DOI: https://doi.org/10.1007/s10462-025-11352-1
تاريخ النشر: 2025-08-27
المؤلف: Chiara Natali وآخرون
الموضوع الرئيسي: الذكاء الاصطناعي في الرعاية الصحية والتعليم
نظرة عامة
إن دمج الذكاء الاصطناعي (AI) في الرعاية الصحية يحول الممارسات السريرية، مما يقدم فرصًا لتحسين اتخاذ القرار ومخاطر تدهور المهارات بين المهنيين الطبيين. تستخدم هذه الدراسة مراجعة أدبية مختلطة للتحقيق في الظاهرتين المزدوجتين لتقليص المهارات الناجم عن الذكاء الاصطناعي وكبح تطوير المهارات، مع التركيز على تآكل الخبرة الطبية وتقليل الفرص لاكتساب المهارات بسبب أنظمة دعم القرار المدفوعة بالذكاء الاصطناعي. مستندة إلى الكفاءات الأساسية الموضحة في إطار عمل PACES-MRCPUK، تحدد المراجعة المنهجية نقاط الضعف في المهارات السريرية الأساسية مثل الفحص البدني، والتشخيص التفريقي، والحكم السريري، والتواصل بين الطبيب والمريض. تستكشف المراجعة السردية أيضًا الموضوعات المتعلقة بتفاعل الإنسان مع الذكاء الاصطناعي والآثار الأوسع للذكاء الاصطناعي على المهارات البشرية داخل المنظمات.
تسلط النتائج الضوء على إمكانية حدوث “تفرد ثانٍ”، حيث يمكن أن يؤدي الاعتماد المفرط على الذكاء الاصطناعي إلى فقدان لا يمكن عكسه لبعض المهارات وتضييق فرص التعلم التجريبي للأطباء. تناقش الدراسة أيضًا مفهوم التصلب المعرفي، حيث قد يعزز اعتماد الذكاء الاصطناعي على البيانات التاريخية الأنماط التشخيصية الحالية، مما يحد من الابتكار وإعادة تفسير المعرفة بشكل نقدي. ومع ذلك، تفترض أنه بينما قد تتقلص بعض الكفاءات، يمكن أن تتطور أخرى، مما يبرز أهمية الإشراف وزراعة المهارات التي لا يمكن للذكاء الاصطناعي تكرارها، مثل إدارة المرضى بتعاطف. تدعو المراجعة إلى استراتيجيات للتخفيف من تقليص المهارات، بما في ذلك الاستفادة من الذكاء الاصطناعي كأداة تدريب لتعزيز كفاءات الأطباء. في النهاية، تؤكد الحاجة إلى نهج متوازن لدمج التكنولوجيا يحافظ على الخبرة البشرية والاستقلالية المهنية في الرعاية الصحية، مما يتماشى مع مبادئ الرعاية المتمحورة حول المريض.
مقدمة
تناقش مقدمة هذه الورقة البحثية التهديدات المزدوجة التي تطرحها دمج الذكاء الاصطناعي (AI) في الرعاية الصحية: تقليص المهارات وكبح تطوير المهارات. يشير تقليص المهارات إلى تدهور الكفاءات المكتسبة سابقًا لدى المهنيين الطبيين بسبب تقليل الممارسة والاعتماد على أنظمة الذكاء الاصطناعي، مما يمكن أن يؤدي إلى تقليل القدرة على الحكم السريري المستقل واتخاذ القرار. تتماشى هذه الظاهرة مع مفهوم غاري كلاين لـ “التفرد الثاني”، حيث قد يؤدي التفويض المفرط للذكاء الاصطناعي إلى ضمور المهارات الأساسية، مما يقوض في النهاية جودة رعاية المرضى واستقلالية المهنيين. من ناحية أخرى، يبرز كبح تطوير المهارات قلة الفرص لتطوير مهارات جديدة بين المتدربين، حيث يتناقص تعرضهم لسيناريوهات سريرية معقدة في بيئة تهيمن عليها الذكاء الاصطناعي. يمكن أن يؤدي هذا النقص في المشاركة إلى جيل من الأطباء غير المستعدين للعمل بدون مساعدة الذكاء الاصطناعي، مما يثير القلق بشأن استدامة الخبرة الطبية.
