ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ Ανάπτυξη και χρήση εφαρμογής εικονικών ασθενών στηριζόμενη σε κλινικά ιατρικά σενάρια για χρήση στην εκπαίδευση

Transcript

1 ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΙΑΤΡΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧ/ΚΩΝ & ΜΗΧ/ΚΩΝ Η/Υ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ Ανάπτυξη και χρήση εφαρμογής εικονικών ασθενών στηριζόμενη σε κλινικά ιατρικά σενάρια για χρήση στην εκπαίδευση Ντάφλη Ελένη Πτυχιούχος του τμήματος Ιατρικής του Δημοκρίτειου Πανεπιστημίου Θράκης Διπλωματική εργασία, που υποβάλλεται στο πλαίσιο της μερικής εκπλήρωσης των απαιτήσεων, για την απόκτηση του Μεταπτυχιακού Διπλώματος Εξειδίκευσης στην Ιατρική Πληροφορική ΘΕΣΣΑΛΟΝΙΚΗ, ΟΚΤΩΒΡΙΟΣ 2008

2 ΤΜΗΜΑ ΟΠΟΥ ΕΚΠΟΝΗΘΗΚΕ Η ΕΡΓΑΣΙΑ: ΙΑΤΡΙΚΗ ΣΧΟΛΗ ΤΟΜΕΑΣ ΟΠΟΥ ΕΚΠΟΝΗΘΗΚΕ Η ΕΡΓΑΣΙΑ: ΕΡΓΑΣΤΗΡΙΟ ΙΑΤΡΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΔΙΕΥΘΥΝΤΗΣ: ΚΩΝΣΤΑΝΤΙΝΟΣ ΠΑΠΠΑΣ, Καθηγητής Η ΤΡΙΜΕΛΗΣ ΕΞΕΤΑΣΤΙΚΗ ΕΠΙΤΡΟΠΗ ΟΝΟΜΑΤΕΠΩΝΥΜΟ, Παναγιώτης Μπαμίδης, Επ. Καθηγητής Ιατρικής Σχολής Α.Π.Θ. (Επιβλέπων) ΟΝΟΜΑΤΕΠΩΝΥΜΟ, Αλέξης Μπένος, Αν. Καθηγητής Ιατρικής Σχολής Α.Π.Θ. ΟΝΟΜΑΤΕΠΩΝΥΜΟ, Κωνσταντίνος Παππάς, Καθηγητής Ιατρικής Σχολής Α.Π.Θ. Η έγκριση της Διπλωματικής αυτής Εργασίας από τα προαναφερόμενα Τμήματα του Αριστοτελείου Πανεπιστημίου Θεσσαλονίκης δεν υποδηλώνει την αποδοχή των γνωμών του συγγραφέα. (Νόμος 5343/32, αρθρ και ν. 1268/82, αρθρ. 50 8) Σελ 2

3 ΕΥΧΑΡΙΣΤΙΕΣ Θα ήθελα, πριν από όλα, να εκφράσω τις ευχαριστίες μου και την ευγνωμοσύνη μου σε όλους όσους συνέβαλλαν, ο καθένας με το δικό του τρόπο, στην ολοκλήρωση της διπλωματικής μου εργασίας. Καταρχήν, θα ήθελα να ευχαριστήσω θερμά τον επιβλέποντα της εργασίας, Επίκουρο καθηγητή του τμήματος της Ιατρικής Σχολής του ΑΠΘ κ. Παναγιώτη Μπαμίδη, για την καθοδήγηση, συνεργασία και βοήθεια που μου προσέφερε καθ όλη τη διάρκεια της εκπόνησης της διπλωματικής μου εργασίας. Επίσης, το διευθυντή του εργαστηρίου Ιατρικής Πληροφορικής του ΑΠΘ, καθηγητή του τμήματος Ιατρικής της Σχολής των Επιστημών Υγείας του ΑΠΘ, κ. Κωνσταντίνο Παππά, καθώς και τον Αναπληρωτή καθηγητή του τμήματος της Ιατρικής Σχολής κ. Αλέξη Μπένο, μέλη της τριμελούς εξεταστικής επιτροπής. Επίσης, ευχαριστίες εκφράζονται στο επιστημονικό προσωπικό του εργαστηρίου Ιατρικής Πληροφορικής για την κάθε είδους βοήθεια, όσον αφορά στην επιτυχή περάτωση της εργασίας αυτής. Τέλος, θα ήθελα να ευχαριστήσω τους γονείς μου για την πολύπλευρη συμπαράσταση τους, αφού χωρίς αυτούς θα ήταν αδύνατη η περάτωση αυτής της εργασίας. Σελ 3

