Professoressa associata, Direttrice della simulazione
Università del Minnesota
Se lavori nella formazione infermieristica, sai che il giudizio clinico rimane una delle competenze più critiche nell’educazione infermieristica. E sai anche che è una delle più difficili da insegnare e valutare in modo coerente.
Alla Simulation User Network (SUN) Conference del 2026, Cynthia Bradley, PhD, RN, CNE, CHSE, ANEF, professoressa associata e direttrice della simulazione presso la School of Nursing dell’Università del Minnesota, ha condiviso come la realtà virtuale immersiva nella formazione infermieristica (IVR) e l’intelligenza artificiale (AI) possano aiutare gli educatori infermieristici a comprendere meglio e a supportare lo sviluppo del giudizio clinico.
In questo articolo, presentiamo un riassunto della sessione SUN della dott.ssa Bradley, “Clinical Judgment, VR, and AI: A Winning Trifecta.”
La dott.ssa Bradley ha fondato la sua sessione su una sfida ben nota agli educatori infermieristici. Il giudizio clinico è essenziale per una pratica sicura ed è direttamente collegato agli esiti dei pazienti, eppure è profondamente complesso. Anche quando agli studenti vengono insegnati passaggi, protocolli e processi, «devono comunque acquisire quella capacità di ragionamento e di pensiero», ha sottolineato la dott.ssa Bradley.
«Il giudizio clinico è una delle cose più difficili che cerchiamo di insegnare», ha detto. «È molto difficile da misurare».
Le esperienze cliniche tradizionali variano notevolmente. Anche gli studenti assegnati alla stessa unità incontrano pazienti e opportunità di apprendimento diversi. La valutazione dipende in gran parte dall’osservazione da parte dei docenti, che può essere soggettiva e incoerente.
La simulazione aiuta ad affrontare la variabilità nelle esperienze cliniche, ma la dott.ssa Bradley ha sottolineato che la realtà virtuale immersiva (IVR) nella formazione infermieristica porta la standardizzazione ancora oltre. Con l’IVR, ogni discente incontra lo stesso ambiente, gli stessi stimoli e gli stessi punti decisionali.
L’IVR sposta anche la valutazione lontano dalla sola interpretazione del corpo docente. “L’IVR elimina tutta questa soggettività—perché, alla fine della giornata, è un programma informatico,” ha detto.
Prima di piattaforme IVR come vrClinicals for Nursing, gli educatori avevano una visione limitata di ciò che gli studenti stavano realmente facendo durante l’assistenza simulata al paziente. “Se non riusciamo davvero a capire cosa stanno facendo, non abbiamo idea di come aiutarli a migliorare,” ha detto.
Gli ambienti IVR generano una quantità enorme di dati degli studenti. La dott.ssa Bradley si riferiva a questi dati come telemetria IVR. Ciò include le azioni intraprese, i tempi, la sequenza, le omissioni e le risposte al cambiamento delle condizioni del paziente.
“Possiamo vedere le loro azioni, vediamo la tempistica di ciò che hanno fatto, la sequenza degli eventi,” ha detto. “Vediamo ciò che non fanno. A volte è molto importante saperlo.”
All'interno di piattaforme come vrClinicals for Nursing, gli educatori possono esaminare come gli studenti valutano i pazienti, seguono i protocolli e gli ordini e si preparano a intensificare le cure.
“Stanno facendo una chiamata al medico?” ha chiesto. “Hanno i dati di cui hanno bisogno per fare quella chiamata, oppure devono tornare indietro e rivalutare?”
Ha sottolineato in particolare il valore degli ambienti con più pazienti. “Possiamo osservare i modelli di prioritizzazione,” ha spiegato. “Come gestiscono le interruzioni?”
Catturando questi modelli tramite la telemetria IVR, piattaforme come vrClinicals offrono agli educatori prove oggettive di come gli studenti riconoscono i segnali, danno priorità alle cure, rispondono alle interruzioni e gestiscono richieste concorrenti.
“Abbiamo una studentessa che ha detto: ‘Sono riuscita a rispondere ad alcune domande dell'NCLEX grazie a George [dello scenario VR],’” ha condiviso. Esempi come questo illustrano come piattaforme come vrClinicals supportino una comprensione e un'applicazione più profonde.
