Innovative Lehrmethoden in der Medizinischen Informatik: Praxisnahes Lernen durch KI

Die medizinische Informatik spielt eine Schlüsselrolle in der modernen Gesundheitsversorgung. Durch die Verbindung von Informationstechnologie mit medizinischem Wissen können Prozesse effizienter gestaltet, Diagnosen präziser getroffen und die Qualität der Patientenversorgung verbessert werden.

Die Lehrveranstaltung "Einführung in die medizinische Informatik" bietet einen ersten fundierten Einblick in dieses interdisziplinäre Fachgebiet. Diese Lehrveranstaltung wurde mit dem ersten Platz des UMIT-Tirol-Lehrepreises ausgezeichnet.

Die Methodik dieser Lehrveranstaltung folgt einem hybriden Ansatz, der konstruktivistische und kognitivistische Elemente kombiniert und zielt darauf ab, erworbene Transferkompetenzen in neuen Problemsituationen anzuwenden. Die Abstimmung der Lernziele, Prüfungsform sowie Lehr- und Lernmethoden erfolgte gemäß dem Constructive Alignment Modell. Hinsichtlich des Instruktionsdesigns wurden Elemente des Cognitive-Apprenticeship (CA) Modells verwendet. Dieses Modell basiert auf der Idee, dass kognitive Prozesse ähnlich wie handwerkliche Fertigkeiten durch eine Art „mentale Lehre“ erlernt werden können. Es kombiniert traditionelle Elemente der Meister-Lehrling-Beziehung mit kognitivistischen und konstruktivistischen Prinzipien, um komplexes Denken und Problemlösen zu fördern.

Für die im Curriculum genannten vier Themenbereiche wurden jeweils verschiedene Unterrichtsmethoden und Techniken sowohl für den Theorieinput als auch für die praktischen Übungen eingesetzt. Der Aufbau der Übungen erfolgte in Anlehnung an das E-tivities-Format von Gilly Salmon, um den Studierenden eine klare Struktur und Orientierung zu bieten. Dieses Format unterstützt einen aktiven, interaktiven und ergebnisorientierten Lernprozess, der die Studierenden dazu anregt, sich selbstständig mit den Inhalten auseinanderzusetzen und ihr Wissen anzuwenden. Zur Gewährleistung einer transparenten Beurteilung werden die Bewertungen zeitnah in Moodle eingetragen, sodass Studierende jederzeit ihren aktuellen Beurteilungsstand einsehen können.

In der Übung zum ersten Teil, "Aufgabengebiete der Medizinischen Informatik und Bioinformatik", wählten die Studierenden eigenständig ein aktuelles Open-Access-Paper einer renommierten Konferenz im Bereich der Medizinischen Informatik aus und analysierten es. Zudem wurde in diesem Zusammenhang auch das Thema Peer Review erläutert, um den Studierenden den Prozess der wissenschaftlichen Begutachtung näherzubringen. Für die Textanalyse wurde ein KI-gestütztes Tool vorgestellt, ebenso wie die Möglichkeit, einen KI-generierten Podcast zu erstellen, um die Inhalte der Publikation auf innovative Weise zu vermitteln. Anschließend erstellten die Studierenden eine Präsentation und setzten sich in Form eines fachlichen Dialogs mit der Präsentation einer Kommilitonin oder eines Kommilitonen auseinander. Diese Übung implementiert Aspekte des Inverted Classroom-Modells (umgedrehter Unterricht). Dabei eignen sich die Studierenden die Inhalte eigenständig außerhalb der Vorlesung an – in diesem Fall durch das Lesen eines Papers, das Erstellen einer Präsentation und die Auseinandersetzung mit der Präsentation eines Mitstudierenden.

Im zweiten Teil zum Thema "Medizinische Informationssysteme, eHealth, Telemedizin" entwickelten die Studierenden eine einfache elektronische Gesundheitsakte mit aktueller Webprogrammierung. Das vorhandene Vorwissen wurde durch ein interaktives Live-Quiz ermittelt, wobei die Inhalte der Fragen nach der Abgabe Schritt für Schritt erklärt wurden. Diese Methode ermöglicht eine unmittelbare Rückmeldung, fördert das aktive Lernen und hilft, Wissenslücken gezielt zu schließen.

Um SQL zu erlernen, nutzten die Studierenden das Spiel SQL Island (Technische Universität Kaiserslautern), das den Gamification-Ansatz integriert. Dadurch wurde das Thema spielerisch und motivierend vermittelt. Mögliche Lösungswege bezüglich der Implementierung mit entsprechendem Quellcode wurden gemäß der Modelling-Phase der CA-Theorie direkt vorgezeigt.

Der dritte Teil zum Thema Datenschutz und Datensicherheit basierte auf einer aktuellen Publikation, welche den Einsatz der Blockchain-Technologie, auf der auch der Bitcoin basiert, für den Gesundheitsbereich beschreibt. Dieser Artikel war die Grundlage für Fragen und Diskussionen im Bereich Datenschutz und Datensicherheit.

