【小児】小児事例のAI活用で学生の臨床判断力を引き出す
- 【小児】川崎病・頭部外傷のMedi-EYE事例データをAIに読み込ませる具体的な手法を紹介。生成AIを使った看護計画ドラフト作成から学生指導要領の整理まで、教員が明日から実践できるプロンプト例を一挙公開。
AIに読み込ませる前に知っておきたいこと
- Medi-EYEの事例データは『教育用の架空患者データ』だから、施設契約の生成AIアカウントへの入力は問題なし
- 個人情報（実名・実施設）が含まれていないことを確認してから投入する
- 出力されたAI回答は『ドラフト』。必ず小児看護学の教科書・学会ガイド（日本小児科学会等）で検証する習慣が鍵
事例1：川崎病（学童男性）のAI活用フロー
- Medi-EYE事例データ （Excel （→ IVIG・ステロイド情報 入院期間等をコピペ）
- ↓ （→ プロンプト：患者情報から 看護問題を整理してください）
- 施設AIに投入 （→ 冠動脈障害・発熱管理 の観察項目を確認）
- ↓
- 看護問題・優先度 のドラフト取得
- ↓
実践的なプロンプト例3選 ✨
- プロンプト①：患者背景から観察項目を引き出す「以下の小児患者情報を踏まえ、毎日実施すべき観察項目（生活徴候・皮膚・尿量等）と優先順位をリスト化してください。根拠も簡潔に添えてください」
- プロンプト②：学童期の精神的支援に焦点「約3週間の入院を過ごす学童患者の心理的課題と、それに対応する看護介入案をまとめてください」
- プロンプト③：事例2（頭部外傷＋虐待疑い）で「頭部外傷の初期評価項目と、虐待疑いが生じた際の看護職の対応フロー（報告・記録・保護委託調整）を整理してください」
AI出力を学生指導に変える一工夫
- AIが提示した『看護問題リスト』を、そのまま学生に渡さない。「では、この問題の根拠になる患者のバイタル変動や症状を電子カルテから読み取ってみよう」と『逆向き質問』を促す
- 事例2（虐待疑い）のような倫理的課題は、AIの出力を『議論のたたき台』にして、グループワークで児童虐待防止法や報告義務を学ぶ手段に
- AIドラフト→教科書検証→学生実習へのフィードバックという『3ステップ検証サイクル』が教育の品質保証になる
解説
【小児】小児看護の実習指導で、AIを活用した観察項目リストや看護計画ドラフト作成をどう進めるかが分からない、という教員の声をよく聞きます。Medi-EYEの川崎病・頭部外傷事例は教育用の架空データなので、施設契約のChatGPT・Claude・Geminiなどの生成AIアカウントに安心して読み込ませることができます。大切なのは『入力・出力・検証』の3ステップです。患者データをテキスト形式でAIに投入し、看護問題や観察項目のドラフトを取得したら、必ず小児科学会ガイドライン・教科書で内容を確認します。
その後、学生には「なぜこの項目を観察するのか」という根拠を電子カルテから読み取らせることで、臨床判断力の育成につながります。特に小児看護では、発達段階に応じた心理的支援（事例1の学童期の工夫）や、虐待疑いへの対応フロー（事例2の保護委託調整）など、倫理的・実践的なスキルが求められます。AIのドラフトをグループワークや事例検討の『議論のたたき台』として活用すれば、学生の深い思考を引き出せます。
明日からの授業設計の参考にしてみてください。参考資料：日本小児科学会「川崎病診断・治療ガイドライン」、厚生労働省「児童虐待防止対策と教育の連携」
参考になったら保存を プロフィールのリンクから詳しく
