Medi-EYE事例データ × AI = 実習準備が一気に時短

  • 宮本さんの尿管結石ケース、東京さんの脳梗塞ケース…Medi-EYEの模擬事例をそのままAIに読ませると何が起こる？
  • 答え：学生向けの事前学習資料が自動生成される
  • 本スライドでは『明日からできるAI活用法』を4ステップで紹介

ステップ1：事例データをAIに読ませる【準備編】

  • Medi-EYEから事例のExcelデータ（患者背景・病歴・検査値など）をコピー
  • 施設契約の生成AIアカウント（ChatGPT Plus / Claude / Gemini等）を開く
  • 『このデータは教育用の架空事例です』と明記してから貼り付け
  • プライバシー・個人情報の漏出なし。安心してAIに処理させてOK ✅
  • 初めての人でも5分あればできる

ステップ2 → ステップ4：AIに指示するプロンプト例

  1. ステップ2:観察項目リストを自動生成
    このデータを用いて患者の入院時アセスメント
  2. ステップ3:看護過程の思考を構造化
    抽出された看護問題の優先順位付けの根拠
  3. ステップ4:学生向け学習ポイントを抽出
    基礎看護学の観点から、この患者ケースの学習ポイントを抽出

実例：宮本さん（尿管結石）でAI活用する場合

  • ❶ AIプロンプト例： 「70代女性、左尿管結石、高血圧、退院直後。 尿道留置カテーテル抜去予定です。 この患者が退院までに注意すべき感染リスク・転倒転落リスクを 看護学生向けに3段階難易度で説明してください」
  • ❷ AIの回答：感染リスク管理（尿路感染予防の観察項目）、転倒転落予防（薬剤副作用・疼痛による移動制限）、疼痛管理のポイントがまとまる
  • ❸ 教員のチェック：回答が教科書『基礎看護学』『老年看護学』と一致しているか確認した上で、学生に配布
  • ❹ 学生の学び：模擬患者演習やシミュレータ前に『何を観察すべきか』が明確に。臨地実習での質問レベルがワンランクUP

AIの回答を「必ず検証する」3つのチェックポイント

  • ✓ ポイント1：最新の看護診断ガイドライン（NANDA-I）と整合性があるか確認
  • ✓ ポイント2：古い情報が含まれていないか（例：推奨されなくなった看護技術）。自分の施設の手順書と照らし合わせる
  • ✓ ポイント3：『患者個別の病態生理』に基づいた回答か。AIは一般論を返すので、尿管結石＋高血圧という患者特性を考慮したかを再検討
  • ⚠️ AIは『助手』。最終チェックは教員の専門的判断で。これを習慣化すると、授業の質が確保できます

解説

Medi-EYEの模擬事例データを施設アカウントの生成AIに『読ませるだけ』で、学生向けの観察項目リスト・看護問題整理シート・学習ポイント集が数分で完成します。

本投稿では、実際の事例（70代女性の尿管結石患者・脳梗塞患者）を使ったプロンプト例をそのまま掲載。『明日から真似できる』レベルで紹介しています。

重要なのは、AIの回答を『検証する』こと。教科書・ガイドライン・施設の手順書と照らし合わせることで、AI活用は『授業の質を高める強力なツール』に変わります。

宮本さんの事例では「感染リスク・転倒転落リスク・疼痛管理」という複数の看護問題が同時に発生。これをAIに整理させると、学生のグループワークやシミュレータ演習がスムーズに。東京さんの脳梗塞事例では「看護過程の展開」という高度な思考を、AIが学習ステップに細分化して提示してくれます。

『AI=答えをくれるツール』ではなく、『教員が設問設計や評価に費やす時間を減らし、学生とのフェイス・ツー・フェイスの指導に時間を使える相棒』として捉えると、教育DXの本質が見えます。