Biträdande professor, simuleringsansvarig
University of Minnesota
Om du arbetar inom omvårdnadsutbildning vet du att kliniskt omdöme fortfarande är en av de viktigaste kompetenserna inom sjuksköterskeutbildningen. Och du vet också att det är en av de svåraste att undervisa i och utvärdera konsekvent.
Vid 2026 års Simulation User Network (SUN)-konferens berättade Cynthia Bradley, PhD, RN, CNE, CHSE, ANEF, biträdande professor och simuleringsansvarig vid University of Minnesota School of Nursing, hur immersiv virtuell verklighet i sjuksköterskeutbildningen (IVR) och artificiell intelligens (AI) kan hjälpa omvårdnadsutbildare att bättre förstå och stödja utvecklingen av kliniskt omdöme.
I den här artikeln sammanfattar vi Dr. Bradleys SUN-session, ”Clinical Judgment, VR, and AI: A Winning Trifecta.”
Dr Bradley grundade sin session i en utmaning som sjuksköterskeutbildare känner väl. Kliniskt omdöme är avgörande för säker vård och direkt kopplat till patientresultat, men det är mycket komplext. Även när studenter lärs ut steg, protokoll och processer, ”måste de fortfarande fånga upp det där resonemanget och den tankedelens”, påpekade Dr Bradley.
”Kliniskt omdöme är en av de svåraste sakerna vi försöker undervisa om”, sade hon. ”Det är mycket svårt att mäta.”
Traditionella kliniska erfarenheter varierar kraftigt. Även studenter som placeras på samma avdelning möter olika patienter och lärandemöjligheter. Bedömningen är i hög grad beroende av lärarnas observationer, vilket kan vara subjektivt och inkonsekvent.
Simulering hjälper till att hantera variationer i kliniska erfarenheter, men Dr. Bradley betonade att immersiv virtuell verklighet (IVR) i sjuksköterskeutbildningen tar standardiseringen ett steg längre. I IVR möter varje student samma miljö, samma signaler och samma beslutspunkter.
IVR flyttar också bedömningen bort från att enbart bero på lärarens tolkning. “IVR tar bort all den där subjektiviteten—för i slutändan är det ett datorprogram,” sa hon.
Innan IVR-plattformar som vrClinicals for Nursing hade utbildare begränsad insyn i vad studenterna faktiskt gjorde under simulerad patientvård. “Om vi inte riktigt kan förstå vad de gör, har vi ingen aning om hur vi ska hjälpa dem att förbättras,” sa hon.
IVR-miljöer genererar en enorm mängd elevdata. Dr. Bradley hänvisade till denna data som IVR-telemetri. Detta omfattar utförda handlingar, tidtagning, ordningsföljd, utelämnanden och svar på förändrade patienttillstånd.
”Vi kan se deras handlingar, vi ser tidpunkten för det de har gjort, händelseförloppet”, sade hon. ”Vi ser vad de inte gör. Ibland är det också väldigt viktigt att veta.”
I plattformar som vrClinicals for Nursing kan utbildare granska hur studenter bedömer patienter, navigerar i protokoll och ordinationer samt förbereder sig för att eskalera vården.
”Ringer de till vårdgivaren?” frågade hon. ”Har de den data de behöver för att ringa, eller måste de gå tillbaka och göra en ny bedömning?”
Hon pekade särskilt på värdet av miljöer med flera patienter. ”Vi kan titta på prioriteringsmönstren”, förklarade hon. ”Hur hanterar de avbrott?”
Genom att fånga dessa mönster via IVR-telemetri ger plattformar som vrClinicals utbildare objektiva bevis på hur studerande uppfattar signaler, prioriterar vård, reagerar på avbrott och hanterar konkurrerande krav.
”Vi har en student som sa: ’Jag kunde svara på några frågor på NCLEX tack vare George [från VR-scenariot]’”, delade hon. Exempel som detta illustrerar hur plattformar som vrClinicals stödjer djupare förståelse och tillämpning.
För att omvandla telemetridata till insikter betonade Dr. Bradley vikten av ett gemensamt ramverk. Hon använder Clinical Judgment Measurement Model för att tolka studenters beteende över att upptäcka signaler, analysera information, prioritera hypoteser, vidta åtgärder och utvärdera resultat.
“Telemetri tolkar inte sig själv,” förklarade Dr. Bradley. “Vi behöver ett gemensamt tolkningsperspektiv.”
För varje IVR-scenario måste utbildare avgöra vilka beteenden som visar omdöme i just det sammanhanget. Omprövade studenten efter en intervention? Eskalerade de på rätt sätt? Omprioriterade de vården när förutsättningarna ändrades?
Med denna metod upptäckte Dr. Bradley ett mönster bland studenter som hade svårt. “De bara fortsätter att omvärdera och omvärdera,” sa hon. “De går aldrig vidare till handling.”
Eftersom vrClinicals registrerar tidpunkt och sekvens blir dessa mönster synliga och möjliga att diskutera i debriefing, med scenarieåtgärder och avbrott utformade utifrån Clinical Judgment Measurement Model.
AI spelar en stödjande roll genom att hjälpa utbildare att organisera och tolka stora mängder telemetridata som genereras av immersiva VR-plattformar som vrClinicals.
Men AI ersätter inte sjuksköterskeutbildare. “AI kommer aldrig att ersätta sjuksköterskans tänkande,” påpekade Dr. Bradley. Hon betonade att utbildarens omdöme måste förbli centralt.
När AI används “med skyddsräcken” hjälper den utbildare att snabbare gå från evidens till handling. “Jag vill veta i dag: hur gick det för mina studenter?” sade Dr. Bradley. “Inte nästa termin, inte nästa år, utan den här kohorten i dag.”
AI-stödd analys kan synliggöra luckor på kohortnivå, såsom fördröjningar i eskalering, missade säkerhetskontroller eller svårigheter att utvärdera utfall. Dessa insikter gör det möjligt för utbildare att justera debriefing, åtgärdande insatser och till och med läroplanen i nära realtid.
“Ändrar [analysen] hur jag debriefar nästa gång jag gör det här scenariot? Kanske påverkar det hur jag behöver justera deras förberedelsematerial, eller något de behöver få innan de gör denna VR nästa gång?” förklarade hon.
“Kanske handlar det bara om att bygga in i vår läroplan, där vi behöver upprepa något,” tillägger hon. “Kompetensbaserad utbildning är inte en engångsföreteelse. Vi vill att de ska visa kompetens igen.”
Dr. Bradley uppmanade utbildare att närma sig immersiv VR med eftertanke.
“Här är mitt bästa råd: börja lågt och långsamt,” rådde hon. Hon rekommenderade att börja med en kurs och ett scenario samt att satsa på grundlig introduktion till både hårdvara och mjukvara.
Felaktig implementering kan leda till frustration hos lärare och minskat självförtroende hos studenter, varnade hon. “Det är verkligen svårt att ogöra det,” sade hon. “Så börja väldigt långsamt … och ha personer som sprider engagemang för hela processen.”
Dr. Bradley avslutade sessionen genom att återgå till syftet. Kliniskt omdöme förblir målet. Uppslukande VR-plattformar som vrClinicals for Nursing tillhandahåller den miljö som genererar rikt, objektivt bevis på studentens prestation. AI hjälper utbildare att tolka detta bevis på ett ansvarsfullt sätt.
Tillsammans utgör kliniskt omdöme, uppslukande VR och AI en kraftfull trifecta som stödjer bättre bedömning, starkare undervisningsbeslut och förbättrade läranderesultat för sjuksköterskeutbildare och deras studenter.
