人工智能辅助神经外科住院医师培训中自适应学习稳定性的扩展纵向验证

《Journal of Surgical Education》：Expanded Longitudinal Validation of Adaptive Learning Stability in AI-Assisted Neurosurgical Residency Training

　　

• •
  自适应学习稳定性降低了胜任力轨迹的变异性。
• •
  AI辅助培训使学员提前十二周达到信任授权等级4。
• •
  纵向验证确认了可重复的教育效果。
• •
  适应性反馈降低了各级住院医士的补习负担。
• •
  胜任力稳定化成为可衡量的教育结果。

章节摘要

引言

基于胜任力的医学教育（CBME）通过将重点从基于时间的 progression 转变为可衡量的专业能力实现，显著改变了外科学科住院医师培训模式。然而，在神经外科教育领域，尽管课程体系、模拟培训和评估系统日趋标准化，胜任力的获取仍存在高度异质性。在相似手术量和教育环境下学习的住院医师经常表现出

研究设计

本前瞻性对照教育研究旨在评估AI增强的复发检查点：知识与技能框架（RCKaS-AI）在神经外科住院医师培训期间的纵向可重复性和稳定性。研究于2025年1月至2026年1月在哈萨克斯坦2个认证神经外科住院医师培训项目中开展。

本研究采用平行组纵向设计，进行4次连续季度评估检查点

主要结局指标

主要结局指标为4个连续季度检查点中信任授权 progression 的纵向稳定性。

次要结局指标

次要结局指标包括平均信任授权评分 progression、达到信任授权等级4的时间、住院医师间变异性的降低、补习频率、教职员工工作负荷，以及预测胜任力轨迹与观察胜任力轨迹之间的预测一致性。

教职员工工作负荷量化为累计教职员工时间（每位住院医师每个季度检查点的小时数）

参与者特征

共有64名神经外科住院医师完成了完整的12个月纵向观察期，包括4次连续季度检查点。研究队列包括32名采用标准RCKaS框架管理的住院医师和32名在AI增强RCKaS-AI系统中培训的住院医师。

两组基线人口统计学和教育特征具有可比性。在博士后年份分布、既往模拟培训经历方面未观察到具有统计学意义的差异，

讨论

本研究评估了AI增强RCKaS框架在12个月神经外科住院医师培训周期中的纵向可重复性和稳健性。主要发现是，在RCKaS-AI环境中管理的住院医师表现出更稳定的胜任力轨迹、更低的住院医师间变异性、更早的向信任授权等级4的 progression，以及更低的补习负担，与在标准RCKaS条件下培训的住院医师相比。重要的是，这些

结论

本扩展纵向验证表明，AI增强RCKaS框架在神经外科住院医师培训期间促进了稳定的胜任力 progression，降低了住院医师间变异性，并更早地实现了实践就绪的信任授权。

这些发现支持适应性学习稳定性（ALS）作为纵向胜任力管理的实用框架，同时保持教职员工对教育决策的监督。

尽管外部多中心验证仍然

科学严谨性与透明度

RCKaS教育数据库自2022年1月起前瞻性维护，作为持续进行的基于胜任力的神经外科教育项目的一部分。数据库包括多个连续住院医师队列的纵向评估数据，并在本次分析开始前即已建立。

为确保方法学透明度，区分整体数据库时期和特定研究观察期至关重要。尽管教育数据库

作者贡献

Baglan Mustafayev和Alina Mustafayeva构思了本研究并负责其总体方向和规划。Baglan Mustafayev起草了手稿，所有作者均提供了意见。Askar Bakhtiyarov和Kuanysh Nikatov开发了计算框架并进行了初步数据分析。Balausa Satylkhan创建了可视化表示，并使用CorelDraw Graphics Suite 2021准备了所有图表。Ali Mustafayev参与了数据库构建和整理、数据处理以及

发表同意书

作者确认，人类研究参与者已提供知情同意，同意发表本文中包含的匿名临床数据和图像。

致谢

作者感谢他们的家人、同事和导师的持续支持。

Baglan Mustafayev | Alina Mustafayeva | Askar Bakhtiyarov | Kuanysh Nikatov | Balausa Satylkhan | Ali Mustafayev