Abstract
The article reveals the dichotomy of artificial intelligence influence on the formation of clinical thinking in future physicians. It is experimentally confirmed that 67.5% of medical students spontaneously use AI in their studies, and 47% demonstrate uncritical algorithmic trust. The necessity of transition from the traditional model of analytical-reflexive competence formation to the ARC-AI model, which includes verification competence, prompt engineering and ethical reflection, is substantiated.

Key words: analytical-reflexive competence, artificial intelligence, clinical thinking, digital healthcare, professional training, medical education, pedagogical strategies.

----------------

Современное здравоохранение переживает фундаментальную трансформацию, связанную с интеграцией систем искусственного интеллекта (ИИ) в диагностические и лечебные процессы. Согласно данным Всемирной организации здравоохранения, в 64% стран Европейского региона ИИ уже используется для диагностики [1, 2]. Технологии компьютерного зрения и системы поддержки принятия решений становятся неотъемлемыми элементами рабочего процесса врача [3 - 6]. Эта новая реальность ставит перед системой высшего медицинского образования беспрецедентные вызовы.

Данные последних исследований демонстрируют неоднозначную картину: с одной стороны, ИИ способен брать на себя рутинные операции, освобождая когнитивные ресурсы врача; с другой — зафиксированы случаи снижения эффективности выявления патологий врачами после перехода от работы с ИИ-ассистентами к стандартным процедурам [7]. Это напрямую касается процесса профессиональной подготовки: если студент привыкает полагаться на ИИ на этапе обучения, не развивая собственные перцептивные и аналитические навыки, мы рискуем получить специалиста, неспособного работать без «цифровых костылей».

В предшествующих исследованиях нами была разработана и обоснована структура аналитико-рефлексивной компетентности (АРК) будущего врача, включающая мотивационный, когнитивный и деятельностный компоненты, а также технология ее формирования [8, 9]. Однако стремительное внедрение ИИ в медицинскую практику ставит вопрос о пересмотре самой педагогической модели. Дискуссия в профессиональном сообществе смещается от оценки «пользы или вреда» ИИ к пониманию того, что меняется суть профессионального мышления [10, с. 225], а значит, должны измениться и способы его формирования.

Проведенный анализ литературы и практики образования позволил выделить два разнонаправленных вектора влияния систем ИИ на формирование аналитико-рефлексивной компетентности (АРК) в процессе обучения. Для наглядности представим сравнение традиционной модели формирования АРК (Минакова О.В.) и трансформированной модели формирования АРК средствами ИИ (АРК-ИИ) в Таблице 1.

Таблица 1

Сравнительный анализ компонентов АРК как целей формирования в традиционной и трансформированной (АРК-ИИ) педагогических моделях

Представленная таблица демонстрирует, что традиционная трехкомпонентная структура целей формирования АРК сохраняется, но каждая группа целей обогащается новым содержанием, напрямую вытекающим из необходимости подготовки студента к жизни и работе в цифровой среде.

Для верификации теоретических выводов был проведен опрос среди студентов-медиков, который показал высокий уровень стихийного проникновения ИИ в образовательный процесс:

• 67,5% (216 чел.) используют инструменты ИИ (ChatGPT, YandexGPT и др.) для выполнения учебных заданий. Студенты младших курсов используют ИИ чаще (73%), чем студенты старших курсов (62%), что свидетельствует о «цифровом разрыве» между поколениями студентов и существующими образовательными программами.
  
  
• 81% (259 чел.) считают, что использование ИИ в медицине требует специальных этических правил и обучения, что является прямым запросом к системе профессиональной подготовки.

Анализ целей использования показал, что 41% студентов применяет ИИ для решения клинических задач, то есть для задач, направленных на формирование профессионального мышления. Это подтверждает, что ИИ уже стал неявным, но активным участником образовательного процесса, что требует его педагогической легитимации и управления.

Студентам был предложен клинический кейс с неоднозначными симптомами, где ИИ-версия содержала намеренную ошибку («галлюцинацию»).

В результате:

• 47% (150 чел.) выбрали ошибочную версию ИИ, не заметив или проигнорировав ошибку.
  
  
• 53% (170 чел.) усомнились в ответе ИИ или выбрали собственную версию.

Эти данные демонстрируют высокий уровень некритичного алгоритмического доверия у почти половины студентов. Это напрямую указывает на дефицит сформированности верификационной компетенции и ставит задачу ее целенаправленного формирования в процессе обучения как одного из ключевых элементов АРК-ИИ.

На основе теоретического анализа и экспериментальных данных нами конкретизированы новые направления педагогической работы по формированию АРК:

1. Формирование верификационной компетенции. Генеративные модели склонны к «галлюцинациям» [12]. Эксперимент показал, что 47% студентов доверяют ошибочным данным. Педагогическая задача — научить будущего врача не просто принимать информацию, а проверять ее достоверность, сопоставлять с данными доказательной медицины. Это требует внедрения в учебный процесс специальных заданий на поиск и анализ ошибок ИИ.
   
