Одним из приоритетных направлений развития медицинского образования является интеграция искусственного интеллекта (ИИ) в процесс подготовки будущих врачей. Важно обеспечить формирование у обучающихся готовности к применению методов машинного обучения для решения реальных диагностических и прогностических задач. В настоящей работе представлена технология обучения будущих врачей решению клинико-ориентированных заданий с применением методов машинного обучения, изучаемых студентами Южно-Уральского государственного медицинского университета. Цель работы – раскрыть технологию обучения будущих врачей решению клинико-ориентированных заданий с применением методов машинного обучения, реализованных на языке программирования Python с использованием библиотек scikit-learn и Keras в рамках изучения дисциплины «Применение методов искусственного интеллекта в медицинских исследованиях». Методологическая база исследования базируется на положениях системного, компетентностного, личностно-деятельностного и интегративного подходов. Предложенная технология обучения будущих врачей решению клинико-ориентированных заданий с применением методов машинного обучения включает в себя целевой, содержательный, процессуально-методический и диагностико-оценочный блоки. Разработанная технология обучения будущих врачей решению клинико-ориентированных заданий с применением методов машинного обучения обеспечивает практико-ориентированное освоение методов машинного обучения, формирование ИИ-компетенций у будущих врачей.
Integrating artificial intelligence (AI) into healthcare professional training is a priority in advancing medical education. Particular attention is given to fostering students’ ability to leverage machine learning techniques for solving practical diagnostic and prognostic tasks. This paper presents a pedagogical approach for training medical students to solve clinically-oriented tasks using machine learning, as implemented with students at South Ural State Medical University. The aim of this study is to detail a pedagogical approach for training medical students in clinical problem-solving using machine learning. The approach employs Python with scikit-learn and TensorFlow libraries within the course “Application of AI Techniques in Medical Research”. The methodological framework of the study is grounded in the principles of the systems, competency-based, activity-based, and integrative approaches. The proposed approach for training future physicians to solve clinically-oriented tasks using machine learning comprises four components: goal-oriented, content-based, process-methodological, and diagnostic-evaluative blocks. The developed technology for teaching future doctors to solve clinical-oriented tasks using machine learning methods provides a practice-oriented learning of machine learning methods and the development of AI competencies in future doctors.
1. Блауберг И. В. Проблема целостности и системный подход. М.: Эдиториал УРСС, 1997. 448 с. URL: https://search.rsl.ru/ru/record/01004265680 (дата обращения: 23.04.2026). ISBN 5-901006-08-9.
2. Сергеев Н. К. Непрерывное педагогическое образование: концепция и технологии учебно-научно-педагогических комплексов (вопросы теории): монография. СПб.; Волгоград: Перемена, 1997. 166 с. [Электронный ресурс]. URL: https://www.elibrary.ru/item.asp?id=21012385 (дата обращения: 20.04.2026).
3. Гельман В. Я., Хмельницкая Н. М. Компетентностный подход в преподавании фундаментальных дисциплин в медицинском вузе // Образование и наука. 2016. № 4. С. 33–46. URL: https://www.edscience.ru/jour/article/view/619/526?locale=ru_RU (дата обращения: 23.04.2026).
4. Куликова Н. Ю., Маслова О. А., Пономарева Ю. С. Модель использования систем искусственного интеллекта для оценки качества формирования компетенций студентов вуза // Мир науки. Педагогика и психология. 2021. № 9 (5). URL: https://mir-nauki.com/33PDMN521.html (дата обращения: 23.04.2026).
5. Выготский Л. С. Мышление и речь. СПб.: Питер, 2019. 431 с. [Электронный ресурс]. URL: https://search.rsl.ru/ru/record/01009875965?ysclid=mp2dsaby5t790284242 (дата обращения: 23.04.2026). ISBN: 978-5-4461-1109-1.
6. Леонтьев А. Н. Деятельность. Сознание. Личность: учеб. пособие. М.: Смысл Academia, 2004. 345 c. [Электронный ресурс]. URL: https://search.rsl.ru/ru/record/01002463700 (дата обращения: 23.04.2026). ISBN: 5-89357-153-3.
7. Кулемзина Т. В., Красножен С. В., Криволап Н. В., Папков В. Е., Моргун Е. И. Интегративный подход как вектор персонализации образовательных практик в медицинском вузе // Профессиональное образование в современном мире. 2023. № 13 (3). С. 507 – 519. URL: https://profed.edubiotech.ru/jour/article/view/1112/0 (дата обращения: 23.04.2026).
8. Пак М. С. Методология интегративного подхода. [Электронный ресурс]. URL: https://mspak.herzen.spb.ru/wp-content/uploads/2014/10/ao3.pdf (дата обращения: 20.04.2026).
9. Ермак А. Д., Макарова Е. А., Кафтанов А. Н., Гаврилов Д. В., Новицкий Р. Э., Гусев А. В. Использование методов машинного обучения для диагностики заболеваний на основе неструктурированных медицинских текстов // Национальное здравоохранение. 2025. № 6 (4). С. 55–63. URL: https://www.natszdrav.ru/jour/article/view/538 (дата обращения: 20.04.2026). DOI: 10.47093/2713-069X.2025.6.4.55-63.
10. Касюк С. Т., Диденко Г. А., Степанова О. А. Классификация данных медицинских исследований с использованием языка R // Современная наука: актуальные проблемы теории и практики. 2022. № 9. С. 96–107. URL: https://www.elibrary.ru/item.asp?id=49730007 (дата обращения: 20.04.2026).
11. Конколь М. М., Слесарев М. А., Марьина Е. Д., Черная С. Н. Теоретико-методологические основы проектирования образовательных инструментов на основе искусственного интеллекта // Современные наукоемкие технологии. 2026. № 2. С. 161–171. URL: https://top-technologies.ru/ru/article/view?id=40686 (дата обращения: 20.04.2026).
12. Алексеева М. Г., Зубов А. И., Новиков М. Ю. Искусственный интеллект в медицине // Международный научно-исследовательский журнал. 2022. № 7 (121). URL: https://cyberleninka.ru/article/n/iskusstvennyy-intellekt-v-meditsine-3 (дата обращения: 20.04.2026).
13. Диденко Г. А., Степанова О. А. Современные аспекты информатизации: концепция информационных сервисов // Информатика и образование. 2018. № 7. С. 57–61. URL: https://info.infojournal.ru/jour/article/view/325 (дата обращения: 20.04.2026).
14. Цквитария Т. А. Формирование универсальных компетенций будущего врача как современная педагогическая задача // Современные проблемы науки и образования. 2025. № 3. URL: https://science-education.ru/ru/article/view?id=34145 (дата обращения: 21.04.2026). DOI: 10.17513/spno.34145.
15. Касюк С. Т., Диденко Г. А., Степанова О. А. Диагностика пневмонии на рентгенологических снимках с использованием сверточной нейронной сети // Современная наука: актуальные проблемы теории и практики. 2023. № 9–2. С. 89–97. URL: https://www.elibrary.ru/item.asp?id=55849198 (дата обращения: 20.04.2026).