Hinweis: Die Inhalte auf dieser Seite wurden teilweise von KI generiert und können Fehler enthalten.
📚 Student Voices Die Studierenden stehen im Zentrum der Anwendung, indem sie durch die Carina-App die psychologischen Hürden des „Kaltstarts in der Klinik“ überwinden und in einem risikofreien Raum diagnostische Fehler ohne soziale Hemmungen trainieren. In der anstehenden Evaluation mit 300 Studierenden wird ihr direktes Feedback genutzt, um die Balance zwischen motivierender Begleitung und prägnanter Fehlerkorrektur im KI-Feedback zu optimieren.
„Ich möchte diesem Problem einen Namen geben. Nämlich den Kaltstart in der Klinik. Der Sprung vom Patienten vom vom Hörsaal ans Patientenbett fühlt sich meist plötzlich und unvermittelt an.“
„Es soll Raum, ein Umfeld gegeben werden, in dem Fehler erlaubt sind und keine Konsequenzen drohen.“
„Das Potenzial von diesen KIs und Sprachfenstern liegt nicht etwa in diesem KI Chatfenster im Vordergrund, sondern vielmehr in streng qualitätsgesicherten Anwendungen im Hintergrund.“
Der Vortrag thematisiert die Herausforderungen von Medizinstudierenden beim Übergang von theoretischem Wissen in die klinische Praxis. Insbesondere der „Kaltstart in der Klinik“ – der plötzliche Wechsel vom Hörsaal ans Patientenbett – führt zu Unsicherheiten und psychologischem Druck. Fehlende geschützte Übungsräume und Zeitmangel im Klinikalltag erschweren das Training klinischer Entscheidungen. Die vorgestellte Carina-App nutzt Large Language Models (LLMs), um einen digitalen „Safe Space“ zu schaffen, in dem Studierende risikofrei diagnostische Fähigkeiten trainieren und individuelles Feedback erhalten können.
Die Carina-App bietet einen innovativen Ansatz, um Medizinstudierende durch KI-gestützte Simulationen auf den Klinikalltag vorzubereiten. Durch Leitplanken und dynamische Rollenwechsel der KI wird ein geschützter Lernraum geschaffen, der Fehler erlaubt und individuelles Feedback ermöglicht. Handlungsempfehlungen:
Ausblick: Die App hat das Potenzial, die medizinische Ausbildung nachhaltig zu verbessern, sofern sie kontinuierlich evaluiert und an die Bedürfnisse von Studierenden und Lehrenden angepasst wird.
Aktuell ist die App als risikofreier 'Safe Space' ohne Zeitdruck konzipiert, um Fehler ohne Konsequenzen zu erlauben. Die Implementierung eines Timers als zusätzliches Level für fortgeschrittene Nutzer ist jedoch als zukünftige Erweiterung geplant.
Dies wird als interessante Möglichkeit zur Steigerung der Realitätsnähe betrachtet. Die technische Umsetzung müsste über ein Speech-to-Text-Modul erfolgen.
Es geht um eine höhere Prägnanz und Eindeutigkeit bei offensichtlichen Fehlern, wie etwa unnötiger Strahlenbelastung durch ein CT. Ziel ist es, die Leitplanken so zu definieren, dass Fehler klar als solche gekennzeichnet werden, ohne dabei demotivierend zu wirken.
Geplant ist eine Evaluation durch etwa 300 Studierende im 6. und 8. Semester sowie eine didaktische Bewertung durch Fachärzte. Zudem wird ein 'S-Wert-Tool' entwickelt, um die Konsistenz des KI-Feedbacks zu messen.
| Begriff | Definition |
|---|---|
| Carina-App | Ein digitaler Simulator auf Basis von Large Language Models, der Medizinstudierenden einen geschützten Raum zum Training klinischer Entscheidungen und Patientengespräche bietet. |
| Kaltstart in der Klinik | Die Herausforderung für Studierende beim abrupten Übergang von strukturiertem theoretischem Wissen im Hörsaal zur unstrukturierten Komplexität der realen Patientenversorgung. |
| Safe Space | Eine risikofreie Lernumgebung, in der Studierende diagnostische Fähigkeiten trainieren und Fehler ohne Gefährdung von Patienten machen können. |
| Konservatives Triagierungsverhalten | Ein Muster von KI-Modellen, bei dem aus übermäßiger Vorsicht selbst bei harmlosen Symptomen eine sofortige ärztliche Abklärung empfohlen wird. |
| System-Prompting | Die Definition strikter Vorgaben und Leitplanken für die KI, um beispielsweise die Emulation eines spezifischen Krankheitsbildes zu steuern und Halluzinationen zu verhindern. |
| Rollenemulation | Die Fähigkeit der KI, dynamisch zwischen verschiedenen Identitäten zu wechseln, etwa von einem Patienten mit spezifischen Charakterzügen hin zu einem klinischen Mentor. |
| Vibe Coding | Die im Vortrag erwähnte Methode der Programmierung, mit der die Carina-App entwickelt wurde. |
| S-Wert-Tool | Ein geplantes Instrument zur Messung der Konsistenz des KI-generierten Feedbacks bei identischen Benutzereingaben. |
mindmap
root)KI im geschützten Lernraum für klinische Entscheidungen(
["Problemstellung: Kaltstart in der Klinik"]
["Theorie vs. Praxis: Überforderung"]
["Ressourcenmangel: Zeit für Feedback"]
["Psychologische Barrieren: Angst vor Fehlern"]
["Lösungsansatz: Carina-App"]
["Klinischer Workflow: Anamnese bis Therapie"]
["Dynamischer Rollenwechsel: Patient & Mentor"]
["Labormodul: Aktive Parameterauswahl"]
["Technische Umsetzung: LLMs mit Leitplanken"]
["System-Prompting: Strikte Vorgaben"]
["Modellauswahl: GPT-4o mini & GPT-4.1"]
["Datenbank: Supabase für Feedback"]
["Herausforderungen & Weiterentwicklung"]
["Feedback-Feinabstimmung: Motivierend vs. prägnant"]
["Evaluation: Testphase mit 300 Studierenden"]
["Erweiterungen: Zeitdruck & Spracherkennung"]
["Grenzen & Diskussion"]
["Ethische Fragen: Feedback-Härte"]
["Technische Limitationen: Inkonsistenz der KI"]
["Datenschutz: Anonymisierung"]
["Fazit & Handlungsempfehlungen"]
["Integration in Lehrplan"]
["Weiterentwicklung Feedback-Algorithmus"]
["Nutzung als ergänzendes Training"]