二十年前，作为中西部一所医学院眼科住院医师教育主任，我接到了一项新任务：将我们的培训计划从 基于结构的 至 基于能力的医学教育发生了翻天覆地的变化。在此之前，我们的住院医生花了 规定时间 在眼科的某些领域。假设每个住院医生都会学到他们需要的知识 时间块。对住院医师培训计划的进展进行了评估，并通过了书面和口头考试以获得委员会认证，但培训全部基于花在该科目的时间。
当预期系统 临床能力 提出并实施。1999年XNUMX月， 研究生医学教育认可委员会 （ACGME）批准了六项一般 临床能力 所有培训项目都将在教学和评估中使用：
- 病人护理
- 医学知识
- 与专业的态度
- 基于系统的实践
- 基于实践的学习
- 人际关系和沟通技巧
这是一项艰巨的任务。我们必须确定如何设计和测试我们的课程来应对这些领域。虽然这比过去的基于结构的课程有了很大的改进，但也不是没有问题。基本上，它看起来 落后测试个体医生对其在培训中接触到的内容的反应程度。25 年 2014 月 XNUMX 日，这个问题在德克萨斯州达拉斯显现出来。
托马斯·埃里克·邓肯 (Thomas Eric Duncan) 抵达德州健康长老会达拉斯分院，并 被诊断为鼻窦炎后回家。 不幸的是，真正的诊断结果是埃博拉病毒。尽管是一系列错误让这场疫情从危险升级为灾难（詹姆斯·里森的“瑞士奶酪”模型），更一般地讲，它表明 仅凭能力 并未确保 能力。
能力是面向未来的，而不仅仅是面向过去。它是利用过去的学习来解决未来问题的能力。在复杂性理论中，它允许个人处理 未知的未知 复杂域的 Cynefin 框架 斯诺登和布恩。在这个框架中，许多项目用于确定情况发生的领域：简单、复杂、复杂、混乱或未知。其中一个测试是因果关系。
在简单领域中，每个人都能看到这种关系。在复杂领域中，只有专家才能看到它。在混乱领域中，因果不再相关。在复杂领域中，它们仍然相关，但这种关系只能事后才能体会：所谓的 回顾性连贯性。 想象一下数独游戏。解答起来可能很有挑战性，但解开谜题后，几秒钟内就可以检查答案。另一个测试是 Stacey 图，其中一致程度和结果确定性以二维图的形式绘制（改编自 Zimmerman B、Lindberg C、Plsek P. Edgeware： 复杂性科学给医疗领导者的启示. 德克萨斯州欧文市：VHA 出版社；2008 年；136–143。）：
1955 年，约瑟夫·卢夫特 (Joseph Luft) 和哈林顿·英厄姆 (Harrington Ingham) 将此描述为 乔哈里视窗 这是他们名字的玩笑。这是个人冒险进入未知领域的领域，专家们也帮不上什么忙，因为 他们也不知道。 令人恐惧，但情况绝非无望！不过，这确实需要一套不同的工具。可预测性范围很短，直到最终找到解决方案时才会理解因果关系。多重 安全失败 动作（而不是一个 故障安全 计划）是必需的。简而言之， 能力 是需要的！
In 复杂系统的能力：超越能力, Stewart Hase 和 Boon Hou Tay 讨论了 1980 世纪 XNUMX 年代“能力运动”的起源，当时英国工业界正在利用这一运动在日益萎缩的市场中竞争。能力是处理线性、理性系统的最低标准。然而，要在复杂领域（乔哈里视窗中的“未知的未知”窗格）取得成功，就需要一套新的工具。能力成为必不可少的组成部分。
为了培养能力，需要两个要素：1）终身学习的承诺；2）愿意利用 行为研究。 该行动研究需要执行斯诺登和布恩描述的多个安全失败试点项目以及 小赌注 彼得·西姆斯 (Peter Sims) 著。
这正是一些有远见的人在应对新冠病毒时所做的事情，比如 Derwand、Scholz 和 Zelenko, 麦卡洛、亚历山大、阿姆斯特朗、 等, 泰森和法里德, 科里、梅杜里、瓦隆、 等 等等。不幸的是，似乎有人齐心协力掩盖了这些信息的广泛传播。否则，许多人的生命可能会被拯救。总有一天，人们会认识到，没有认识到 Covid 发生在复杂域中造成的损害的真正范围。
许多人将人工智能吹捧为现代医学的救星。这导致了 关于这个主题的文章很多. 其中一些 这些来自可能对广泛采用这种模式有重大经济利益的组织。毫无疑问，人工智能将在未来医疗保健中发挥重要作用，但重要的是，不仅医疗专业人员，而且患者也应该了解其真正的效用和局限性。尤其令人不安的是，人工智能越来越有能力 欺骗人类.