4 Ανάπτυξη και χρήση εφαρμογής εικονικών ασθενών στηριζόμενη σε κλινικά ιατρικά σενάρια για χρήση στην εκπαίδευση Περίληψη Τα συστήματα εικονικών ασθενών αποτελούν προσομοιώσεις ή αναπαραστάσεις των ατόμων που συμμετέχουν σε μία ή περισσότερες ιατρικές διαδικασίες, τυπικά (αλλά όχι απαραίτητα) ασθενείς. Ως «εικονικός ασθενής» ορίζεται μια διαδραστική, βασισμένη σε πληροφοριακά συστήματα, εξομοίωση πραγματικών κλινικών σεναρίων με σκοπό την ιατρική εξάσκηση, εκπαίδευση ή αξιολόγηση. Χρήστες μπορούν να είναι μαθητευόμενοι, διδάσκοντες ή εξεταστές. Αυτή η εφαρμογή στοχεύει να υποστηρίξει την ιατρική εκμάθηση κατά τρόπο που να συμβάλει στη βελτίωση της ιατρικής περίθαλψης και να απλοποιήσει το διαχειριστικό έργο το οποίο συσχετίζεται με την εκπαίδευση και την αξιολόγηση της προόδου εκμάθησης. Η εφαρμογή του εικονικού ασθενή στηρίζεται στο πρότυπο που προτείνεται από τον οργανισμό MedBiquitous που συντονίζει διεθνώς την προσπάθεια για τη χρήση ελεύθερων και ανοικτών προτύπων στην ιατρική εκπαίδευση. Έτσι, τα δεδομένα που χρησιμοποιούνται στην ανάπτυξη του εικονικού ασθενούς, ανταποκρίνονται στις απαιτήσεις της διαλειτουργικότητας, της προσβασιμότητας και της επαναχρησιμοποίησης του μαθησιακού περιεχομένου των σεναρίων των εικονικών ασθενών. Για το λόγο αυτό εξάλλου η εφαρμογή έχει αναπτυχθεί τόσο σε ελληνική, όσο και σε αγγλική εκδοχή. Τα εν λόγω σενάρια επιτρέπουν στον εκπαιδευόμενο να συνεργαστεί με έναν εικονικό ασθενή μέσα από πολλαπλές επαφές, για να τον εξετάσει, να διαλέξει διαγνωστικές εξετάσεις και τρόπους διερεύνησης, να επιλέξει διαφορετικές προσεγγίσεις και να καταλήξει σε αποφάσεις σχετικά με τη αντιμετώπιση του περιστατικού και τη θεραπεία. Όλα αυτά επιτυγχάνονται μέσα από ένα σενάριο που βασίζεται στη λογική της «εκμάθησης που στηρίζεται στο πρόβλημα» (PBL, Problem Based Learning) με όσο το δυνατό πιο ρεαλιστικές επιλογές. Σε αυτό συμβάλει και η χρήση οπτικοακουστικού υλικού (εικόνα, ήχος, video). Τελικά η ολοκλήρωση της εκπαιδευτικής δραστηριότητας και η αξιολόγηση του διδασκομένου επιτυγχάνεται με την τελική βαθμολογία και την ανατροφοδότηση με αναφορές για την επίδοση του εκπαιδευομένου. Σελ 4

5 Πίνακας Περιεχομένων 1. Εισαγωγή Σκοπός της διπλωματικής Δομή της διπλωματικής Ανασκόπηση στην ηλεκτρονική μάθηση και στους εικονικούς ασθενείς Κλασικές μέθοδοι στην ιατρική εκπαίδευση ως τώρα-ελλείψεις-ανάγκη για νεότερες Τι νεότερο προσέφεραν τα περιβάλλοντα ηλεκτρονικής μάθησης (elearning) στην ιατρική εκπαίδευση Η ιδέα της μάθησης που επικεντρώνεται στο πρόβλημα (problem based learning) και των εικονικών ασθενών Παραδείγματα περιπτώσεων εφαρμογών εικονικών ασθενών Τα πλεονεκτήματα που προσφέρει η χρήση εικονικών ασθενών Τι καινούριο προσφέρει το πρότυπο MedBiquitous-αλληλεπίδραση Παρουσίαση του προτύπου MedBiquitous Σκοπός του προτύπου MedBiquitous οργανισμοί που συνεργάστηκαν Τι περιλαμβάνει το πρότυπο, η βασική αρχιτεκτονική του MVP components Εφαρμογές και data sets σχετιζόμενα αλλά εξωτερικά του MVP προτύπου Επίπεδα περιπλοκότητας του MVP Αναφορικά με άλλα πρότυπα Το πακέτο των αρχείων του MedBiquitous Virtual Patient Το MVP ως ένα πακέτο SCORM Βασικά στοιχεία για το SCORM Πακετάροντας έναν virtual patient ώστε να αποτελεί ένα SCO Το VUE ως εργαλείο για τη σχεδίαση και παρουσίαση μαθησιακού περιεχομένου...41 Σελ 5

6 4.1 Εισαγωγικά για το Vue Ο σκοπός του VUE και οι τομείς στους οποίους απευθύνεται Το σχέδιο VUE Οι συμμετέχοντες στο σχέδιο Παρουσίαση του έργου Εργαλεία σημασιολογικής χαρτογράφησης Εργαλεία παρουσίασης Σχεδιασμός χαρτών στο VUE Το OpenLabyrinth για την πραγματοποίηση σεναρίων εικονικών ασθενών Περιγραφικά στοιχεία Τι είναι το OpenLabyrinth v.3.0 ; Η δομή του Labyrinth Κανόνες Στοιχεία δεδομένων και clusters Εκτέλεση του OpenLabyrinth από μακριά (remote services) Εκτελώντας ένα Λαβύρινθο Άδειες Η διεπαφή του χρήστη Τι συμβαίνει στην πράξη Παρακολούθηση και ανατροφοδότηση Πώς δημιουργείται ένας λαβύρινθος Χειροκίνητα (Manually) Δημιουργία ενός χάρτη OpenLabyrinth χρησιμοποιώντας το VUE Εισαγωγή πακέτου MedBiquitous Virtual Patient package Αντιγραφή προϋπάρχοντος λαβυρίνθου Τύποι σχεδίασης λαβύρινθων Η υλοποίηση του εικονικού ασθενούς Το θέμα του ιατρικού σεναρίου της εφαρμογής Ο οξύς θωρακικός πόνος Το οξύ έμφραγμα μυοκαρδίου Η διάγνωση του ΟΕΜ Σελ 6

