ปัจจัยที่มีผลต่อคะแนนสมรรถนะของนักศึกษาแพทย์ในการสืบค้นหลักการดูแลรักษาผู้ป่วยภาวะฉุกเฉิน โดยใช้ ChatGPT
บทคัดย่อ
ปัจจัยที่มีผลต่อคะแนนสมรรถนะของนักศึกษาแพทย์ในการสืบค้นหลักการดูแลรักษาผู้ป่วยภาวะฉุกเฉิน โดยใช้ ChatGPT ศูนย์แพทยศาสตรศึกษาชั้นคลินิก โรงพยาบาลยะลา
สาธญา บุรี พ.บ., ว.ว.เวชศาสตร์ฉุกเฉิน
กลุ่มงานอุบัติเหตุและฉุกเฉิน โรงพยาบาลยะลา
ศูนย์แพทย์ศาสตรศึกษาชั้นคลินิก โรงพยาบาลยะลา
บทคัดย่อ
หลักการและเหตุผล: ปัจจุบันปัญญาประดิษฐ์ (AI) เข้ามามีบทบาทสำคัญในการเพิ่มประสิทธิภาพการศึกษาแพทยศาสตร์และการตัดสินใจทางคลินิก โดยเฉพาะในงานเวชศาสตร์ฉุกเฉินที่ต้องการความรวดเร็วและแม่นยำ การศึกษานี้จึงมีวัตถุประสงค์เพื่อศึกษาปัจจัยที่มีผลต่อสมรรถนะของนักศึกษาแพทย์ในการใช้ ChatGPT เพื่อสืบค้นหลักการดูแลรักษาผู้ป่วยภาวะฉุกเฉิน
วิธีการศึกษา: กลุ่มตัวอย่างคือนักศึกษาแพทย์ชั้นปีที่ 4-6 จำนวน 55 คน ณ ศูนย์แพทยศาสตรศึกษาชั้นคลินิก โรงพยาบาลยะลา ผู้วิจัยให้นักศึกษาใช้ ChatGPT สืบค้นข้อมูลเพื่อตอบโจทย์สถานการณ์จำลองทางคลินิก (Clinical Scenarios) ที่มีความหลากหลาย วิเคราะห์ข้อมูลด้วยสถิติเชิงพรรณนา การทดสอบ t-test, ANOVA และแบบสอบถามความคิดเห็น
ผลการศึกษา: ปัจจัยส่วนบุคคล ได้แก่ เพศ ระดับชั้นปี เกรดเฉลี่ย (GPA) และประสบการณ์การใช้ ChatGPT ไม่มีผลต่อคะแนนสมรรถนะในการสืบค้นอย่างมีนัยสำคัญ อย่างไรก็ตาม พบว่า ปริมาณและความสมบูรณ์ของข้อมูลในโจทย์สถานการณ์ มีผลต่อคะแนนสมรรถนะอย่างมีนัยสำคัญทางสถิติ (p<0.001) กล่าวคือโจทย์ที่มีข้อมูลครบถ้วนนำไปสู่คำตอบที่ถูกต้องมากกว่า นอกจากนี้กลุ่มตัวอย่างเห็นว่า ChatGPT มีประโยชน์ในการสนับสนุนการตัดสินใจและการจัดการเรียนการสอนทางการแพทย์อย่างมีนัยสำคัญ (p<0.05)
สรุปผล: ChatGPT เป็นเครื่องมือที่มีประสิทธิภาพในการลดช่องว่างด้านความรู้และประสบการณ์ของนักศึกษาแพทย์ โดยช่วยให้ผู้เรียนที่มีพื้นฐานต่างกันสามารถสืบค้นข้อมูลได้ในระดับใกล้เคียงกัน แต่ประสิทธิภาพดังกล่าวขึ้นอยู่กับความเพียงพอของข้อมูลนำเข้า (Input Data) เป็นสำคัญ จึงควรส่งเสริมการใช้งานอย่างถูกวิธีเพื่อเป็นสื่อในการเรียนรู้และการตัดสินใจทางคลินิก
คำสำคัญ: ChatGPT, AI, Medical education, dicison making, problem solving
เอกสารอ้างอิง
เอกสารอ้างอิง
Kung TH, Cheatham M, Medenilla A, et al. Performance of ChatGPT on USMLE: Potential for AI-assisted medical education using large language models. PLOS Digit Health. 2023;2(2):e0000198. Available from: https://doi.org/10.1371/journal.pdig.0000198
Gilson A, Safranek CW, Huang T, et al. How Does ChatGPT Perform on the United States Medical Licensing Examination? The Implications for Medical Education. JMIR Med Educ. 2023;9:e45312. Available from: https://doi.org/10.2196/45312
Strong E, DiGiammarino A, Weng Y, et al. Chatbot vs Medical Student Performance on Free-Response Clinical Reasoning Examinations. JAMA Intern Med. 2023;183(11):1228-1230. Available from: https://doi.org/10.1001/jamainternmed.2023.2909
Hosseini M, Gao CA, Liebovitz DM, et al. An Exploratory Study on the Performance of ChatGPT in Answering Clinical Questions: The Importance of Prompt Engineering. J Med Syst. 2023;47(1):116. Available from: https://doi.org/10.1007/s10916-023-01968-3
Thawillarp S. Generative AI, ChatGPT and Medicine. PSU Med J. 2023;3(2):63-67. Available from: https://he01.tci-thaijo.org/index.php/PSUMJ/article/view/259047
Rao A, Pang M, Kim J, et al. Assessing the Utility of ChatGPT Throughout the Entire Clinical Workflow: Development and Usability Study. J Med Internet Res. 2023;25:e48659. Available from: https://doi.org/10.2196/48659
Sallam M. ChatGPT Utility in Healthcare Education, Research, and Practice: Systematic Review on the Promising Perspectives and Valid Concerns. Healthcare (Basel). 2023;11(6):887. Available from: https://doi.org/10.3390/healthcare11060887
Khorsand A, Khosravi B. Diagnostic Accuracy of ChatGPT for Patients' Triage: A Systematic Review and Meta-Analysis. Arch Acad Emerg Med. 2024;12(1):e15. Available from: https://doi.org/10.22037/aaem.v12i1.2384
Dahmen J, Mewes P, Berres M, et al. Artificial Intelligence in Medical Education: The Student Perspective. Med Educ Online. 2023;28(1):2239729. Available from: https://doi.org/10.1080/10872981.2023.2239729
Masters K. Ethical use of Artificial Intelligence in Health Professions Education: AMEE Guide No. 158. Med Teach. 2023;45(6):574-584. Available from: https://doi.org/10.1080/0142159X.2023.2186203
Sit C, Srinivasan R, Amlani A, et al. Attitudes and perceptions of UK medical students towards artificial intelligence and radiology: a multicentre survey. Insights Imaging. 2020;11(1):14. Available from: https://doi.org/10.1186/s13244-020-00830-7
ดาวน์โหลด
เผยแพร่แล้ว
ฉบับ
ประเภทบทความ
สัญญาอนุญาต
ลิขสิทธิ์ (c) 2026 วารสารแพทยศาสตรศึกษาสำหรับบุคลากรทางการแพทย์

อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความที่ตีพิมพ์ในวารสารแพทยศาสตรศึกษาสำหรับบุคลากรทางการแพทย์ (การศึกษาวิชาชีพทางการแพทย์และสาธารณสุข) เป็นลิขสิทธิ์ของสำนักส่งเสริม สนับสนุนการผลิต พัฒนาแพทย์ และบุคลากรทางการแพทย์
