的角色和定位。需要學會如何有效地運用 GAI 技術，並將其與自己的教學經驗相結合，為學習者提供更優質的教學服務。

  展望未來，隨著 GAI 技術的不斷發展和完善，其在 ETI 教學中的應用將更加廣泛和深入。GAI 不僅可以為學習者提供更個人化、更有效的學習體驗[v]，還可以協助教學者開發更具創新性的教學方法，共同推動醫學教育的進步。我們有理由相信，GAI 將在不久的將來成為醫學教育領域不可或缺的重要工具，為培養更多優秀的醫療人才做出貢獻。

參考資料:

• Neil Sardesai, Paolo Russo, Jonathan Martin, Anand Sardesai, Utilizing generative conversational artificial intelligence to create simulated patient encounters: a pilot study for anaesthesia training, Postgraduate Medical Journal, Volume 100, Issue 1182, April 2024, Pages 237–241, https://doi.org/10.1093/postmj/qgad137
• Preiksaitis C, Rose C. Opportunities, Challenges, and Future Directions of Generative Artificial Intelligence in Medical Education: Scoping Review. JMIR Med Educ. 2023 Oct 20;9:e48785. doi: 10.2196/48785. PMID: 37862079; PMCID: PMC10625095.
• Dhar P, Rocks T, Samarasinghe RM, Stephenson G, Smith C. Augmented reality in medical education: students' experiences and learning outcomes. Med Educ Online. 2021 Dec;26(1):1953953. doi: 10.1080/10872981.2021.1953953. PMID: 34259122; PMCID: PMC8281102.
• Naik N, Hameed BMZ, Shetty DK, Swain D, Shah M, Paul R, Aggarwal K, Ibrahim S, Patil V, Smriti K, Shetty S, Rai BP, Chlosta P, Somani BK. Legal and Ethical Consideration in Artificial Intelligence in Healthcare: Who Takes Responsibility? Front Surg. 2022 Mar 14;9:862322. doi: 10.3389/fsurg.2022.862322. PMID: 35360424; PMCID: PMC8963864.
• Sallam M. ChatGPT Utility in Healthcare Education, Research, and Practice: Systematic Review on the Promising Perspectives and Valid Concerns. Healthcare (Basel). 2023 Mar 19;11(6):887. doi: 10.3390/healthcare11060887. PMID: 36981544; PMCID: PMC10048148.