7 Η αντιμετώπιση ασθενούς με πιθανό ΟΕΜ Η δομή του περιστατικού του εικονικού ασθενούς της εφαρμογής Ο σχεδιασμός της δομής του εικονικού ασθενούς της εφαρμογής με τη χρήση του VUE Η υλοποίηση με το OpenLabyrinth Η εισαγωγή του αρχείου Vue Επεξεργασία του λαβυρίνθου Γενικές ιδιότητες Η επεξεργασία των κόμβων Η επεξεργασία των συνδέσμων Εισαγωγή και χρήση αρχείων media Χρήση μετρητών Ανατροφοδότηση και αναφορές επίδοσης Στιγμιότυπα από τις εφαρμογές των δύο εικονικών ασθενών Συμπεράσματα-Παρατηρήσεις Συμπεράσματα σχετικά με τη χρήση και αξιολόγηση των εικονικών ασθενών της εργασίας Αποτίμηση-σύνοψη Βιβλιογραφία Σελ 7

8 Πίνακας Εικόνων Εικόνα 1.Σενάριο εικονικού ασθενή από το Harvard University...21 Εικόνα 2.Μοντέλο-Προσομοιωτής της ανατομίας του ανθρώπινου σώματος από το New York University...22 Εικόνα 3.Λειτουργία εικονικού σεναρίου με τον προσομοιωτή TUSK του Tufts University...23 Εικόνα 4.Κλινικό σενάριο από το WebSP από το Karolinska Institutet...24 Εικόνα 5.Στοιχεία της MVP αρχιτεκτονικής...30 Εικόνα 6.Επίπεδο περιπλοκότητας MVP Εικόνα 7.Επίπεδο περιπλοκότητας MVP Εικόνα 8.Επίπεδο περιπλοκότητας MVP Εικόνα 9.Επίπεδο περιπλοκότητας MVP Εικόνα 10.Κάθε πακέτο που περιλαμβάνει έναν virtual patient...38 Εικόνα 11.Πακετάροντας έναν virtual patient για να αποτελεί ένα SCO...39 Εικόνα 12.Πολλαπλά μονοπάτια παρουσίασης με το VUE...42 Εικόνα 13.Τα εργαλεία παρουσίασης του VUE...45 Εικόνα 14. Πολλαπλά μονοπάτια μάθησης...46 Εικόνα 15.Η επιφάνεια εργασίας του VUE...47 Εικόνα 16. Κόμβοι και σύνδεσμοι...50 Εικόνα 17. Η σχέση μεταξύ των VPS, MR, DAM και στοιχείων δραστηριότητας (activity) στο OpenLabyrinth Εικόνα 18.Η βασική αρχιτεκτονική των απομακρυσμένων υπηρεσιών του OpenLabyrinth...55 Εικόνα 19.Μια τυπική εικόνα λαβύρινθου...55 Εικόνα 20.Τα βασικά στοιχεία μιας τυπικής εικόνας λαβυρίνθου...57 Εικόνα 21.Μια τυπική OpenLabyrinth έκθεση σε μορφή ιστογράμματος...59 Εικόνα 22.Στιγμιότυπο δραστηριότητας από εικονικό ασθενή σχεδιασμένο σε Vue.62 Εικόνα 23. Οι στεφανιαίες αρτηρίες της καρδιάς...68 Εικόνα 24. Παράδειγμα αλληλουχίας επιλογών και αποφάσεων στο σχεδιασμό σεναρίου...75 Εικόνα 25.Η επιφάνεια εργασίας του VUE...76 Σελ 8

9 Εικόνα 26. Η παλέτα μορφοποίησης του VUE...77 Εικόνα 27.Το κύριο μονοπάτι του σεναρίου αποτυπωμένο στο VUE...78 Εικόνα 28. Οι κόμβοι του περιστατικού αποτυπωμένοι στο VUE...79 Εικόνα 29. Μέρος του αρχείου VUE με τους κόμβους και τις συνδέσεις...80 Εικόνα 30.Ο ολοκληρωμένος χάρτης VUE στην αγγλική έκδοση...81 Εικόνα 31. Οι πληροφορίες του λαβύρινθου "chest pain"...82 Εικόνα 32. Η επιφάνεια μορφοποίησης των κόμβων...84 Εικόνα 33. Ο επεξεργαστής των συνδέσμων...86 Εικόνα 34. Η επεξεργασία των συνδέσμων...86 Εικόνα 35. Ο editor των εικόνων του OpenLabyrinth...87 Εικόνα 36. Η διαχείριση των εικόνων...88 Εικόνα 37. Στιγμιότυπο της αναφοράς επίδοσης του χρήστη...90 Εικόνα 38. Ιστόγραμμα της αναφοράς...91 Εικόνα 39. Εξέταση του εικονικού ασθενούς...92 Εικόνα 40. Επιλογή από εξετάσεις...92 Εικόνα 41. Διακομιδή του ασθενούς...93 Εικόνα 42. Ηλεκτροκαρδιογράφημα του ασθενούς...93 Εικόνα 43. Ακρόαση του αναπνευστικού του ασθενούς...94 Εικόνα 44. Μέτρηση σακχάρου του ασθενούς...94 Εικόνα 45. Η διάγνωση του περιστατικού...95 Εικόνα 46. Λήψη υπερήχου καρδιάς...95 Εικόνα 47. Εξιτήριο του ασθενούς...96 Σελ 9