   
2. Обучение промпт-инжинирингу (эффективной коммуникации с ИИ). Как справедливо отмечает Р. Бузунов, «правильный ответ начинается с правильного вопроса» [13]. Умение структурировать клиническую информацию для получения адекватного ответа от ИИ — новый навык, которому необходимо обучать. Результаты опроса подтверждают, что студенты осознают потребность в таком навыке.
   
   
3. Воспитание этической рефлексии и понимания распределения ответственности. ВОЗ предупреждает об отсутствии правовых механизмов. 81% студентов в нашем эксперименте требуют этических руководств. Педагогическая задача — включить в образовательные программы модули, формирующие понимание, что окончательное решение всегда остается за человеком, и развивающие рефлексию границ применимости алгоритмов.
   
   
4. Подготовка «врача-пилота». Метафора, заимствованная из авиации: «пилот в контуре управления» (pilot-in-the-loop) [14], должна стать педагогическим ориентиром. Подготовка такого специалиста подразумевает не отказ от симуляторов и тренажеров «ручного режима», а их дополнение упражнениями по работе в паре с ИИ, где студент учится контролировать алгоритм, вмешиваться в случае сбоев и нести ответственность за итоговое решение.

Полученные результаты позволяют переосмыслить педагогическую модель формирования АРК. Если в наших предыдущих работах акцент делался на развитии способности к самостоятельному анализу, то сегодня возникает необходимость целенаправленного обучения взаимодействию человека и алгоритма. Сравнение с зарубежными данными [15] показывает схожие тенденции: студенты повсеместно используют ИИ, опережая формальные образовательные программы, что создает риски деформации профессионального мышления, если педагогическое сообщество не возьмет этот процесс под контроль.

Ключевыми направлениями обновления педагогических стратегий становятся:

1. Развитие ИИ-грамотности как обязательного компонента профессиональной подготовки [16], включая обучение верификации и промпт-инжинирингу.
   
   
2. Включение модулей по этике применения ИИ в программы всех клинических дисциплин.
   
   
3. Трансформация симуляционного обучения: создание сценариев «врач + ИИ», где ИИ может ошибаться, а задача студента — эту ошибку обнаружить и скорректировать, при этом сохраняя регулярную тренировку «ручного режима» для борьбы с «когнитивной ленью».
   
   
4. Формирование метакогнитивных навыков — способности рефлексировать логику работы алгоритмов наравне с рефлексией собственных решений.

Таким образом, внедрение ИИ в здравоохранение ведет к фундаментальной трансформации целей и содержания профессиональной подготовки будущего врача. Традиционная трехкомпонентная структура АРК (мотивационный, когнитивный, деятельностный) сохраняется, но наполняется новым педагогическим содержанием.

Педагогические стратегии должны быть направлены на трансформацию существующих методов обучения, интеграцию ИИ-грамотности во все дисциплины и разработку новых симуляционных сценариев, формирующих культуру ответственного взаимодействия с алгоритмами.

Наиболее продуктивной педагогической целью в данной ситуации, по нашему мнению, выступает подготовка «врача-пилота» (pilot-in-the-loop), который сохраняет за собой функцию контроля, критического мышления и принятия окончательных решений.

Литература

1. ВОЗ: с развитием ИИ в медицине мир стоит на пороге тихой революции [Электронный ресурс] // Vademec. 2025. 20 ноября. URL: https://vademec.ru/news/2025/11/20/voz-s-razvitiem-ii-v-meditsine-mir-stoit-na-poroge-tikhoy-revolyutsii/ [Дата обращения 01.04.2026]

2. ООН: применение ИИ в здравоохранении требует строгих этических норм [Электронный ресурс] // Новости ООН. 2025. 14 ноября. URL: https://news.un.org/ru/story/2025/11/1466865 [Дата обращения 01.04.2026]

3. Алексеева, М. Г. Искусственный интеллект в медицине / М. Г. Алексеева, А. И. Зубов, М. Ю. Новиков // Международный научно-исследовательский журнал. 2022. № 7 (121).

4. Амет, П. Искусственный интеллект в медицине / П. Амет, Ж. Тремблей // Metabolism. 2017. Апрель. Т. 69S. С. S36–S40. DOI: 10.1016/j.metabol.2017.01.011. PMID: 28126242.

