繼續教育積分2分、師資培育積分2分
韌性急診醫學教育:不確定時代下的臨床推理與AI增能學習
1.台灣急診CBME 2.0 發展藍圖:從Milestone 2.0共識邁向EPA雙軌實踐與智慧科技輔助-李振威醫師
本報告旨在發布全國專家共識會議之重要決議,說明台灣急診醫學教育朝向「Milestone 2.0與EPA 2.0」雙軌整合架構發展的新進度。內容解析以Milestone 2.0 為基礎的精實化描述,並說明如何將其作為急診專科訓練的完整藍圖,預計於2026年 8月前定稿。同時,將探討未來五年以EPA 2.0為核心的發展主軸,涵蓋初級住院醫師任務與程序導向評量,並強化兩者間的連結關係。針對實務運作,將介紹EMyWay作為全國建議使用平台的角色,以及透過建立「最小核心資料集(Core Dataset)」來優化回報效率的規劃。最後,將簡述共識會議中關於導入AI技術以降低臨床評量負擔的願景 ,幫助全國急診教師掌握最新的能力導向教育方針,並透過優化後的平台模式,提升臨床評量的品質與信度。
2.擁抱不確定性:急診臨床推理的雙重歷程與決策導航-黃昭硯醫師
在急診醫療的高壓情境中,「不確定性」不應被視為需要消除的缺陷,而是臨床推理不可或缺的本質。本講題旨在引導醫師由被動承受不確定,轉化為主動運用不確定,並將其視為提升診斷精準度與決策品質的關鍵契機。
課程核心以雙重歷程理論(Dual Process Theory)為架構,剖析醫師如何在「系統一」的直覺辨識與「系統二」的分析推理之間進行動態調節,以回應急診場域中頻繁出現的認知偏誤與判斷陷阱。面對VUCA(Volatility、Uncertainty、Complexity、Ambiguity)特徵鮮明的醫療生態,本課程進一步提出「決策導航」的思維模型:透過「前瞻規劃」(forward planning),預先建構病情可能的多重演變路徑;並結合「監測機制」(monitoring),持續整合直覺訊號、臨床徵象與情境線索,動態修正決策方向。
在高認知負荷的臨床環境中,此一導航式思維有助於建立敏捷而具彈性的決策能力,使醫師能在不確定中維持結構化思考與行動一致性。本課程不僅深化臨床推理的理解,更著重於培養醫師在未知與風險並存情境下的心理韌性與風險調適能力,最終目標是在複雜且脆弱的醫療現場中,穩健守護病人安全並優化臨床預後。
3.AI增能醫學教育新進展-劉政亨醫師
隨著生成式人工智慧技術快速發展,醫學教育正迎來嶄新的變革契機。本場次聚焦於生成式 AI 導入醫學教育的實踐面向,剖析教師如何運用 AI工具優化教學設計與即時回饋,以及學生如何藉由AI輔助進行自主學習與臨床推理訓練,實現教與學的雙向增能。此外,本場次亦將提出人工智慧增能模型,從三個核心維度深入探討:一、專業素養:AI 時代下醫學專業人員應具備的數位素養與批判思維;二、認知負荷與上下文管理:AI 如何降低資訊處理負擔,透過上下文管理策略提升學習效率與決策品質;三、共同工作空間與人機協作增能:如何建構人機協作的學習環境,使 AI 成為教育中的智慧夥伴而非取代者。本場次期望結合理論架構與實務案例,為醫學教育工作者提供導入生成式 AI 的具體策略與反思方向。