10 Πίνακας Ακρωνυμίων PBL: Problem Based Learning EHRs: Electronic Health Records TUSK: Tufts University Sciences Knowledgebase WebSP: Web-based Simulation of Patients MRI: Magnetic Resonance Imaging CT: Computer Tomography MVP: MedBiquitous Virtual Patient XML: extensible Markup Language ANSI: American National Standards Institute HL7: Health Level 7 SNOMED: Systematized Nomenclature of Medicine MeSH: Medical Subject Headings UMLS: Unified Medical Language System LOM: Learning Object Metadata IMS: Instructional Management Systems SCORM: Sharable Content Object Reference Model XTM: extensible Topic Maps IMS Vdex: Instructional Management Systems Vocabulary Definition Exchange LMS : Learning Management System SCO: Sharable Content Object VBScript: Visual Basic Scripting Edition ODBC: Open Database Connectivity HTML: HyperText Markup Language Σελ 10

11 DDX: Dialog Data Exchange CK: Creatine Kinase LDH: Lactate Dehydrogenase ΤΕΠ: Τμήμα Επειγόντων Περιστατικών ΟΕΜ: Οξύ Έμφραγμα Μυοκαρδίου ΗΚΓ: Ηλεκτροκαρδιογράφημα CTNI: Cardiac Troponin I SGOT: Serum Glutamic Oxaloacetic Transaminase SGPT: Serum Glutamic Pyruvic Transaminase WYSIWYG: What You See Is What You Get MR: Media Resources JPEG: Joint Photographic Experts Group WMV: Windows Media Video CSV: Comma-Separated Values Σελ 11

12 1. Εισαγωγή Στον τομέα της ευρείας συμμετοχής και συνεργασίας φοιτητών διαφορετικής ακαδημαϊκής προέλευσης στις επιστήμες υγείας, οι εκπαιδευόμενοι ενθαρρύνονται ιδιαίτερα να συμμετέχουν σε μια ποικιλία ιατρικών και υγειονομικών εργασιακών ειδικοτήτων, οι οποίες στηρίζονται στην ανάπτυξη γνώσεων και ικανοτήτων. Οι εκπαιδευόμενοι μπορούν με σχετική ευκολία να αφομοιώσουν γνώσεις που προέρχονται από τις βιολογικές επιστήμες. Η πληροφορία αυτού του τύπου είναι εύκολα διαθέσιμη αλλά και εύκολο να μελετηθεί από γραπτές πηγές και διαγράμματα (βιβλία, εγχειρίδια, πηγές Διαδικτύου κλπ). Ωστόσο, οι κλινικές δεξιότητες είναι ένα εντελώς διαφορετικό θέμα. Κάτω από κανονικές συνθήκες, αυτές οι δεξιότητες γίνονται πραγματικά κατανοητές μόνο διαμέσου είτε της παρακολούθησης της κλινικής διαδικασίας, είτε της συμμετοχής σε αυτή. Οι εφαρμογές εικονικών ασθενών προσφέρουν την ευκαιρία στους φοιτητές, και στους εκπαιδευόμενους γενικότερα, να εξασκηθούν στη λήψη αποφάσεων σε ένα ελεύθερο ρίσκου για την υγεία των ασθενών περιβάλλον. Ωστόσο, το μεγάλο εύρος των πιθανών επιλογών που είναι δυνατό να υπάρξει κατά τη διάρκεια της κλινικής επαφής με έναν ασθενή, κάνει τη δημιουργία περιπτώσεων εικονικών ασθενών να αποτελεί πρόκληση,μέσα στα πλαίσια της βασισμένης στο πρόβλημα εκμάθησης (problem based learning).υπάρχουν έτσι διαφορετικές προσεγγίσεις σε αυτό το πρόβλημα της επιλογής. [1] 1.1 Σκοπός της διπλωματικής Τα σενάρια εικονικών ασθενών που αναπτύσσονται στα πλαίσια της εργασίας στοχεύουν να υποστηρίξουν την ιατρική εκμάθηση, κατά τρόπο που να συμβάλει στη βελτίωση της ιατρικής περίθαλψης και να απλοποιήσει το διαχειριστικό έργο το οποίο συσχετίζεται με την εκπαίδευση και την αξιολόγηση της προόδου εκμάθησης. Επιπλέον, η εργασία στηρίζεται σε πρότυπα που προτείνονται από τον οργανισμό MedBiquitous που συντονίζει διεθνώς την προσπάθεια για τη χρήση ελεύθερων και ανοικτών προτύπων στην ιατρική εκπαίδευση. Έτσι, τα δεδομένα ανταποκρίνονται Σελ 12