5. Данилов, А. Б. Искусственный интеллект vs клиническое мышление: обзор симпозиума XXI Вейновские чтения / А. Б. Данилов, А. В. Васильева, Н. Г. Незнанов [и др.] // Лечащий врач. 2025. № 3. С. 45–52. URL: https://www.lvrach.ru/partners/alzepil/15439395 [Дата обращения 01.04.2026]

6. Санал, М. Г. Искусственный интеллект и глубокое обучение: будущее медицины и медицинской практики / М. Г. Санал, К. Пол, С. Кумар, Н. К. Гангули // Journal of the Association of Physicians of India. 2019. Апрель. Т. 67, № 4. С. 71–73. PMID: 31309802.

7. Медведева, Е. И. Трансформация ландшафта трудовой деятельности медицинских работников под влиянием искусственного интеллекта / Е. И. Медведева, С. В. Крошилин // Здравоохранение Российской Федерации. 2025. Т. 69, № 5. С. 481–489. DOI: 10.47470/0044-197X-2025-69-5-481-489. EDN: rgcicv.

8. Минакова, О. В. Аналитико-рефлексивная компетентность будущего врача: сущность, структура, условия формирования / О. В. Минакова // Психолого-педагогический журнал Гаудеамус. 2021. Т. 20, № 1 (47). С. 80–86.

9. Минакова, О. В. Технология формирования аналитико-рефлексивной компетентности как инновационная образовательная практика подготовки будущего врача / О. В. Минакова, М. А. Федорова // Ученые записки Орловского государственного университета. 2020. № 3 (88). С. 230–233.

10. Минакова, О. В. Искусственный интеллект: польза или вред в формировании аналитико-рефлексивной компетентности будущих врачей в процессе обучения в вузе / О. В. Минакова // Ученые записки Орловского государственного университета. 2025. № 3 (108). С. 225–227.

11. Береговых, В. В. Риски и ограничения применения искусственного интеллекта в медицине / В. В. Береговых, В. И. Пантелеев, Н. Л. Шимановский [и др.] // Вестник Российской академии медицинских наук. 2025. № 3. С. 198–206. DOI: 10.15690/vramn12345.

12. Когда ИИ лжёт: объяснение проблемы галлюцинаций [Электронный ресурс] // QuData. 2025. URL: https://qudata.com/ru/blog/when-ai-lies-hallucination-problem-explained/ [Дата обращения 01.04.2026]

13. Бузунов, Р. В. Врач в эпоху искусственного интеллекта: пилот или лишний пассажир? [Электронный ресурс] / Р. В. Бузунов // Сайт Романа Бузунова. 2025. 11 августа. URL: https://buzunov.ru/blog/vrach-v-epokhu-iskusstvennogo-intellekta/ [Дата обращения 01.04.2026]

14. Topol, E. J. High-performance medicine: the convergence of human and artificial intelligence / E. J. Topol // Nature Medicine. 2019. Vol. 25, No. 1. P. 44–56. DOI: 10.1038/s41591-018-0300-7.

15. Сюй, А. Ю. Опыт использования ChatGPT студентами-медиками: национальное кросс-секционное исследование / А. Ю. Сюй, С. Спикман, В. С. Пирано [и др.] // JMIR Formative Research. 2026. 9 марта. Т. 10. e76838. DOI: 10.2196/76838. PMID: 41802232.

16. Медведева, Е. И. Применение технологий ИИ в медицинских организациях: стратегии развития и возможные риски / Е. И. Медведева // Труды Научно-исследовательского института организации здравоохранения и медицинского менеджмента: сборник научных трудов. Москва, 2025. С. 98–104.

Рекомендовано к публикации:
Ю.В.Молодцева, кандидат педагогических наук, приглашенный эксперт

Literature

1. VOZ: s razvitiyem II v meditsine mir stoit na poroge tikhoy revolyutsii [Elektronnyy resurs] // Vademec. 2025. 20 noyabrya. URL: https://vademec.ru/news/2025/11/20/voz-s-razvitiem-ii-v-meditsine-mir-stoit-na-poroge-tikhoy-revolyutsii/ [Data obrashcheniya 01.04.2026]

2. OON: primeneniye II v zdravookhranenii trebuyet strogikh eticheskikh norm [Elektronnyy resurs] // Novosti OON. 2025. 14 noyabrya. URL: https://news.un.org/ru/story/2025/11/1466865 [Data obrashcheniya 01.04.2026]

3. Alekseyeva, M. G. Iskusstvennyy intellekt v meditsine / M. G. Alekseyeva, A. I. Zubov, M. YU. Novikov // Mezhdunarodnyy nauchno-issledovatel'skiy zhurnal. 2022. № 7 (121).

4. Amet, P. Iskusstvennyy intellekt v meditsine / P. Amet, ZH. Trembley // Metabolism. 2017. Aprel'. T. 69S. S. S36–S40. DOI: 10.1016/j.metabol.2017.01.011. PMID: 28126242.

