機械学習を用いた医学生におけるアンプロフェッショナリズムな行動に関する予測モデル

2022 年度 実績報告書

• 研究課題/領域番号: 20K10396
• 研究機関: 千葉大学
• 研究代表者: 鋪野 紀好 千葉大学, 大学院医学研究院, 特任准教授 (10624009)
• 研究分担者: 伊藤 彰一 千葉大学, 大学院医学研究院, 教授 (60376374) ; 朝比奈 真由美 千葉大学, 医学部附属病院, 特任教授 (00302547) ; 生坂 政臣 千葉大学, 医学部附属病院, 教授 (20308406) ; 横川 大樹 千葉大学, 医学部附属病院, 特任助教 (80779869) ; 川上 英良 千葉大学, 大学院医学研究院, 教授 (30725338) ; 山崎 慶子 千葉大学, 大学院医学研究院, 講師 (50415329) ; 松本 暢平 千葉大学, 国際未来教育基幹, 助教 (30737755) ; 小野寺 みさき 千葉大学, 大学院医学研究院, 特任助教 (00710542)
• 研究期間 (年度): 2020-04-01 – 2023-03-31
• キーワード: プロフェッショナリズム / 機械学習 / AI / 人工知能

研究実績の概要

本研究では、機械学習を用いて医学生におけるアンプロフェッショナリズムな行動に関する予測モデルの獲得と妥当性の検証、ならびにその要因分析を行うもの である。アンプロフェッショナルな行動を起こすリスクが高い学生を早期に予測し、かつその要因を分析できれば、教育資源を考慮した実行可能性の高い教育支 援が可能となる。さらには、アンプロフェッショナルな行動を防ぐことが可能になり、全国の医学部で展開することで、質を担保した医師育成に貢献すること ができる。研究3年目にあたる2022年度は、1)機会学習の学習フェーズに用いる既知のデータ項目の決定、2)データを分析するための処理、3)データ分析に よる予測モデルの獲得が挙げられる。しかしながら、新型コロナウイルス感染症の流行により、従来通りの研究体制の構築やデータ収集が困難な状況にあり、機 会学習の学習フェーズに用いる既知のデータ項目の決定に進捗が留まってしまった。データ項目については、出席・遅刻、専門職連携能力(CICS29)、医学生の共 感能力 (Jefferson Scale of Empathy)、各種試験成績等の項目など分析データとして使用する。さらに、令和4年度に改訂された医学教育モデル・コア・カリキュラム（令和4年度改訂版）に挙げられているプロフェッショナリズムの要素を扱う。また、データについては医学教育学講座、 総合医療教育研修セ ンター、学生自治会との意見交換を行い、慎重に検討を進めている。