تؤكد المقدمة أيضًا على أهمية الحفاظ على رفاهية المرضى، والتي تشمل الديناميات العلائقية بين الأطباء والمرضى. تثار مخاوف بشأن التآكل المحتمل للمهارات الأخلاقية بين الأطباء والآثار المترتبة على ثقة المرضى وسلامتهم. تشير الدراسات المذكورة إلى أن تقليص المهارات قد يؤدي إلى انخفاض ثقة المرضى وزيادة التحيزات النمطية، مما يعقد عملية التشخيص ويقوض العلاقة الائتمانية الأساسية في الرعاية الصحية. علاوة على ذلك، تناقش الورقة دمج المعرفة التخصصية في نماذج الذكاء الاصطناعي، مما قد يزيد من تقليص المهارات من خلال تقليل دور الخبراء التخصصيين إلى أدوار جمع البيانات بدلاً من إشراكهم كمنشئين مشاركين في تطوير الذكاء الاصطناعي. هذا التحول يعرض للخطر تقليل التفكير النقدي ومهارات اتخاذ القرار بين المهنيين الصحيين، كما يتضح من الدراسات التي تظهر انخفاضًا في دقة التشخيص المرتبطة بالاعتماد المفرط على الأنظمة الآلية. بشكل عام، تضع المقدمة الأساس لفحص نقدي لآثار الذكاء الاصطناعي في الرعاية الصحية، لا سيما فيما يتعلق بالحفاظ على المهارات السريرية وجودة رعاية المرضى.
الطرق
يستخدم الإطار المنهجي لهذه الدراسة نهجًا هجينًا يجمع بين التحليل المنهجي وفقًا لإرشادات تقرير PRISMA مع تركيب سردي لاستكشاف آثار الذكاء الاصطناعي (AI) على المهارات السريرية. تصنف الأبحاث الأدبيات الحالية إلى سبعة مجالات من المهارات السريرية بناءً على امتحان PACES MRCP(UK)، الذي يقيم كفاءات الأطباء المتدربين في المهارات السريرية الأساسية مثل جمع التاريخ، والفحص البدني، واتخاذ القرار. يهدف هذا المنهج المزدوج إلى تحديد وتحليل المخاوف المتعلقة بتقليص المهارات في المجال الطبي، مع معالجة الآثار الأوسع لتفاعلات الإنسان مع الذكاء الاصطناعي والديناميات التنظيمية في الرعاية الصحية.
شملت المراجعة المنهجية بحثًا منظمًا في الأدبيات عبر ثلاثة قواعد بيانات—PubMed وScopus وWeb of Science—باستخدام استعلام شامل يتضمن مصطلحات تتعلق بتقليص المهارات وتطبيقات الذكاء الاصطناعي في الرعاية الصحية. من مجموعة أولية من 60 مصدرًا، تم تضمين 16 مقالًا في النهاية بعد فحص دقيق وتقييمات الأهلية. بالإضافة إلى ذلك، استكشفت المراجعة السردية ظاهرة تقليص المهارات الناجم عن الذكاء الاصطناعي والحواجز أمام تطوير المهارات من وجهات نظر متعددة للمساهمين. تم استخدام استراتيجية بحث تكرارية، مما أدى إلى تضمين 62 مقالًا تناولت تأثير الذكاء الاصطناعي على الخبرة البشرية واتخاذ القرار السريري. تؤكد النتائج على الحاجة إلى نهج متوازن لدمج التكنولوجيا يحافظ على المهارات البشرية الأساسية بينما يعزز ثقافة إعادة تأهيل المهارات داخل المهنة الطبية.
النتائج
حددت المراجعة المنهجية مجموعة متنوعة من المقالات التي تتناول آثار الذكاء الاصطناعي (AI) في الإعدادات الطبية، مع التركيز على مواقف الأطباء وظاهرة تقليص المهارات. تم تصنيف ما مجموعه 17 قلقًا متعلقًا بتقليص المهارات بناءً على إطار عمل PACES، الذي يتضمن كفاءات مثل الفحص البدني والتواصل السريري. من الجدير بالذكر أن 12 من هذه المخاوف تتماشى مع الفئات المعتمدة في PACES، بينما تم تصنيف خمسة مخاوف إضافية في فئات جديدة تم تشكيلها: التشغيلية والخاصة بالذكاء الاصطناعي. تناولت الفئة التشغيلية التأثيرات النظامية للذكاء الاصطناعي على العمل الجماعي، بينما سلطت الفئة الخاصة بالذكاء الاصطناعي الضوء على قضايا مثل تحيز الأتمتة واعتماد الأطباء على مخرجات الذكاء الاصطناعي.
