ClinicQBuddy.ai uczy decyzji klinicznych

Co zrobić, żeby student położnictwa, pielęgniarstwa czy kierunku lekarskiego mógł wielokrotnie przećwiczyć sytuację krytyczną, zanim spotka się z nią naprawdę? Jak nauczyć reagowania pod presją czasu, kiedy dostęp do sal symulacyjnych, instruktorów i rzadkich przypadków klinicznych jest ograniczony? Odpowiedzią na te pytania ma być ClinicQBuddy.ai – platforma e-learningowa, której koncepcję merytoryczną zainicjowały i opracowały ekspertki z Uniwersytetu Medycznego we Wrocławiu. 

Pomysł narodził się z bardzo praktycznej obserwacji. Mgr Sylwia Makara-Paciorek, położna i nauczycielka akademicka UMW, dostrzegła, że w kształceniu medycznym jednym z największych wyzwań jest nie tylko nauczenie procedur, ale przygotowanie studentów do ich zastosowania: we właściwym momencie, w odpowiedniej kolejności i pod presją czasu. Student może znać procedurę postępowania, ale dopiero wielokrotne przećwiczenie scenariusza sprawia, że zaczyna reagować pewnie i automatycznie.

Z tej potrzeby zaczęło powstawać rozwiązanie, które pozwala studentom ćwiczyć decyzje kliniczne w wirtualnym środowisku – bez ryzyka dla pacjenta, bez konieczności każdorazowego organizowania fizycznej sali symulacyjnej i bez ograniczeń czasowych. Koncepcję merytoryczną platformy opracowały wspólnie mgr Sylwia Makara-Paciorek, dr Monika Przestrzelska, prof. UMW, i dr hab. Anna Rozensztrauch, prof. UMW z Wydziału Pielęgniarstwa i Położnictwa, łącząc doświadczenie z zakresu położnictwa, symulacji medycznej, dydaktyki klinicznej i neonatologii. Za stworzenie technologicznej strony rozwiązania odpowiada Paweł Paciorek, programista i product manager, prywatnie mąż pomysłodawczyni, którego poprosiła o przełożenie idei na działający system. 

– Zależało nam na tym, żeby student nie tylko wiedział, co należy zrobić, ale potrafił podjąć decyzję wtedy, kiedy naprawdę liczą się sekundy – mówi mgr Sylwia Makara-Paciorek, współtwórczyni ClinicQBuddy.ai. – Dlatego od początku myśleliśmy o narzędziu, do którego można wracać wielokrotnie. W edukacji medycznej powtarzalność ma ogromne znaczenie: to ona pomaga zamienić wiedzę w sprawność działania.

ClinicQBuddy.ai nie sprowadza się do prostego testu ani liniowej sekwencji pytań i odpowiedzi. To platforma symulacyjna, w której student wchodzi w interakcję z wirtualną pacjentką, podejmuje decyzje kliniczne, wykonuje procedury i obserwuje konsekwencje swoich działań. System reaguje dynamicznie: zmieniają się parametry życiowe, przebieg scenariusza, dostępność kolejnych interwencji i informacje zwrotne. Brak decyzji również ma znaczenie – tak jak w realnej sytuacji klinicznej stan pacjentki lub noworodka może się pogarszać, jeśli student nie zareaguje w odpowiednim czasie.

– To nie jest narzędzie do mechanicznego odtwarzania listy czynności – podkreśla dr Monika Przestrzelska, prof. UMW. – W scenariuszu liczy się kolejność, czas reakcji i umiejętność nadania priorytetu temu, co w danym momencie jest klinicznie najważniejsze. Właśnie tego często najtrudniej nauczyć podczas jednorazowego ćwiczenia.