13 στις απαιτήσεις της διαλειτουργικότητας, της προσβασιμότητας και της επαναχρησιμοποίησης του μαθησιακού περιεχομένου των εικονικών ασθενών. Η εφαρμογή του εικονικού ασθενή συνίσταται σε τρία μέρη: το XML αρχείο, τη διεπαφή και το οπτικοακουστικό υλικό πολυμέσων. Αυτά τα τρία μέρη συνεργάζονται μεταξύ τους ώστε να κάνουν δυνατή τη χρήση του συστήματος. Τι εννοούμε όμως λέγοντας Εικονικός Ασθενής; Ως «εικονικός ασθενής» ορίζεται μια διαδραστική, βασισμένη σε πληροφοριακά συστήματα, εξομοίωση πραγματικών κλινικών σεναρίων με σκοπό την ιατρική εξάσκηση, εκπαίδευση ή αξιολόγηση.στην απλούστερη μορφή του, απλώς επιτρέπει στο χρήστη, συνήθως μέσω του υπολογιστή, να κάνει κάποια επιλογή, βασισμένη σε κλινικές πληροφορίες. Ο χρήστης έπειτα δέχεται ανατροφοδότηση(feedback),εξαρτώμενη από την επιλογή που έχει κάνει. Σε αυτή την εφαρμογή μεγαλύτερης περιπλοκότητας ο εικονικός ασθενής προσφέρει μεγαλύτερο εύρος επιλογών, και έπειτα συνδέονται οι σελίδες μεταξύ τους, ώστε η πληροφορία και οι διαθέσιμες επιλογές σε κάθε επίπεδο να εξαρτώνται από τις επιλογές που έχει κάνει νωρίτερα ο διδασκόμενος στο σενάριο. Έχει έτσι περισσότερο ρεαλιστικές και περίπλοκες επιλογές, και διδάσκει το χρήστη ανάλογα με τις επιλογές του. Επίσης συνδέει και άλλα μέσα (media) πίσω από την πληροφορία κειμένου για τον ασθενή. [2] Οι συνεχώς αναπτυσσόμενες τεχνολογίες του διαδικτύου, των τηλεπικοινωνιών και της Πληροφορικής έχουν οδηγήσει σε εντυπωσιακά αμφίδρομες και πρωτότυπες μεθόδους επικοινωνίας κατά τη διάρκεια της τελευταίας δεκαετίας. Αν και η κλινική εμπειρία με πραγματικούς ασθενείς εξακολουθεί να είναι πρωταρχικής σημασίας, η εκπαίδευση με εικονικούς ασθενείς μπορεί να επεκτείνει την εμπειρία αυτή και να συμπληρώσει τα κενά. Θα βοηθήσει έτσι τους εκπαιδευόμενους να αποκτήσουν μεγαλύτερη εξοικείωση με την ιατρική θεωρία και πρακτική. 1.2 Δομή της διπλωματικής Η δομή της διπλωματικής είναι η ακόλουθη: Σελ 13

14 Στο δεύτερο κεφάλαιο δίνονται κάποια στοιχεία της ηλεκτρονικής εκπαίδευσης και των βασικών μοντέλων εικονικών ασθενών που έχουν σχεδιαστεί, ώστε ο αναγνώστης να έχει την υποδομή σε τέτοια θέματα για τη συνέχεια της διπλωματικής. Στο τρίτο κεφάλαιο παρουσιάζεται το πρότυπο MedBiquitous,σε συμφωνία με το οποίο αναπτύχθηκε η εφαρμογή των εικονικών ασθενών της διπλωματικής. Στο τέταρτο κεφάλαιο δίνονται κάποια στοιχεία του VUE, με τη χρήση του οποίου σχεδιάστηκε το σενάριο της εφαρμογής. Στο πέμπτο κεφάλαιο δίνονται στοιχεία του OpenLabyrinth, με τη χρήση του οποίου υλοποιήθηκε η εφαρμογή των εικονικών ασθενών της διπλωματικής. Στο έκτο κεφάλαιο παρουσιάζεται η υλοποίηση της εφαρμογής των εικονικών ασθενών της διπλωματικής. Στο έβδομο κεφάλαιο δίνονται τα συμπεράσματα από την εφαρμογή και της αξιολόγησης της χρήσης της, καθώς και γίνεται μια γενικότερη αποτίμηση της εργασίας. Σελ 14

15 2. Ανασκόπηση στην ηλεκτρονική μάθηση και στους εικονικούς ασθενείς 2.1 Κλασικές μέθοδοι στην ιατρική εκπαίδευση ως τώραελλείψεις-ανάγκη για νεότερες Στο πρόγραμμα σπουδών των περισσοτέρων Ιατρικών Σχολών παραδοσιακά περιλαμβάνεται 1) η θεωρητική κατάρτιση των φοιτητών μέσα από μαθήματα θεωρητικών διαλέξεων και 2) η πρακτική τους άσκηση, αρχικά διαμέσου εργαστηριακών μαθημάτων και στη συνέχεια, με την πρόοδο των ακαδημαϊκών ετών, διαμέσου της κλινικής άσκησης και της επαφής με τους ασθενείς,της οποίας και η θέση κρίνεται ως κεντρικής σημασίας. [3] Η ικανότητα της επίλυσης προβλημάτων είναι κάτι περισσότερο από αποστήθιση γνώσης και κανόνων. Είναι η ανάπτυξη ευέλικτων στρατηγικών που βοηθούν μέσα από την ανάλυση, κάτω από καλά δομημένες καταστάσεις, στην παραγωγή λύσεων με νόημα. Η τυπική μορφή της επίλυσης προβλημάτων που διδάσκεται στις σχολές συχνά τείνει να είναι μια συγκεκριμένη περίπτωση με καλά καθορισμένες παραμέτρους που οδηγούν σε αναμενόμενα αποτελέσματα με μια μόνο σωστή απάντηση. Δυστυχώς οι φοιτητές που εκπαιδεύονται με αυτή τη μέθοδο δεν είναι επαρκώς προετοιμασμένοι να αντιμετωπίζουν προβλήματα στα οποία χρειάζεται να μεταφέρουν τη μάθηση σε νέους τομείς, μια ικανότητα που χρειάζεται να λειτουργεί επαρκώς μέσα σε μια κοινωνία. Η συνεχής πρόοδος της ιατρικής επιστήμης σε συνδυασμό με την αναπόφευκτη διεθνοποίηση και τις μετακινήσεις των πληθυσμών έχουν οδηγήσει στην επιτακτική ανάγκη παραγωγής ιατρών υψηλών προδιαγραφών. Στις μέρες μας, δεν είναι αρκετό να αποφοιτούν νέοι ιατροί με υψηλό επίπεδο θεωρητικών γνώσεων, αλλά και επαγγελματίες που να μπορούν να λειτουργήσουν με ικανό βαθμό αυτονομίας από την πρώτη κιόλας ημέρα, σε οποιοδήποτε νοσοκομείο ή ίδρυμα της Ενωμένης Ευρώπης (ή και εκτός αυτής). Επιπλέον, έχει αναγνωρισθεί ότι ο νέος ιατρός, αν και έχει ακόμα αρκετά να μάθει, πρέπει να γνωρίζει καλά τουλάχιστον ένα πράγμα: να γνωρίζει πώς να μαθαίνει. Έχοντας αυτήν την ποιότητα της συνεχούς Σελ 15