5. Danilov, A. B. Iskusstvennyy intellekt vs klinicheskoye myshleniye: obzor simpoziuma XXI Veynovskiye chteniya / A. B. Danilov, A. V. Vasil'yeva, N. G. Neznanov [i dr.] // Lechashchiy vrach. 2025. № 3. S. 45–52. URL: https://www.lvrach.ru/partners/alzepil/15439395 [Data obrashcheniya 01.04.2026]

6. Sanal, M. G. Iskusstvennyy intellekt i glubokoye obucheniye: budushcheye meditsiny i meditsinskoy praktiki / M. G. Sanal, K. Pol, S. Kumar, N. K. Ganguli // Journal of the Association of Physicians of India. 2019. Aprel'. T. 67, № 4. S. 71–73. PMID: 31309802.

7. Medvedeva, Ye. I. Transformatsiya landshafta trudovoy deyatel'nosti meditsinskikh rabotnikov pod vliyaniyem iskusstvennogo intellekta / Ye. I. Medvedeva, S. V. Kroshilin // Zdravookhraneniye Rossiyskoy Federatsii. 2025. T. 69, № 5. S. 481–489. DOI: 10.47470/0044-197X-2025-69-5-481-489. EDN: rgcicv.

8. Minakova, O. V. Analitiko-refleksivnaya kompetentnost' budushchego vracha: sushchnost', struktura, usloviya formirovaniya / O. V. Minakova // Psikhologo-pedagogicheskiy zhurnal Gaudeamus. 2021. T. 20, № 1 (47). S. 80–86.

9. Minakova, O. V. Tekhnologiya formirovaniya analitiko-refleksivnoy kompetentnosti kak innovatsionnaya obrazovatel'naya praktika podgotovki budushchego vracha / O. V. Minakova, M. A. Fedorova // Uchenyye zapiski Orlovskogo gosudarstvennogo universiteta. 2020. № 3 (88). S. 230–233.

10. Minakova, O. V. Iskusstvennyy intellekt: pol'za ili vred v formirovanii analitiko-refleksivnoy kompetentnosti budushchikh vrachey v protsesse obucheniya v vuze / O. V. Minakova // Uchenyye zapiski Orlovskogo gosudarstvennogo universiteta. 2025. № 3 (108). S. 225–227.

11. Beregovykh, V. V. Riski i ogranicheniya primeneniya iskusstvennogo intellekta v meditsine / V. V. Beregovykh, V. I. Panteleyev, N. L. Shimanovskiy [i dr.] // Vestnik Rossiyskoy akademii meditsinskikh nauk. 2025. № 3. S. 198–206. DOI: 10.15690/vramn12345.

12. Kogda II lzhot: ob"yasneniye problemy gallyutsinatsiy [Elektronnyy resurs] // QuData. 2025. URL: https://qudata.com/ru/blog/when-ai-lies-hallucination-problem-explained/ [Data obrashcheniya 01.04.2026]

13. Buzunov, R. V. Vrach v epokhu iskusstvennogo intellekta: pilot ili lishniy passazhir? [Elektronnyy resurs] / R. V. Buzunov // Sayt Romana Buzunova. 2025. 11 avgusta. URL: https://buzunov.ru/blog/vrach-v-epokhu-iskusstvennogo-intellekta/ [Data obrashcheniya 01.04.2026]

14. Topol, E. J. High-performance medicine: the convergence of human and artificial intelligence / E. J. Topol // Nature Medicine. 2019. Vol. 25, No. 1. P. 44–56. DOI: 10.1038/s41591-018-0300-7.

15. Syuy, A. YU. Opyt ispol'zovaniya ChatGPT studentami-medikami: natsional'noye kross-sektsionnoye issledovaniye / A. YU. Syuy, S. Spikman, V. S. Pirano [i dr.] // JMIR Formative Research. 2026. 9 marta. T. 10. e76838. DOI: 10.2196/76838. PMID: 41802232.

16. Medvedeva, Ye. I. Primeneniye tekhnologiy II v meditsinskikh organizatsiyakh: strategii razvitiya i vozmozhnyye riski / Ye. I. Medvedeva // Trudy Nauchno-issledovatel'skogo instituta organizatsii zdravookhraneniya i meditsinskogo menedzhmenta: sbornik nauchnykh trudov. Moskva, 2025. S. 98–104.

Минакова Ольга Викторовна
Орловский государственный университет имени И.С. Тургенева, г. Орёл
РИНЦ AuthorID: 1183951
SPIN-код: 4194-1440
ORCID: 0000-0002-5221-2967

Федорова Марина Анатольевна
Орловский государственный университет имени И.С. Тургенева, г. Орёл
РИНЦ AuthorID: 785050
SPIN-код: 4867-2380
ORCID: 0000-0003-3137-6409
Web of Science ResearcherID F-0901-1975