عززت المراجعة السردية النقاش المحيط بتقليص المهارات الناجم عن الذكاء الاصطناعي وتحديات تطوير المهارات في الطب. ظهرت موضوعات رئيسية، بما في ذلك تآكل التفكير النقدي بسبب الاعتماد المفرط على الذكاء الاصطناعي، وتحول الأدوار المهنية، والحاجة إلى مناهج تدريبية معدلة للحفاظ على المهارات الأساسية مع تعزيز معرفة الذكاء الاصطناعي. تم أيضًا الإشارة إلى المخاوف الأخلاقية المتعلقة بالحكم الأخلاقي والمساءلة، جنبًا إلى جنب مع نقاط الضعف الاجتماعية والتقنية التي قد تنشأ من زيادة الاعتماد على أنظمة الذكاء الاصطناعي. تؤكد المراجعة على إمكانية التآزر بين الإنسان والذكاء الاصطناعي، داعيةً إلى دمج مدروس لتقنيات الذكاء الاصطناعي لتعزيز المهارات السريرية والقدرة على التحمل في ممارسات الرعاية الصحية.
المناقشة
تناقش قسم المناقشة في الورقة التفاعل المعقد بين الذكاء الاصطناعي (AI) والكفاءات الطبية، مع تسليط الضوء على كل من مخاطر تقليص المهارات وإمكانية تطوير المهارات بين المهنيين الصحيين. يشكل تقليص المهارات تهديدات كبيرة للفعالية السريرية وسلامة المرضى واستقلالية الأطباء، مما يؤثر بشكل خاص على المهارات الحرجة مثل الحكم السريري، والفحص البدني، والتواصل مع المرضى. يشير المؤلفون إلى أنه بينما يجادل البعض بأن الذكاء الاصطناعي قد يقلل من هذه المهارات—مؤكدين على مبدأ “استخدمه أو افقده”—يقترح آخرون أن الذكاء الاصطناعي يمكن أن يعزز قدرات الأطباء، على غرار الأدوات الطبية التقليدية. ومع ذلك، تظل الأدلة حول تأثير الذكاء الاصطناعي مجزأة وتفتقر إلى التحقيق المنهجي، مما يستدعي جدول أبحاث منظم.
يقترح المؤلفون نهجًا مختلطًا لاستكشاف تقليص المهارات الناجم عن الذكاء الاصطناعي وكبح تطوير المهارات، باستخدام مراجعة أدبية منهجية تتماشى مع إطار عمل PACES-MRCPUK وإرشادات PRISMA. يصنفون نتائجهم إلى بعدين رئيسيين: تفاعل الإنسان مع الذكاء الاصطناعي وتبني الذكاء الاصطناعي ودمجه، مما يشمل جوانب مختلفة من ديناميات الأطباء والذكاء الاصطناعي، والآثار الأخلاقية، والتأثيرات التنظيمية. تؤكد الورقة على الحاجة إلى مفردات متماسكة وإطار بحثي لمعالجة هذه الظواهر بشكل صارم، بهدف حماية المهارات السريرية الأساسية والاستقلالية المهنية في مشهد الرعاية الصحية الذي يزداد اعتمادًا على الذكاء الاصطناعي.
القيود
تسلط القيود في هذه المراجعة حول الذكاء الاصطناعي في الرعاية الصحية الضوء على عدة مجالات حاسمة للبحث المستقبلي. أولاً، قد لا يعكس استخدام إطار عمل PACES، على الرغم من فائدته في تقييم مهارات طلاب الطب في بيئات محكومة، تعقيدات الكفاءات السريرية في السيناريوهات الواقعية بشكل كافٍ. تؤكد هذه القيود على الحاجة إلى دراسات تجريبية تستكشف ديناميات تقليص المهارات، وكبح تطوير المهارات، وإعادة تأهيل المهارات، وتطوير المهارات في سياق الذكاء الاصطناعي الطبي، مما يعزز فهم هذه الظواهر.