16 μάθησης, θα μπορέσει στη διάρκεια της ειδίκευσης του αλλά και μετέπειτα, ως ειδικός, να υιοθετήσει μια προσωπική τακτική συνεχιζόμενης εκπαίδευσης που θα του εξασφαλίσει την επίκαιρη γνώση και εμπειρία και, επακόλουθα, την βέλτιστη παροχή υπηρεσιών στους ασθενείς του. Σήμερα, οι περιορισμοί όσον αφορά τη διαθεσιμότητα των ασθενών και των κλινικών περιστατικών καθιστούν αναγκαία την αναζήτηση νεότερων μεθόδων διδασκαλίας, ώστε να εφοδιαστούν οι νέοι,κυρίως, ιατροί με την απαραίτητη εμπειρία και τη γνώση διαγνωστικού και θεραπευτικού χειρισμού στην, όσο το δυνατόν μεγαλύτερου εύρους, ποικιλία παθήσεων και περιστατικών. [4] Επιπλέον, η διεθνοποίηση στην εκπαίδευση καθιστά αναγκαία την ύπαρξη συστημάτων τα οποία να επιτρέπουν την ανταλλαγή γνώσεων όσον αφορά το χειρισμό των ασθενών και γενικότερα την ανταλλαγή εξειδικευμένης πολλές φορές γνώσης πάνω σε τομείς, καθώς η αλματώδης πρόοδος της ιατρικής επιστήμης έχει ωθήσει την ανάπτυξη πολλών εξειδικευμένων κέντρων. Ο στόχος είναι η συνεργασία μεταξύ αυτών, καθώς είναι πλέον σχεδόν αδύνατο, βάση του τεράστιου όγκου ιατρικής πληροφορίας,να είναι όλα τα ιατρικά κέντρα εξειδικευμένα σε βάθος σε κάθε τομέα της Ιατρικής έρευνας και πράξης. Είναι επομένως πλέον απαραίτητη η ανταλλαγή πληροφορίας μεταξύ πολλές φορές διαφορετικών σχολών για την εκπαίδευση των νέων ιατρών,κάτι που σημαίνει ότι οι εκπαιδευόμενοι θα πρέπει να έχουν πρόσβαση όχι μόνο σε θεωρία,αλλά και σε διαχείριση περιστατικών από ποικιλία εκπαιδευτικών ιδρυμάτων. 2.2 Τι νεότερο προσέφεραν τα περιβάλλοντα ηλεκτρονικής μάθησης (e-learning) στην ιατρική εκπαίδευση Electronic- learning (ή αλλιώς e-learning) είναι ο τύπος της εκπαίδευσης στον οποίο το μέσο της καθοδήγησης είναι η τεχνολογία των ηλεκτρονικών υπολογιστών. Τελευταία, στα περισσότερα Πανεπιστήμια το e-learning χρησιμοποιείται για να ορίσει ένα συγκεκριμένο μοντέλο συμμετοχής σε μαθήματα ή προγράμματα σπουδών, όπου οι φοιτητές σπάνια, ή και ποτέ, έχουν «πρόσωπο με πρόσωπο» πρόσβαση στις εκπαιδευτικές παροχές,διότι σπουδάζουν on line. [5] Σελ 16