我曾担任美国眼科整形和重建外科协会的教育部长。我们负责监督美国和加拿大的所有培训项目。几十年来，我们制定了一套完善的课程，并制定了对学员的教育要求。学员必须撰写一篇被接受的论文，并通过书面和口头考试，才能获得该协会的会员资格。
等到其他申请者进入口试阶段时，他们基本上已经被判定为有能力。当我进行口试时，我只是在寻找那些非常罕见的、不知何故没有培养责任感的人——一个可能很危险的人。我会问几个问题，最后找到那些真正没有答案的问题。这些问题要么超出了考生的经验，要么是悬而未决的问题。我希望考生说“我不知道”，然后我会询问他们下一步会怎么做。那时我还不明白 只是复杂 和 确实很复杂。 我让一个人失望了（实际上他可能是唯一一个这样的人），他坚称自己知道一个当时无法回答的问题的答案。
我担心人工智能可能会以同样的方式行事，但规模要大得多。如果它不知道答案，它就会“假装”。
Melanie Mitchell 和 David Krakauer 的 圣菲学院 是人工智能领域的真正专家。他们认为人工智能更像是 广泛的图书馆 而不是具有真正智能的实体。人工智能缺乏对 上下文我觉得是梅兰妮说的： 它也许能在国际象棋上打败你，但却无法完成学前教育。
马克怪癖, 特丽莎·格林哈尔, 马尔科姆·格拉德威尔及 丹尼尔·卡尼曼 所有这些都描述了元认知和直觉之间的相互作用，尽管它们可能用略有不同的名字来称呼它。元认知和“基于证据”可能在复杂的领域中非常有效，但当问题真正复杂时，直觉或“快速思考”可能会发挥作用。更令人困惑的是，问题的一部分可能很复杂甚至简单，而另一部分则很复杂。困难在于找出需要哪些工具以及何时使用它们。
显然，医学与学术、政治和商业一样，未能满足社会需求。 “道德大崩溃” 过去四年来，我们一直在寻找导致这一结果的原因。我们还需要很长时间才能找到原因，但最重要的原因就是所有这些领域的领导能力完全失败。 刊文 哈佛大学陈曾熙公共卫生学院的 Leonard J. Markus 和 Eric J. McNulty 所著的论文部分正确，他们引用了 需要领导者准备好接受复杂性，在巨大的模糊性中做出艰难的决定，并优先考虑个人和组织的韧性。然而，作者未能解决过去领导模式的不足之处，事实上，几乎所有现任领导者，至少在医疗保健领域，从未接受过他们推荐的方法的培训！他们有可能以某种方式“改变”现在做正确的事情吗？
为了在医学和公共卫生实践方式上做出实质性改变，必须从根本上改革医学和公共卫生教育。这与 1910 年的弗莱克斯纳报告的理由相同。尽管受到相当多的修正主义思想的影响，但毫无疑问，这份报告彻底改变了医学教育，使其与欧洲的大学模式保持一致。它极大地改善了处理传染病的复杂问题，但代价是 复杂 慢性病问题。它改变了医学 改善健康 至 治疗疾病。
新的改革必须确保进入医疗行业并在该行业内晋升的人认识到，虽然 STEM 学科的设施是必要的，但这远远不足以防止过去四年的灾难。批判性思维、勇气、道德和道德责任必须得到同样高度重视。还必须进行正式的领导力培训。医疗专业人士必须将自己视为患者的领导者，而不仅仅是疾病的治疗者。这太过分了，无法压缩到 4 年的专业学校中，必须尽早开始，最好是在中学甚至初中。
讽刺的是，这个问题早在近四分之一世纪前就已经得到了解决。 英国医学杂志. 在关于医疗保健复杂性的四部分系列文章的最后一部分中，Sarah Frazer 和 Trisha Greenhalgh 描述了医学教育需要做出哪些改变才能实现对能力的必要关注。这篇文章内容丰富，不可能全部重现。这只是其中的一部分：
“清单驱动”的临床护理方法（如批判性评估、临床指南、护理路径等）非常重要，而且无疑可以挽救生命。但人们常常忽视的是，这些方法只有在理解了问题之后才有用。对于医生来说，要理解问题，首先需要直觉和想象力——令人欣慰的是，在这两种属性上，人类仍然比计算机更有优势。21 利用复杂系统的洞察力进行的教育有助于建立这些独特的人类能力……
成年人需要知道为什么他们需要学习某些东西，并且当主题具有直接的价值和相关性时，他们的学习效果最好。23 在不断变化的环境中尤其如此，因为能力涉及个人解决问题的能力——评估整体情况、确定问题的优先次序，然后整合和理解许多不同来源的数据以得出解决方案。因此，在复杂环境中解决问题涉及类似于创造性行为的认知过程。24 这些观察结果与当前卫生专业人员继续教育的方法截然相反，目前的继续教育主要侧重于有计划的正式活动，并具有严格定义、以内容为导向的学习目标。
有迹象表明医学教育方向的这种转变是值得的吗？幸运的是，有迹象表明。在两个截然不同的地方，对培养能力的关注产生了重大而 可测量的 差异。 文化瑞典延雪平市的一项强调能力的创新方法，显著提高了医疗保健的多个参数质量。 努卡 护理系统为阿拉斯加的 Southcentral 基金会做了同样的事情，赢得了 2 个非常有声望的 博尔德里奇奖 质量。
这将是一个巨大的挑战，因为那些用一生的时间攀登到职业巅峰的人不会默默地离开。但这两个组织的经验证明这是可以做到的，而且结果令人惊叹。
发表于 知识共享署名4.0国际许可
如需转载，请将规范链接设置回原始链接 褐石研究所 文章和作者。