ثانيًا، غالبًا ما تتجاوز التطورات السريعة في تقنيات الذكاء الاصطناعي عملية مراجعة الأدبيات، مما يؤدي إلى فجوات محتملة في المعرفة الحالية. بالإضافة إلى ذلك، قد يؤدي تحيز النشر إلى تشويه تمثيل فعالية الذكاء الاصطناعي، مفضلًا التطبيقات الناجحة ومتجاهلاً النتائج الأقل ملاءمة. هذا التحيز يعرض للخطر خلق رؤية متفائلة بشكل مفرط عن الذكاء الاصطناعي في الرعاية الصحية، مما يفوت رؤى حاسمة من النتائج السلبية. للتخفيف من هذه القيود، يقترح المؤلفون جدول أبحاث يركز على موضوعات تقليص المهارات في الطب، بما في ذلك التمييز بين تقليص المهارات وكبح تطوير المهارات، والمراقبة في الوقت الحقيقي لتطبيقات الذكاء الاصطناعي، والدراسات الطولية، واعتماد المناهج النوعية والمختلطة.
DOI: https://doi.org/10.1007/s10462-025-11352-1
Publication Date: 2025-08-27
Author(s): Chiara Natali et al.
Primary Topic: Artificial Intelligence in Healthcare and Education
Overview
The integration of Artificial Intelligence (AI) in healthcare is transforming clinical practices, presenting both opportunities for improved decision-making and risks of skill degradation among medical professionals. This study employs a mixed-method literature review to investigate the dual phenomena of AI-induced deskilling and upskilling inhibition, focusing on the erosion of medical expertise and diminished opportunities for skill acquisition due to AI-driven decision support systems. Grounded in the core competencies outlined by the PACES-MRCPUK framework, the systematic review identifies vulnerabilities in essential clinical skills such as physical examination, differential diagnosis, clinical judgment, and physician-patient communication. The narrative review further explores themes related to Human-AI Interaction and the broader implications of AI on human skills within organizations.
The findings highlight the potential for a “second singularity,” where excessive reliance on AI could lead to irreversible loss of certain skills and a narrowing of clinicians’ experiential learning opportunities. The study also discusses the concept of epistemic sclerosis, where AI’s reliance on historical data may reinforce existing diagnostic patterns, limiting innovation and critical reinterpretation of knowledge. However, it posits that while some competencies may diminish, others could evolve, emphasizing the importance of oversight and the cultivation of skills that AI cannot replicate, such as empathetic patient management. The review advocates for strategies to mitigate deskilling, including leveraging AI as a training tool to enhance clinician competencies. Ultimately, it underscores the need for a balanced approach to technology integration that preserves human expertise and professional autonomy in healthcare, aligning AI’s development with patient-centered care principles.
Introduction
The introduction of this research paper discusses the dual threats posed by the integration of Artificial Intelligence (AI) in healthcare: deskilling and upskilling inhibition. Deskilling refers to the degradation of previously acquired competencies in medical professionals due to reduced practice and reliance on AI systems, which can lead to a diminished capacity for independent clinical judgment and decision-making. This phenomenon aligns with Gary Klein’s concept of the “second singularity,” where over-delegation to AI may result in atrophy of essential skills, ultimately undermining the quality of patient care and professional autonomy. Upskilling inhibition, on the other hand, highlights the suppression of opportunities for developing new skills among trainees, as their exposure to complex clinical scenarios diminishes in an AI-dominated environment. This lack of engagement can lead to a generation of clinicians who are ill-prepared to function without AI assistance, raising concerns about the sustainability of medical expertise.
The introduction also emphasizes the importance of maintaining patient welfare, which encompasses the relational dynamics between clinicians and patients. Concerns are raised regarding the potential erosion of moral skills among physicians and the implications for patient trust and safety. Studies cited indicate that deskilling may lead to decreased patient trust and increased stereotyping, complicating the diagnostic process and undermining the fiduciary relationship essential in healthcare. Furthermore, the paper discusses the incorporation of domain knowledge into AI models, which can exacerbate deskilling by relegating domain experts to data collection roles rather than involving them as co-creators in AI development. This shift risks reducing critical thinking and decision-making skills among healthcare professionals, as evidenced by studies showing declines in diagnostic accuracy linked to over-reliance on automated systems. Overall, the introduction sets the stage for a critical examination of the implications of AI in healthcare, particularly regarding the preservation of clinical skills and the quality of patient care.