17 Από το 2006, σχεδόν 3,5 εκατομμύρια φοιτητές συμμετέχουν σε on-line learning, σε ανώτερα εκπαιδευτικά ιδρύματα στις ΗΠΑ. Πολλά ανώτερα εκπαιδευτικά ιδρύματα κερδοσκοπικού χαρακτήρα τώρα προσφέρουν δικτυακές τάξεις. Αντίθετα, μόνο τα μισά από αυτά που είναι μη κερδοσκοπικού χαρακτήρα προσφέρουν τέτοια μαθήματα. Η έρευνα Sloan, στηριγμένη σε μια δημοσκόπηση που βασίστηκε σε ακαδημαϊκούς, δείχνει ότι οι εκπαιδευόμενοι γενικά παρουσιάζονται να είναι τουλάχιστον το ίδιο ικανοποιημένοι με τις on-line τάξεις τους συγκριτικά με αυτές παραδοσιακού τύπου. [6] Τα μαθήματα που στηρίζονται στη χρήση των ηλεκτρονικών υπολογιστών (computer-based sessions) έχουν παρουσιάσει από το ξεκίνημα της χρήσης τους σημαντικά πλεονεκτήματα έναντι των διαλέξεων, τόσο σε γενικότερα πλαίσια,όσο και ειδικά στο χώρο της Ιατρικής. Συγκεκριμένα, τα μαθήματα e-learning είναι περισσότερο ευέλικτα και μπορούν να προσαρμοστούν στο εκπαιδευτικό και το εργασιακό πρόγραμμα των μαθητευομένων. Προσφέρεται,έτσι, η δυνατότητα να διακόψουν ή να επισκεφτούν ξανά κάποιες περιοχές του μαθήματος. Επιπλέον, υπάρχει μεγαλύτερη δυνατότητα διάδρασης που ωθείται κατά πρώτο λόγο από τον εκπαιδευόμενο και όχι από τον εκπαιδευτή, όπως συνήθως γίνεται με τις παραδοσιακές διαλέξεις. Επίσης, οι υπερσυνδέσεις και το επιπρόσθετο υλικό μπορούν να προωθηθούν άμεσα και στιγμιαία στον διδασκόμενο. Όλα αυτά δημιουργούν κάποια standards (πρότυπα) στην ποιότητα του εκπαιδευτικού υλικού και μπορούν να αντιπαρέλθουν με το κόστος και τις δυσκολίες μετακίνησης των εξειδικευμένων εκπαιδευτών οι οποίοι θα έπρεπε να διδάσκουν σε τεράστιο αριθμό φοιτητών σε διάφορες περιοχές. [7] Έχουν γίνει μελέτες που οδήγησαν στο συμπέρασμα ότι η εκπαίδευση μέσω ηλεκτρονικού υπολογιστή, συγκριτικά με τις παραδοσιακές μεθόδους των διαλέξεων είναι τουλάχιστον το ίδιο αποτελεσματική όσον αφορά την απόκτηση γνώσης και τη μάθηση, καθώς και τα επιπρόσθετα οφέλη στους εκπαιδευόμενους ιατρούς [8]. Αυτό σε συνδυασμό με τα πρακτικά πλεονεκτήματα των μεθόδων αυτών τόσο για τους φοιτητές όσο και για τους διδάσκοντες έχει κάνει ιδιαίτερα δημοφιλή τα προγράμματα e-learning. [9] Σελ 17

18 2.3 Η ιδέα της μάθησης που επικεντρώνεται στο πρόβλημα (problem based learning) και των εικονικών ασθενών Τα πραγματικά προβλήματα στη ζωή σπάνια παραλληλίζονται με τα καλά δομημένα προβλήματα που διδάσκονται στις σχολές. Συνεπώς, η ικανότητα της επίλυσης παραδοσιακών σχολικών προβλημάτων δεν προσθέτει πολύ στην ανάπτυξη κριτικής ικανότητας από τους φοιτητές, κάτι που απαιτείται για την αντιμετώπιση της πραγματικής ζωής. Τα καλά δομημένα προβλήματα μέσα στα «αποστειρωμένα» περιβάλλοντα τους, στα οποία υπάρχει μόνο μια σωστή απάντηση, απλά διδάσκουν στους φοιτητές για την επίλυση προβλημάτων, όχι όμως το πώς θα τα λύσουν. Στη πραγματική ζωή σπάνια ακολουθούμε τα ίδια βήματα για να λύσουμε προβλήματα. Η ακολουθία λύσεων που διδάσκεται στα τέλεια δομημένα προβλήματα που διδάσκονται μέσα στις ακαδημαϊκές αίθουσες είναι σπάνια δυνατό να μεταφερθεί στην πραγματική ζωή. Στα πραγματικά προβλήματα παρουσιάζεται μια ποικιλία περιεχομένων, στόχων, λαθών και αγνώστων παραγόντων που επηρεάζουν το πώς το κάθε πρόβλημα πρέπει να προσεγγιστεί. Για να είναι ορθά προετοιμασμένοι οι μελλοντικοί ιατροί θα πρέπει να εξασκηθούν στην επίλυση προβλημάτων που αντανακλούν τη ζωή έξω από την αίθουσα διδασκαλίας. Η ανάπτυξη αυτής της ικανότητας είναι ο στόχος του problem based learning. [10] Η επικεντρωμένη στο πρόβλημα μάθηση (PBL, Problem-based learning) είναι μια στρατηγική μάθησης που έχει ως επίκεντρο τον εκπαιδευόμενο και στην οποία οι διδασκόμενοι λύνουν προβλήματα σε συνεργασία μεταξύ τους και βασιζόμενοι στις εμπειρίες τους. Ξεκίνησε και χρησιμοποιήθηκε ευρέως από το πανεπιστήμιο McMaster του Καναδά. Χαρακτηριστικά του PBL αποτελούν τα εξής: Η μάθηση καθοδηγείται από προβλήματα δίχως περιορισμένο τέλος Οι φοιτητές δουλεύουν σε μικρές ομάδες μέσα στις οποίες συνεργάζονται Οι διδάσκοντες έχουν το ρόλο των συντονιστών της μάθησης Στη συνέχεια, οι φοιτητές ενθαρρύνονται να αναλάβουν πρωτοβουλία για την ομάδα τους και να οργανώσουν και να κατευθύνουν τη μαθησιακή διαδικασία με την υποστήριξη ενός επιβλέποντα ή καθοδηγητή. Οι υποστηρικτές του PBL ισχυρίζονται ότι μπορεί να χρησιμοποιηθεί για την ενίσχυση της περιεκτικής γνώσης και την Σελ 18

