Исследование ClinCaseQuest выявило три ключевых направления развития медицинского образования: психологическую безопасность, анализ клинического мышления и AI-аналитику симуляций.

Осенью 2025 года на базе симуляционной платформы ClinCaseQuest было проведено масштабное мультицентровое и мультикультурное образовательное исследование.

В исследовании приняли участие студенты-медики из разных стран, а его реализация осуществлялась в сотрудничестве с Киевским медицинским университетом и Буковинским государственным медицинским университетом, объединив преподавателей, исследователей и экспертов в области медицинской симуляции.

Первые результаты этой работы были представлены на VI Международной научно-практической конференции “Medical Simulation: A Look into the Future”, организованной Буковинским государственным медицинским университетом.

В ходе исследования были выявлены три ключевых научных и технологических направления, возникших на основе симуляционной среды ClinCaseQuest.

1. Психологическая безопасность в симуляционном обучении

Исследование под руководством Ирины Авраменко и Марии Ярцевой продемонстрировало психоэмоциональное влияние симуляций, построенных на модели дефрагментированного дебрифинга (Defragmented Debriefing Model, DDM).

Результаты показали:

• снижение уровня ситуативной тревожности на 13,2% (p < 0,05)
• у 45% студентов наблюдалось снижение тревожности после симуляционного тренинга
• не было зафиксировано ни одного случая клинически значимого повышения тревожности

Эти результаты подтверждают, что психологическая безопасность в симуляционном обучении может быть не только условием обучения, но и результатом образовательного дизайна.

Модель дефрагментированного дебрифинга, интегрированная в симуляции ClinCaseQuest, распределяет рефлексивные микро-интервенции на протяжении всего сценария, позволяя студентам постепенно осмысливать свои решения и ошибки.

Такой подход помогает стабилизировать эмоциональные реакции и одновременно способствует развитию клинического мышления.

2. Attempt-Based Analysis клинического мышления

Второе направление исследования было представлено к.мед.н. Татьяной Антофийчук и посвящено анализу клинического мышления с помощью метода Attempt-Based Analysis.

Исследование выявило важное наблюдение:

Даже когда 100% студентов приходят к правильному окончательному диагнозу, их пути клинического мышления могут значительно различаться.

Анализ попыток показал, что:

• студентам в среднем требуется 2,3 попытки для принятия ключевого клинического решения
• существуют различные типы клинического мышления — от структурированного экспертного до метода «проб и ошибок»
• были выявлены системные зоны обучения, включая ошибки в оценке тяжести состояния, последовательности решений ACLS и интерпретации ЭКГ.

Этот подход переносит фокус с вопроса «какое решение было принято» на «каким образом было принято это решение».

3. AI-анализ логов симуляционных сценариев

Третье направление возникло непосредственно из технической архитектуры симуляций ClinCaseQuest.

Поскольку платформа использует разветвлённые клинические сценарии, каждое действие студента формирует подробный лог процесса клинического мышления.

Это открыло новое технологическое направление:

AI-анализ логов разветвлённых симуляционных сценариев.

Использование искусственного интеллекта позволяет преобразовывать большие массивы данных симуляционного обучения в:

• структурированную аналитику клинического мышления
• выявление паттернов принятия решений
• масштабируемую оценку результатов обучения.

Это направление станет основой будущего аналитического модуля платформы ClinCaseQuest, который позволит преподавателям глубже анализировать процессы клинического мышления во время симуляционного обучения.

Взгляд в будущее

То, что начиналось как образовательный эксперимент, постепенно превратилось в многомерную научную программу, объединяющую:

• педагогику симуляционного обучения
• исследования психологической безопасности
• аналитику клинического мышления
• технологии искусственного интеллекта.

В совокупности эти направления формируют будущее медицинского образования, основанного на данных.

Команда ClinCaseQuest выражает искреннюю благодарность всем исследователям, преподавателям и студентам, которые приняли участие в этом проекте и внесли вклад в развитие новых подходов к обучению клиническому мышлению и повышению безопасности медицинской помощи.

Зарегистрируйтесь на нашем сайте прямо сейчас, чтобы иметь доступ к большему количеству обучающих материалов!

Зарегистрироваться

Подписаться на наши страницы:

• Facebook
• Telegram
• Instagram
• YouTube
• Pinterest