Der vierte Teil mit dem Schwerpunkt KI basiert auf der Idee "Nutze KI, um KI zu verstehen" und implementiert Ansätze des Problem- und des Inquiry-Based-Learning. Hierbei wurde von mir eine kurze Einführung in die Thematik gegeben, um den Studierenden eine erste Orientierung und inhaltliche Grundlage zu bieten. Für die anschließende Übung wurden von mir zentrale Kategorien im Bereich KI vorgegeben (u.a. überwachtes, unüberwachtes und verstärkendes Lernen). Die Studierenden mussten in Kleingruppen anschließend unter Zuhilfenahme von mindestens zwei generativen künstlichen Intelligenzen ein Manuskript und Fragen zur jeweiligen Kategorie erstellen. Die Ergebnisse der unterschiedlichen Large-Language-Modelle mussten verglichen werden und wurden anschließend im Plenum diskutiert (vgl. CA Articulation-Phase). Inhaltlich mussten die Antworten selbstkritisch mit Prüfung der Quellen sowie durch Anwendung des Expertenwissens der Lehrperson geprüft werden (vgl. CA Reflection-Phase). Abschließende erfolgte eine Lernerfolgskontrolle mittels Durchführung eines Multiple-Choice-Quiz unter Verwendung der zuvor selbst erstellten Fragen.

Begleitend und als Teil der Beurteilung reflektierten die Studierenden ihr gelerntes Wissen durch das Führen eines Lerntagebuchs. Dieses umfasst die Dokumentation und Analyse des Gelernten („Was habe ich gelernt?“ – Lernertrag) sowie eine Evaluation des Lernprozesses („Wie habe ich gelernt?“).

Die Abschlussprüfung des Moduls fand in Form eines Abschlussprojekts zu einem selbstgewählten Thema aus den behandelten Inhalten der Lehrveranstaltung statt. Die Ausarbeitung erfolgte in Kleingruppen, wobei die Studierenden von mir betreut wurden (vgl. CA Coaching-Phase). Beispiele umfassten die Entwicklung neuer Softwareprodukte mit Fokus auf Medizin bzw. Gesundheit (vgl. CA Exploration-Phase). Abschließend erfolgte eine Präsentation, gefolgt von gezielten Fragen zum Projekt, um die Eigenständigkeit der erbrachten Leistungen zu evaluieren.

Die vorgestellte überarbeitete Lehrveranstaltung aktives und praxisorientiertes Lernen mit vielfältigen Unterrichtsmethoden und Werkzeugen. Zusätzlich wurde ein neuer Ansatz eingeführt, bei dem KI zum Lernen über KI genutzt wurde. Ebenfalls wurde das Leitbild Lehre der UMIT Tirol berücksichtigt, welches eine studierendenzentrierte, kompetenzorientierte und forschungsgeleitete Lehre betont. Die Lehrveranstaltung spiegelt diese Grundsätze wider, indem sie innovative Lehrmethoden einsetzt, aktuelle Forschungsergebnisse integriert und die Studierenden aktiv in den Lernprozess einbezieht, um ihnen relevante Kompetenzen für ihre berufliche Zukunft zu vermitteln.

Die beschriebenen Übungen erfordern eine intensive Beteiligung durch die Studierenden, indem diverse Aufgaben und Projekte bearbeitet werden mussten. Das Abschlussprojekt und einige Aufgaben konnten in Gruppen bearbeitet werden. Dieses Vorgehen trägt zur Stärkung der Teamarbeit bei. Der Einsatz generativer KI gestaltet den Lernstoff praxisnah und spannend, bereitet auf den Einsatz von KI-Tools in der Praxis vor und fördert eigenverantwortliches Lernen. Die kritische Überprüfung der Inhalte verbessert die analytischen Fähigkeiten der Studierenden. Ebenfalls wurden Studierende auch auf Probleme generativer KI hingewiesen (z.B. Halluzination). Kontinuierliches Feedback (auch via Moodle) und die laufende Unterstützung durch die Lehrperson sowie eine abschließende Lernerfolgskontrolle helfen den Studierenden, ihre Leistungen zu verbessern und sich auf Prüfungen vorzubereiten.

Eine Limitation der vorgestellten KI-Übung betrifft die unterschiedlichen KI-Vorkenntnisse der Studierenden. Die Qualität der Ergebnisse generativer KI kann stark vom Prompting abhängen. Ein weiterer limitierender Faktor ist der erhebliche Zeitaufwand für die Lehrperson zur Überprüfung der Inhalte und zur Unterstützung der Studierenden. Technische Schwierigkeiten bei der Nutzung der KI-Tools können den Lernprozess ebenfalls behindern (sind jedoch nicht aufgetreten).

Zusammenfassend ist meine Lehrveranstaltung durch eine hohe Methodenvielfalt gekennzeichnet, was den Lernprozess vielfältiger, dynamischer und ansprechender gestaltet.

Ein potenzieller Nachteil der großen Methodenvielfalt in dieser Lehrveranstaltung für Studierende könnte darin bestehen, dass die ständige Anpassung an verschiedene Lehr- und Lernmethoden eine zusätzliche Herausforderung darstellt. Dies kann zu Überforderung oder Anpassungsproblemen führen.