シンシア・ブラッドリー, PhD, RN, CNE, CHSE, ANEF 

ミネソタ大学 看護学部 准教授・シミュレーション部門ディレクター 
ミネソタ大学 

 

看護教育に携わっているなら、臨床判断が看護教育における最も重要な能力のひとつであり続けていることをご存じでしょう。そして、それを一貫して教え、評価することが最も難しいことのひとつであることもご存じでしょう。 

2026年のSimulation User Network（SUN）カンファレンスで、ミネソタ大学看護学部の准教授兼シミュレーション部門ディレクターであるシンシア・ブラッドリー PhD, RN, CNE, CHSE, ANEF は、看護教育における没入型バーチャルリアリティ（IVR）と人工知能（AI）が、看護教育者による臨床判断の発達の理解と支援にどのように役立つかを共有しました。

この記事では、ブラッドリー博士のSUNセッション「Clinical Judgment, VR, and AI: A Winning Trifecta.」の要約をお届けします。 

なぜ臨床判断の評価はこれほど難しいのか

ブラッドリー博士は、看護教育者なら誰もがよく知る課題を基にセッションを進めました。臨床判断は安全な実践に不可欠であり、患者アウトカムに直接結びついていますが、非常に複雑です。学生に手順やプロトコル、プロセスを教えても、「その推論や思考の部分は、やはり自分で身につけなければならない」とブラッドリー博士は指摘しました。

「臨床判断は、私たちが教えようとしている中でも最も難しいものの一つです」と彼女は述べました。「測定するのが非常に難しいのです。」

従来の臨床実習は大きくばらつきがあります。同じ病棟に配置された学生であっても、出会う患者や学習機会はそれぞれ異なります。評価は教員の観察に大きく依存しており、主観的で一貫性に欠けることがあります。 

没入型仮想現実（IVR）が対話を変える理由

シミュレーションは臨床経験におけるばらつきへの対応に役立ちますが、ブラッドリー博士は、看護教育における没入型仮想現実（IVR）は標準化をさらに進めると強調しました。IVRでは、すべての学習者が同じ環境、同じ手がかり、同じ意思決定の分岐点に直面します。

IVRは、評価を教員の解釈だけに頼るものからも変えます。「最終的にはコンピュータープログラムなので、IVRはそうした主観性をすべて取り除いてくれます」と彼女は述べました。

vrClinicals for NursingのようなIVRプラットフォームが登場する前は、教育者が、シミュレーションによる患者ケアの最中に学生が実際に何をしているのかを把握する手段は限られていました。「彼らが何をしているのか本当に理解できなければ、どう改善を支援すればよいのか分かりません」と彼女は述べました。 

臨床判断の根拠となるデータを示す

IVR環境は、学習者に関する膨大な量のデータを生成します。ブラッドリー博士は、このデータをIVRテレメトリーと呼んでいました。これには、実行した行動、タイミング、順序、抜け落ちた対応、患者の状態変化への応答が含まれます。

「私たちは彼らの行動を見ることができ、何をしたのか、そのタイミングや出来事の順序も見ることができます」と彼女は述べました。「何をしなかったのかも分かります。時には、それを知ることも非常に重要です。」 

看護向けvrClinicalsのようなプラットフォーム内では、教育者は学生が患者をどのようにアセスメントし、プロトコルや指示に従い、ケアのエスカレーションに備えるかを確認できます。 

「医療提供者に連絡していますか？」と彼女は問いかけました。「その連絡をするために必要なデータを持っていますか、それとも再評価し直さなければなりませんか？」 

彼女は特に複数患者環境の価値を指摘しました。「優先順位付けのパターンを見ることができます」と彼女は説明しました。「中断にどう対応するのでしょうか？」 

IVRテレメトリーを通じてこうしたパターンを把握することで、vrClinicalsのようなプラットフォームは、学習者がどのように手がかりを認識し、ケアの優先順位を決め、中断に対応し、複数の要求を管理するかについて、教育者に客観的な証拠を提供します。

「ある学生は、『VRシナリオのジョージのおかげで、NCLEXのいくつかの問題に答えられました』と言っていました」と彼女は紹介しました。このような例は、vrClinicalsのようなプラットフォームが、より深い理解と応用を支えていることを示しています。 

Clinical Judgment Measurement Model をレンズとして用いる 

テレメトリーデータをインサイトに変えるには、共通のフレームワークが重要だとブラッドリー博士は強調しました。彼女は Clinical Judgment Measurement Model を用いて、手がかりの認識、情報の分析、仮説の優先順位付け、行動の実行、結果の評価といった学習者の行動を解釈しています。

「テレメトリーはそれ自体では解釈できません」とブラッドリー博士は説明しました。「私たちには共通のレンズが必要です。」

各 IVR シナリオについて、教育者はその文脈でどの行動が判断力を示しているのかを見極めなければなりません。介入後に学習者は再評価したでしょうか。適切にエスカレーションしたでしょうか。状況が変化したときにケアの優先順位を再設定したでしょうか。 

このアプローチを用いることで、ブラッドリー博士は支援が必要な学習者に共通するパターンを見いだしました。「彼らはただ再評価を繰り返しているだけなのです」と彼女は述べました。「決して行動に移さないのです。」 

vrClinicals はタイミングと順序を記録するため、こうしたパターンが可視化され、振り返りで議論できるようになります。シナリオ内のアクションや中断は、Clinical Judgment Measurement Model に基づいて設計されています。

トリフェクタにおけるAIの位置づけ 

AIは、vrClinicalsのような没入型VRプラットフォームによって生成される大量のテレメトリーデータの整理と解釈を教育者が行うのを支援することで、補助的な役割を果たします。

しかし、AIは看護教育者の代わりにはなりません。ブラッドリー博士は「AIが看護師の思考に取って代わることは決してありません」と指摘しました。彼女は、教育者の判断が中心であり続けなければならないと強調しました. 

「ガードレール付き」で使えば、AIは教育者がエビデンスから行動へより迅速に移るのを助けます。ブラッドリー博士は「私は今日知りたいのです。私の学生たちはどうだったのか？」と述べました。「次の学期でも、来年でもなく、このコホートが今日どうだったのかを知りたいのです。」

AIによる分析は、エスカレーションの遅れ、安全確認の見落とし、アウトカム評価の難しさといったコホート全体のギャップを明らかにできます。そうした洞察により、教育者は振り返り、補習、さらにはカリキュラムまでも、ほぼリアルタイムで調整できます。

「[その分析は]、次にこのシナリオを行うときの振り返りの仕方を変えるのでしょうか？ あるいは、事前準備資料をどう調整する必要があるか、または次回このVRを行う前に学生が身につけておくべき何かを示唆するのでしょうか？」と彼女は説明しました。

「たぶん、それは単に私たちのカリキュラムの中に組み込まれ、何かを繰り返す必要があるということなのかもしれません」と彼女は付け加えます。「コンピテンシーベースの教育は、一度やって終わりではありません。私たちは、学生が再び能力を示せることを望んでいます。」 

勝利のトリフェクタ 

ブラッドリー博士は、目的に立ち返ることでセッションを締めくくりました。臨床判断こそが最終目標です。vrClinicals for Nursing のような没入型VRプラットフォームは、学習者のパフォーマンスに関する豊富で客観的なエビデンスを生み出す環境を提供します。AIは、教育者がそのエビデンスを責任を持って解釈するのを支援します。

臨床判断、没入型VR、AIが一体となることで、看護教育者とその学生に対して、より良い評価、より的確な教育上の意思決定、そして学習成果の向上を支える強力なトリフェクタが形成されます。