W praktyce student może ćwiczyć m.in. prowadzenie porodu fizjologicznego, resuscytację noworodka, dystocję barkową czy postępowanie w krwotoku poporodowym. Scenariusze przygotowano w oparciu o aktualne standardy postępowania w położnictwie i neonatologii. Platforma została zaprojektowana z myślą o kierunkach medycznych, przede wszystkim położnictwie, pielęgniarstwie i kierunku lekarskim, ale jej potencjał obejmuje również ratownictwo medyczne, centra symulacji, szpitalne działy szkoleń oraz jednostki prowadzące egzaminy kliniczne typu OSCE, sprawdzające praktyczne umiejętności studentów.

Jednym z najważniejszych założeń ClinicQBuddy.ai jest powtarzalność. Student może wracać do tych samych przypadków, analizować błędy i obserwować postęp. W Trybie Nauki otrzymuje natychmiastową informację zwrotną po każdej akcji: widzi, co zrobił prawidłowo, co pominął i dlaczego dana decyzja miała znaczenie. Tryb OSCE działa inaczej – przypomina egzamin kliniczny, jest ograniczony czasowo i pozbawiony podpowiedzi. Dopiero po zakończeniu student otrzymuje ocenę oraz analizę przebiegu sesji.

Wirtualne środowisko nie oznacza przy tym przewidywalnego, „wyuczalnego” scenariusza. Dzięki zastosowaniu sztucznej inteligencji odpowiedzi pacjentki mogą różnić się przy kolejnych podejściach. Student nie uczy się więc gotowego skryptu rozmowy, ale utrwala schemat klinicznego myślenia. W systemie działają trzy niezależne role AI: pacjentka, mentor dydaktyczny oraz egzaminator OSCE.

– W neonatologii szybka decyzja musi iść w parze z jasno określonym sposobem działania – podkreśla dr hab. Anna Rozensztrauch, prof. UMW. – Możliwość wielokrotnego ćwiczenia takich sytuacji w bezpiecznym środowisku może pomóc studentom lepiej przygotować się do momentów, w których liczy się jednocześnie wiedza, opanowanie i sprawność działania.

Dla uczelni medycznych ClinicQBuddy.ai może oznaczać większą dostępność ćwiczeń symulacyjnych i bardziej standaryzowaną ocenę kompetencji. Z platformy może korzystać wielu studentów jednocześnie, przez całą dobę, bez konieczności angażowania instruktora przy każdej sesji. Wykładowca otrzymuje natomiast dostęp do analityki: wyników, historii prób, częstości popełnianych błędów oraz postępów poszczególnych studentów lub grup.

Projekt ClinicQBuddy.ai wkracza obecnie w etap pilotażowego wdrożenia na Uniwersytecie Medycznym we Wrocławiu. Centrum Transferu Technologii UMW prowadzi działania związane z komercjalizacją platformy i poszukiwaniem partnerów do jej wdrożenia na innych uczelniach medycznych oraz w ośrodkach szkoleniowych.

– ClinicQBuddy.ai jest dla nas przykładem rozwiązania, w którym potencjał naukowy i dydaktyczny UMW może zostać przełożony na realne wdrożenie poza uczelnią. Zależy nam, aby platforma rozwijała się we współpracy z partnerami, którzy pomogą wykorzystać ją szerzej w edukacji medycznej i szkoleniach klinicznych – mówi Jakub Sojka, dyrektor Centrum Transferu Technologii UMW.

Twórcy ClinicQBuddy.ai podkreślają, że platforma nie ma zastępować klasycznej symulacji medycznej ani kontaktu z pacjentem. Ma uzupełniać kształcenie tam, gdzie tradycyjny model napotyka ograniczenia: w dostępności, powtarzalności i możliwości pracy we własnym tempie.

Sednem projektu jest stworzenie przestrzeni, w której przyszły medyk może wielokrotnie przećwiczyć trudną sytuację, popełnić błąd bez ryzyka dla pacjenta i wrócić do scenariusza lepiej przygotowany. ClinicQBuddy.ai pokazuje, że innowacja w edukacji medycznej może zaczynać się od bardzo praktycznego pytania: jak uczyć decyzji klinicznych zanim trzeba będzie podejmować je naprawdę?

fot. Tomasz Walów/UMW