状況
小児科専門医試験の勉強は、1人でやっている。外来が終わって帰宅すると勉強時間は正味1〜2時間。その時間に何を勉強するかを毎回ゼロから判断していると、得意な分野ばかり触ってしまう。
苦手意識があるのに後回しにしてきた疾患群がある。ネフローゼ、川崎病の冠動脈フォロー、神経系の発達障害との鑑別…。「わかっているつもり」で実は出てきたら止まる、というタイプの知識の穴だ。
こういう穴は、自分では見えにくい。問題を解いて「できなかった」と気づくよりも、「模擬患者にされてみて、質問がぶつ切りになる」で気づく方が体感に刺さる。AMPL learnでAI活用を教えている立場として、自分の勉強にも同じことを試してみようと思ったのが始まりだった。
やったこと
3段階に分けて使っている。
Step 1: 弱点の抽出と優先順位付け
まず自分の現状をClaudeに伝えて、何から手をつけるかを整理する。
以下の情報から、私の臨床知識の弱点を分析し、
学習計画を提案してください。
# 私のプロフィール
- 研修年次: 卒後10年目（小児科専攻）
- 受験予定: 小児科専門医試験（3ヶ月後）
- 使用教材: 小児科学会テキスト、過去問5年分
# 最近苦手だと感じた場面
1. ネフローゼ症候群の再発基準と治療ステップの細部
2. 川崎病の急性期後、冠動脈病変のフォロー判断
3. ASDとADHDの鑑別で診断基準の条件数が混乱する
# 出力
1. 弱点の優先順位付け（緊急度×重要度マトリクス）
2. 各弱点に対する学習リソース
3. 1日30分の4週間スケジュール
4. 進捗確認用の自己テスト問題（各3問）
これを投げると、自分で紙に書くより遥かに速く「優先度A〜Cの分類+学習リソース+週スケジュール」が返ってくる。ここで作った優先度リストが、その週の学習の入口になる。
Step 2: 模擬患者ロールプレイ
弱点が絞れたら、その疾患で模擬患者セッションをやる。
あなたは医学教育のための模擬患者です。以下の設定で演じてください。
# 設定
- 診療科: 小児科外来
- 難易度: 中級（専門医試験レベル）
- 患者の特徴: 3歳男児の母親、不安が強い
# ルール
1. 最初は主訴のみ述べてください
2. 私が質問した内容にのみ回答してください
3. 質問されていない情報は自発的に出さないでください
4. 曖昧な質問には曖昧に答えてください
5. 身体所見は「○○を診察します」と宣言した時だけ結果を伝えてください
6. 検査は私がオーダーした時だけ結果を返してください
# 私が「フィードバックをください」と言った時
以下の観点で詳細なフィードバックを提供してください:
- 病歴聴取の網羅性（OPQRST、Red flags確認）
- 身体診察の選択の適切性
- 検査オーダーの合理性
- 鑑別診断の妥当性
- 患者・家族とのコミュニケーション
最初の主訴を述べてください。
実際にやると、「顔が浮腫んでいて…」という主訴から始まり、自分で質問を組み立てていく。たとえば「浮腫の部位は？」「尿量の変化は？」「体重は最近測りましたか？」と積み上げた後、「ネフローゼの典型像かどうかを絞るのに何を聞いていないか」がフィードバックで見える。
Step 3: フィードバックから次の弱点を見つける
セッション終了後の「フィードバックをください」で返ってくる評価が、次の学習の入口になる。
「蛋白尿の量を確認する前に尿検査をオーダーした」「低アルブミン血症の確認の手順が飛んでいた」──こういった指摘は、問題集を解くだけでは見えない順序の問題だ。これを次回のStep 1の「苦手だと感じた場面」に入れ直して、ループさせる。
効いたところ
- 苦手疾患を「知っているつもり」から「質問の流れで詰まる場所」として具体化できた
- 模擬患者を相手にすると、病歴聴取の抜け漏れが体感として残る（問題集の正答確認とは別の記憶になる）
- 学習優先度の整理がClaudeに投げると2〜3分で終わる（自分でやると30分かかっていた）
- 外来の合間や夜の1時間でも、準備なしにセッションが始められる
限界・気をつけていること
AI模擬患者には構造的な偏りがある。ここを認識して使う。
- 典型例に偏る: AIが生成する症例は教科書的な提示になりやすい。非典型的な症状や複数疾患が絡む例は別のソース（実際の症例や症例集）で補う
- 稀な提示は外来でしか学べない: 患者ごとの個別性、訴え方の癖、家族の文脈は外来の実体験からしか得られない。AIセッションはあくまで「基礎的な流れの確認」と位置づける
- 薬剤量・ガイドライン内容は必ず原本突合: フィードバックに出てくる治療方針や投与量は、学習データ時点のものである可能性がある。小児科学会ガイドラインや添付文書で確認するのは省かない
- AIの誤答こそ確認ポイント: たまにフィードバックが的外れのことがある。「それは違う」と思ったら調べる。そこで発見した正しい情報の方が、記憶に残りやすい
- 患者情報は入力しない: 実際の外来症例をそのまま入力しない。匿名化・脱同定した形にするか、症例は架空で組み立てる
横展開
同じ流れで、初期研修医が苦手な電解質補正・酸塩基平衡の演習や、内科専門医試験対策にも転用できる。AMPL learnで「AI活用の医学教育」を教える立場からは、「自分が実際に使っているか」が説得力の要件になる。この流れを試した上で、受講者に渡すプロンプトを整備できた。