【母性】Medi-EYEの事例データをAIで教材化する方法
- 佐藤光子さん（正常分娩）と川湄咲子さん（帝王切開）の2事例を題材に、生成AIで看護問題・学習ポイント・指導案をまとめる実践的なワークフロー
Medi-EYEの事例データをAIに活用する際の基本ステップ
- 事例のExcelデータ（患者背景、経過、観察値など）は教育用の架空データのため、施設契約の生成AIアカウント（ChatGPT for Business / Claude for Enterpriseなど）への入力は問題ありません
- 入力前に個人名・具体的日時など特定可能情報をマスキングして「架空事例のため問題ない」とAIに明記しましょう
- AIの出力は必ず教科書（『系統看護学講座 母性看護学』など）とガイドライン（日本産婦人科学会推奨）で検証してから学生に提示すること
実践的なプロンプト例：看護問題の整理と優先順位付け
- データ入力
事例データ（年齢、疾患、経過）をコピペ - 指示出し
「看護問題と優先順位を表形式で整理」 - 検証・修正
教科書で内容確認、不備を修正 - 学習ポイント抽出
学生向け指導要領に編集
こんなAI活用が明日から使える
- 観察項目リスト作成：「この褥婦ケアで必ず観察する項目を優先順に教えて」→授業資料に即活用
- 看護計画ドラフト生成：「帝王切開後3日目の褥婦の看護問題と目標・実施内容を表にして」→教員が修正・確認後、学生課題に
- 学生向け学習シート：「20代の骨盤位妊婦の特徴と看護のポイントを初学者向けにまとめて」→配布資料・オンデマンド教材化
- 指導案の下書き：AIに「佐藤さんと川湄さんの2事例の相違点と指導するべき学習要素」を聞く→臨床実習指導者用に調整
注意：AIの出力をそのまま使わない3つの理由
- 事例の細部（帝王切開の麻酔方法、分娩時間、失血量）は架空データのため、AIが生成した数値・判断が不正確な可能性がある
- 看護計画の『実施内容』はAIが一般的な内容を出力しても、患者個別性が反映されていない場合がある
- 最新ガイドライン（2023年改定など）をAIが完全に学習していない可能性があるため、教科書との照合が必須
解説
【母性】母性看護の臨床実習で「時間がない」「学生の学習ポイントをどう整理するか」という課題を抱える教員は多いですよね。Medi-EYE（医学教育向け模擬患者データベース）の事例データと生成AIを組み合わせると、その課題が一気に解決します。
本カルーセルで紹介するのは、佐藤光子さん（30代、正常経腟分娩）と川湄咲子さん（20代、骨盤位で帝王切開）という2つの実在しない架空事例を活用した、教員向けの実践的なAI活用ワークフローです。
重要なのは『AIに何を質問するか』です。例えば：
「この患者データをもとに、褥婦ケアの優先的な観察項目を表形式で整理してください」
「帝王切開後3日目の看護問題と対応する看護計画を提案してください」
「骨盤位妊婦と正常位妊婦の妊婦ケアの相違点を学生向けに解説してください」
こうした明確な「プロンプト」を入力すれば、AIは数秒で教材のドラフトを生成します。教員はそれを教科書・ガイドラインで検証し、微調整するだけ—準備時間が劇的に短縮できるんです。
特に「学生が看護問題を整理できない」「実習報告書の添削に時間が取られる」という悩みがあれば、このAI活用術は強い味方になります。生成AIは「教員の負担を減らすツール」であり、最終的には「学生の臨床判断力育成」に時間を使えるようになるのが最大のメリット。
ただし絶対に忘れてはいけないのが『検証プロセス』です。Medi-EYEの事例は架空データなので、AIに入力しても問題ありませんが、AIが出力した数値・根拠・看護計画は必ず『系統看護学講座』や『日本産婦人科学会推奨ガイドライン』に照らし合わせてください。特に帝王切開やリスク妊婦のケアでは、医学的根拠の正確性が命です。