Methods
The methodological framework of this study employs a hybrid approach that combines systematic analysis following the PRISMA reporting guidelines with a narrative synthesis to explore the implications of artificial intelligence (AI) on clinical skills. The research categorizes existing literature into seven clinical skill domains based on the PACES MRCP(UK) examination, which assesses trainee doctors’ competencies in essential clinical skills such as history taking, physical examination, and decision-making. This dual methodology aims to identify and analyze concerns related to deskilling in the medical field, while also addressing broader implications for human-AI interactions and organizational dynamics in healthcare.
The systematic review involved a structured literature search across three databases—PubMed, Scopus, and Web of Science—using a comprehensive query that included terms related to deskilling and AI applications in healthcare. From an initial pool of 60 sources, 16 articles were ultimately included after rigorous screening and eligibility assessments. Complementing this, the narrative review explored the phenomenon of AI-induced deskilling and barriers to upskilling from multiple stakeholder perspectives. An iterative search strategy was employed, resulting in the inclusion of 62 articles that addressed the impact of AI on human expertise and clinical decision-making. The findings emphasize the need for a balanced approach to technological integration that preserves essential human skills while fostering a culture of reskilling within the medical profession.
Results
The systematic review identified a diverse range of articles addressing the implications of artificial intelligence (AI) in medical settings, focusing on clinicians’ attitudes and the phenomenon of deskilling. A total of 17 concerns related to deskilling were categorized based on the PACES framework, which includes competencies such as physical examination and clinical communication. Notably, 12 of these concerns aligned with established PACES categories, while five additional concerns were classified into newly formulated categories: operational and AI-specific. The operational category addressed systemic impacts of AI on teamwork, whereas the AI-specific category highlighted issues like automation bias and clinicians’ dependence on AI outputs.
The narrative review further elucidated the discourse surrounding AI-induced deskilling and the challenges of upskilling in medicine. Key themes emerged, including the erosion of critical thinking due to over-reliance on AI, the transformation of professional roles, and the need for revised training curricula to preserve essential skills while promoting AI literacy. Ethical concerns regarding moral judgment and accountability were also noted, alongside socio-technical vulnerabilities that could arise from increased dependency on AI systems. The review emphasizes the potential for human-AI synergy, advocating for thoughtful integration of AI technologies to enhance clinical skills and resilience in healthcare practices.
Discussion
The discussion section of the paper addresses the complex interplay between artificial intelligence (AI) and medical competencies, highlighting both the risks of deskilling and the potential for upskilling among healthcare professionals. Deskilling poses significant threats to clinical effectiveness, patient safety, and physician autonomy, particularly affecting critical skills such as clinical judgment, physical examination, and patient communication. The authors note that while some argue AI may diminish these skills—reinforcing the “use it or lose it” principle—others suggest that AI can augment physician capabilities, similar to traditional medical tools. However, the evidence on AI’s impact remains fragmented and lacks systematic investigation, necessitating a structured research agenda.
The authors propose a mixed-method approach to explore AI-induced deskilling and upskilling inhibition, utilizing a systematic literature review aligned with the PACES-MRCPUK framework and PRISMA guidelines. They categorize their findings into two primary dimensions: Human-AI Interaction and AI Adoption and Integration, encompassing various aspects of clinician-AI dynamics, ethical implications, and organizational impacts. The paper emphasizes the need for a cohesive vocabulary and research framework to address these phenomena rigorously, ultimately aiming to safeguard essential clinical skills and professional autonomy in an increasingly AI-driven healthcare landscape.
Limitations
The limitations of this review on AI in healthcare highlight several critical areas for future research. Firstly, the use of the PACES framework, while beneficial for assessing medical students’ skills in controlled environments, may not adequately reflect the complexities of clinical competencies in real-world scenarios. This limitation underscores the need for empirical studies that explore the dynamics of deskilling, skill inhibition, reskilling, and upskilling in the context of medical AI, which would enhance understanding of these phenomena.
Secondly, the rapid evolution of AI technologies often outpaces the literature review process, leading to potential gaps in current knowledge. Additionally, publication bias may skew the representation of AI’s effectiveness, favoring successful implementations and neglecting less favorable outcomes. This bias risks creating an overly optimistic view of AI in healthcare, thereby missing critical insights from negative results. To mitigate these limitations, the authors propose a research agenda focused on the themes of deskilling in medicine, including the differentiation of deskilling and upskilling inhibition, real-time monitoring of AI applications, longitudinal studies, and the adoption of qualitative and mixed-methods approaches.