Les étudiants en médecine utilisent l'IA avant d'avoir appris à penser comme des médecins

Points clés

• Environ deux tiers des médecins américains utilisent activement OpenEvidence, un chatbot d'IA conçu pour les cliniciens, pour rechercher des symptômes, des interactions médicamenteuses et des directives de traitement.
• Les éducateurs médicaux s'inquiètent désormais du fait que les étudiants utilisant l'IA avant de développer leur jugement clinique pourraient ne jamais développer cette capacité de raisonnement.
• Cette préoccupation porte un nom : « non-acquisition de compétences », distincte du « déqualification », le risque déjà documenté que les professionnels formés oublient les compétences qu'ils possédaient autrefois.
• Contrairement à un médecin devenu dépendant de l'IA, un médecin qui n'a jamais appris à raisonner indépendamment n'a peut-être aucune base pour se rétablir.

Un outil qui aide les médecins expérimentés à travailler plus rapidement peut faire quelque chose de très différent lorsqu'un étudiant en première année de médecine le prend en main.

OpenEvidence est un chatbot d'IA, similaire en style à ChatGPT mais construit spécifiquement pour les cliniciens. Il répond à des questions sur des symptômes énigmatiques, des dosages de médicaments et des directives de traitement, et fournit des réponses en quelques secondes, en s'appuyant sur la recherche médicale actuelle. The Guardian AI a d'abord signalé les préoccupations croissantes des éducateurs médicaux selon lesquelles ce type d'outil, utilisé au mauvais stade de la formation, pourrait tranquillement vider de sa substance la prochaine génération de médecins.

Qu'est-ce que la « non-acquisition de compétences » et pourquoi est-ce important ?

C'est le risque qu'un étudiant qui s'appuie sur l'IA avant de développer un jugement fondamental ne le développe jamais réellement. La « déqualification » décrit ce qui arrive à un expert qui cesse de pratiquer une compétence qu'il possédait autrefois. Cette personne a une base ; la récupération est possible. Un étudiant qui ignore complètement cette base se trouve dans une position différente.

Le raisonnement clinique, le processus mental de peser les symptômes, d'éliminer les diagnostics et de prendre des décisions sous l'incertitude, demande des années de pratique délibérée pour se développer. On ne l'apprend pas en lisant une réponse. On l'apprend en travaillant le problème, en commettant des erreurs et en comprenant pourquoi.

Quand un outil produit la bonne réponse en trois secondes, un étudiant peut réussir l'examen sans faire le travail de réflexion.

Qui est concerné en ce moment ?

Les étudiants en médecine, les résidents et les boursiers, c'est-à-dire les médecins en formation spécialisée post-graduate, sont les groupes les plus à risque. Ce sont des personnes au stade où le raisonnement clinique est censé se former.

Environ deux tiers des médecins américains en exercice utilisent déjà régulièrement OpenEvidence, ce qui signifie que les étudiants reprennent un outil qui semble professionnellement normal. La préoccupation n'est pas que l'outil soit inexact. Souvent, il ne l'est pas. La préoccupation est que des réponses correctes, livrées sans le travail du raisonnement, puissent produire des médecins qui sont compétents pour demander à l'IA mais médiocres pour penser sans elle.

Qu'advient-il ensuite ?

Aucun organisme de réglementation n'a encore établi de règles formelles sur l'utilisation de l'IA dans la formation médicale. Cette lacune a de l'importance. Les écoles de médecine naviguent largement individuellement, sans normes partagées sur le moment ou la manière dont les étudiants devraient utiliser les outils d'IA.

Pour les patients, la question à long terme est simple : lorsque l'IA est indisponible, peu fiable ou simplement inexacte dans un cas inhabituel, le médecin dans la salle sera-t-il capable de raisonner seul ?

Les experts qui attirent l'attention sur ce problème ne s'opposent pas à l'IA en médecine. Ils plaident pour la séquençage : construisez d'abord le jugement, puis ajoutez l'outil.

Questions courantes

Cela signifie-t-il que l'IA est mauvaise pour la formation médicale ?

Pas nécessairement. La préoccupation porte sur le moment, pas sur la technologie elle-même. Un clinicien expérimenté utilisant l'IA pour vérifier son raisonnement est différent d'un étudiant l'utilisant pour ignorer complètement l'étape du raisonnement.

Les écoles de médecine pourraient-elles simplement interdire les outils d'IA aux étudiants ?

Les interdictions sont difficiles à appliquer et ne sont peut-être pas la bonne réponse. Les éducateurs se concentrent davantage sur la conception d'une formation qui oblige les étudiants à montrer leur processus de raisonnement, pas seulement d'arriver à une réponse correcte.