ІНТЕГРАЦІЯ ШТУЧНОГО ІНТЕЛЕКТУ В МЕДИЧНУ ОСВІТУ ТА МАЙБУТНЮ ПРАКТИКУ: ДОСВІД, РИЗИКИ ТА БАЧЕННЯ СТУДЕНТІВ
DOI:
https://doi.org/10.11603/m.2414-5998.2026.3.16542Ключові слова:
штучний інтелект; медична освіта; великі мовні моделі (LLM); цифрова грамотність студентів; галюцинації ШІ; клінічне мисленняАнотація
Статтю присвячено дослідженню особливостей, пріоритетних цілей та ризиків інтеграції технологій штучного інтелекту (ШІ) у медичну освіту. У роботі вивчено, як саме майбутні лікарі впроваджують цифрові інструменти у навчання та оцінюють їхню роль у майбутній практиці. Опитування 79 студентів IV та VI курсів Тернопільського національного медичного університету імені І. Я. Горбачевського, які вивчають «Акушерство та гінекологію», виявили парадокс. З одного боку, ШІ став частиною щоденної рутини для 67,1 % опитаних, ще 31,6 % звертаються до нього кілька разів на тиждень. Головною перевагою названо оптимізацію витраченого часу: суттєву економію ресурсу підтвердили 97,5 % респондентів. Проте впровадження має поверхневий характер, оскільки 100 % застосовують текстові мовні моделі загального призначення (ChatGPT, Claude), ігноруючи профільний медичний софт. Експертні асистенти (UpToDate, Glass AI) інтегрують лише 8,9 % опитаних, а програми для генерації зображень – 6,3 %. Установлено, що 83,5 % студентів звертаються до ШІ для пошуку клінічних протоколів; 67,1 % – для підготовки до іспитів КРОК/ОСКІ; 67,1 % – для розв’язання клінічних завдань чи написання історій хвороб, і лише 17,7 % – для перекладу статей. Важливим аспектом став аналіз самооцінки навичок промптингу за 5-бальною шкалою: на 5 балів їх оцінили 12,7 % студентів, на 4 бали – 36,7 %, на 3 бали – 46,8 %, на 2 бали – 3,8 %. Попри високу впевненість, 93,7 % респондентів особисто стикалися з «галюцинаціями» ШІ – генерацією неіснуючих фактів. Майбутні лікарі чітко усвідомлюють ризики деградації клінічного мислення (63,3 %, n = 50), звикання до «легких відповідей» (65,3 %, n = 52) та неусвідомленого засвоєння помилкової інформації (43,0 %, n = 34). Упровадження обов’язкової дисципліни з медичного ШІ повністю підтримали 23,4 % (n = 18) опитаних, активно підтримали із застереженнями 18,2 % (n = 14), а нейтральну позицію зайняли 45,5 % (n = 35). На основі отриманих даних зроблено висновок, що студенти-медики демонструють високу інтенсивність використання ШІ на тлі критичного дефіциту роботи з профільним софтом та високої частоти зіткнень із помилками нейромереж. Результати обґрунтовують необхідність стратегічної трансформації вищої медичної освіти – переходу від ігнорування технології до впровадження системного навчання медичному промптингу, методології верифікації даних та цифрової гігієни для безпечного застосування ШІ в майбутній практичній діяльності.
Посилання
1. Duan, S., Liu, C., Rong, T., Zhao, Y., & Liu, B. (2025). Integrating AI in medical education: a comprehensive study of medical students’ attitudes, concerns, and behavioral intentions. BMC Medical Education, 25 (1), 599. DOI: https://doi.org/10.1186/s12909-025-07177-9 DOI: https://doi.org/10.1186/s12909-025-07177-9
2. Jalali, A., Harbi Houssein, K., & Fotsing, S. (2025). Twelve Practical Tips for Integrating AI Into Medical Education: Tutorial to Support Educators Across Teaching, Research, Administration, and Ethical Domains. JMIR medical education, 11, e81297. DOI: https://doi.org/10.2196/81297 DOI: https://doi.org/10.2196/81297
3. Li, R., & Wu, T. (2025). Evolution of Artificial Intelligence in Medical Education From 2000 to 2024: Bibliometric Analysis. Interactive journal of medical research, 14, e63775. DOI: https://doi.org/10.2196/63775 DOI: https://doi.org/10.2196/63775
4. Li, Q., & Qin, Y. (2023). AI in medical education: Medical student perception, curriculum recommendations and design suggestions. BMC Medical Education, 23 (1), 852. DOI: https://doi.org/10.1186/s12909-023-04700-8:852 DOI: https://doi.org/10.1186/s12909-023-04700-8
5. Mess, S. A., Mackey, A. J., & Yarowsky, D. E. (2025). Artificial Intelligence Scribe and Large Language Model Technology in Healthcare Documentation: Advantages, Limitations, and Recommendations. Plastic and reconstructive surgery. Global open, 13 (1), e6450. DOI: https://doi.org/10.1097/GOX.0000000000006450 DOI: https://doi.org/10.1097/GOX.0000000000006450
6. Ren, Y., Wang, Y., Dong, S., Su, W., Wu,Y., Liang, S., & Yang, X. (2026). Application of Artificial Intelligence in Medical Education: A Systematic and Narrative Review of Pedagogical Potential and Ethical Implications. Advances in medical education and practice, 17, 567190. DOI: https://doi.org/10.2147/AMEP.S567190 DOI: https://doi.org/10.2147/AMEP.S567190
7. Sami, A., Tanveer, F., Sajwani, K., Kiran, N., Javed, M. A., Ozsahin, D. U., Muhammad, K., & Waheed, Y. (2025). Medical students’ attitudes toward AI in education: Perception, effectiveness, and its credibility. BMC Medical Education, 25 (1), 82. DOI: https://doi.org/10.1186/s12909-025-06704-y:82 DOI: https://doi.org/10.1186/s12909-025-06704-y
8. Shaw, K., Henning, M. A., & Webster, C. S. (2025). Artificial Intelligence in Medical Education: a Scoping Review of the Evidence for Efficacy and Future Directions. Medical science educator, 35 (3), 1803–1816. DOI: https://doi.org/10.1007/s40670-025-02373-0 DOI: https://doi.org/10.1007/s40670-025-02373-0
9. Sun, L., Yin, C., Xu, Q., & Zhao, W. (2023). Artificial intelligence for healthcare and medical education: a systematic review. American journal of translational research, 15 (7), 4820–4828.
10. Tierney, A. A., Gayre, G., Hoberman, B., Mattern, B., Ballesca, M., Kipnis, P., Liu, V., & Lee, K. (2024). Ambient artificial intelligence scribes to alleviate the burden of clinical documentation. NEJM Catalyst, 5 (3). DOI: https://doi.org/10.1056/cat.23.0404 DOI: https://doi.org/10.1056/CAT.23.0404
Завантаження
Опубліковано
Номер
Розділ
Ліцензія
Авторське право (c) 2026 Інна Корда

Ця робота ліцензується відповідно до ліцензії Creative Commons Attribution 4.0 International License.