Per trasformare i dati di telemetria in insight, la dott.ssa Bradley ha sottolineato l'importanza di un quadro condiviso. Utilizza il Clinical Judgment Measurement Model per interpretare il comportamento degli studenti attraverso il riconoscimento degli indizi, l'analisi delle informazioni, la definizione delle ipotesi prioritarie, l'adozione di azioni e la valutazione dei risultati.
“La telemetria non si interpreta da sola,” ha spiegato la dott.ssa Bradley. “Abbiamo bisogno di una lente condivisa.”
Per ogni scenario IVR, gli educatori devono determinare quali comportamenti dimostrano il giudizio in quel contesto. Lo studente ha rivalutato dopo un intervento? Ha effettuato un'escalation in modo appropriato? Ha ridefinito le priorità dell'assistenza quando le condizioni sono cambiate?
Utilizzando questo approccio, la dott.ssa Bradley ha individuato un modello tra gli studenti in difficoltà. “Continuano semplicemente a rivalutare e rivalutare,” ha detto. “Non passano mai all'azione.”
Poiché vrClinicals registra tempi e sequenze, questi modelli diventano visibili e oggetto di discussione nel debriefing, con azioni dello scenario e interruzioni progettate in base al Clinical Judgment Measurement Model.
L’IA svolge un ruolo di supporto aiutando gli educatori a organizzare e interpretare grandi volumi di dati di telemetria generati da piattaforme VR immersive come vrClinicals.
Ma l’IA non sostituisce gli educatori infermieristici. “L’IA non sostituirà mai il pensiero infermieristico”, ha sottolineato la dott.ssa Bradley. Ha evidenziato che il giudizio dell’educatore deve rimanere centrale.
Se usata “con adeguati controlli”, l’IA aiuta gli educatori a passare più rapidamente dall’evidenza all’azione. “Voglio sapere oggi: come sono andati i miei studenti?”, ha detto la dott.ssa Bradley. “Non il prossimo semestre, non il prossimo anno, ma questa coorte oggi.”
L’analisi supportata dall’IA può far emergere lacune a livello di coorte, come ritardi nell’escalation, controlli di sicurezza mancati o difficoltà nella valutazione degli esiti. Queste informazioni consentono agli educatori di adeguare il debriefing, il recupero e persino il curriculum in tempi quasi reali.
“[L’analisi] cambia il modo in cui faccio il debriefing la prossima volta che svolgo questo scenario? Forse mi aiuta a capire come modificare i loro materiali di preparazione, o qualcosa che devono acquisire prima di svolgere di nuovo questa VR la prossima volta?”, ha spiegato.
“Forse si tratta semplicemente di inserirlo nel nostro curriculum, dove dobbiamo ripetere qualcosa”, aggiunge. “L’educazione basata sulle competenze non è qualcosa che si fa una volta sola. Vogliamo che dimostrino di nuovo la competenza.”
La dott.ssa Bradley ha esortato gli educatori ad avvicinarsi alla VR immersiva con attenzione.
“Ecco il mio miglior consiglio: iniziare in piccolo e con calma”, ha consigliato. Ha raccomandato di partire con un solo corso e uno scenario, investendo in un’orientamento accurato sia all’hardware sia al software.
Un’implementazione scadente può portare a frustrazione del personale docente e a una riduzione della fiducia degli studenti, ha avvertito. “È davvero difficile far tornare indietro la campana”, ha detto. “Quindi iniziate molto lentamente … e abbiate persone che facciano da evangelisti dell’intero processo.”
La dott.ssa Bradley ha concluso la sessione tornando al tema dello scopo. Il giudizio clinico resta l'obiettivo. Le piattaforme di VR immersiva come vrClinicals for Nursing forniscono l'ambiente che genera prove ricche e oggettive delle prestazioni dell'apprendente. L'IA aiuta gli educatori a interpretare tali evidenze in modo responsabile.
Insieme, giudizio clinico, VR immersiva e IA formano una potente trifecta che favorisce una valutazione migliore, decisioni didattiche più efficaci e risultati di apprendimento migliori per gli educatori infermieristici e i loro studenti.