19 ενδυνάμωση της επικοινωνίας, της επίλυσης προβλημάτων και της αυτοκαθοδηγούμενης ικανότητας μάθησης. [11] Συμπληρωματικά στο PBL, οι εικονικοί ασθενείς αποτελούν προσομοιώσεις ή αναπαραστάσεις ατόμων που εμπλέκονται σε μία ή περισσότερες υγειονομικές διαδικασίες, τυπικά (αλλά όχι απαραίτητα) ασθενείς. Οι εικονικοί ασθενείς χρησιμοποιούνται στην ιατρική εκπαίδευση, και βοηθούν στην ανάπτυξη της έρευνας και της παραγωγής φαρμάκων. [12] Η δημιουργία και η ανάπτυξη των σεναρίων, και άλλων εφαρμογών, εικονικών ασθενών στηρίχτηκε στην ανάγκη για εκσυγχρονισμό της ιατρικής εκπαίδευσης και της διεύρυνσης των δυνατοτήτων απόκτησης συνδυασμού γνώσης και εμπειρίας από τους νέους ιατρούς. Οι «προσομοιωμένοι» ασθενείς αυξάνουν τη διαθεσιμότητα εκπαιδευτικών δυνατοτήτων για τους φοιτητές Ιατρικής, καθιστώντας τους λιγότερο εξαρτημένους από τις πραγματικές υποθέσεις,για να μάθουν πώς να χειριστούν δύσκολες υποθέσεις, κάτι ωφέλιμο τόσο για τους ίδιους, καθώς δεν εξαρτώνται από την ύπαρξη διαθέσιμων ιατρικών περιστατικών,όσο και για τους ασθενείς, οι οποίοι δε διατρέχουν κίνδυνο από πιθανά λάθη των εκπαιδευομένων. Σε αντίθεση με τους πραγματικούς ασθενείς, οι εικονικοί μπορούν να χρησιμοποιηθούν «κατ επίκληση» ανά πάσα στιγμή και τα σενάρια τους είναι διαρκώς αναπαραγώγιμα, κάτι που επιτρέπει στο χρήστη να εξερευνήσει διαφορετικές επιλογές ή διαφορετικές διαγνωστικές και θεραπευτικές στρατηγικές. Οι περιπτώσεις χρήσης εικονικών ασθενών περιλαμβάνουν ένα ευρύ φάσμα τόσο μορφών όσο και περιπτώσεων χρήσης τους. Έχουν υπάρξει οι εξής φόρμες εικονικών ασθενών [2]: Τεχνητοί ασθενείς: Προσομοιώσεις με τη βοήθεια υπολογιστικών συστημάτων βιοχημικών διεργασιών, όπως της επίδρασης φαρμάκων στους οργανισμούς, φυσιολογικών διεργασιών ενός δεδομένου οργάνου, ή και ολόκληρων συστημάτων (Συστημική Φυσιολογία) σε δεδομένο οργανισμό. Αυτοί μπορούν να χρησιμοποιηθούν σε φαρμακευτικές μελέτες φάσης ΙΙ, ΙΙΙ, και ΙV, ως προκαταρκτική έρευνα της πειραματικής εφαρμογής τους σε ζώα και ανθρώπους για τις διαδικασίες παραγωγής φαρμάκων. Σελ 19

20 Πραγματικοί ασθενείς: αντικατοπτρισμένοι σε δεδομένα (data),όπως για παράδειγμα, Electronic Health Records (EHRs).[13] Σε αυτή την περίπτωση ο εικονικός ασθενής αποτελεί την αναπαράσταση ενός πραγματικού ασθενούς με βάση τα δεδομένα που έχουν κρατηθεί για αυτόν. Αυτοί ονομάζονται ενίοτε και e-patients. Προσομοιωμένοι ασθενείς: όπου ο ασθενής αναδημιουργείται από ανθρώπους ή χαρακτήρες υπολογιστικά δομημένους και εικονικούς ανθρώπους (Virtual Humans) σε ρόλους. Ηλεκτρονικές μελέτες περιπτώσεων και σενάρια: σε αυτά οι χρήστες δουλεύουν μέσα από προβλήματα (PBL,problem based learning), καταστάσεις ή παρόμοιες, βασισμένες σε αφήγηση, δραστηριότητες. 2.4 Παραδείγματα περιπτώσεων εφαρμογών εικονικών ασθενών Μερικές από τις εφαρμογές ηλεκτρονικών σεναρίων είναι: Virtual Patients από την Ιατρική Σχολή Harvard: στο Carl J. Shapiro Institute for Education and Research της Ιατρικής Σχολής του Πανεπιστημίου του Harvard και στο ιατρικό κέντρο Mand Beth Israel Deaconess έχουν ξεκινήσει το Virtual Patient Project. Έχουν ξεκινήσει το σχεδιασμό μιας σειράς 50 περίπου περιπτώσεων (cases) εικονικών ασθενών, των οποίων τα σενάρια όταν ενωθούν στοχεύουν να αποτελέσουν τον πυρήνα της Ιατρικής γνώσης. Αυτά περιλαμβάνουν τις συνηθέστερες περιπτώσεις διαταραχών και παθήσεων και τα διαγνωστικά και θεραπευτικά δέντρα αποφάσεων (decision trees) που ενδείκνυται να ακολουθήσει ο ασκούμενος ιατρός. Είναι,έτσι, ασθενείς που θα είναι πάντα «διαθέσιμοι» όταν ο φοιτητής έχει το χρόνο να ασχοληθεί μαζί τους. [14] Σελ 20

21 Εικόνα 1.Σενάριο εικονικού ασθενή από το Harvard University [14] Dynamic Virtual Patient Project από το New York University: ο στόχος αυτού του προγράμματος ήταν η παροχή μιας on line οπτικής διεπαφής η οποία μπορεί να παράγει τρισδιάστατα κινούμενα μοντέλα από εργαστήρια και ιατρικά τμήματα. Ιατροί, ακτινολόγοι και εργαστήρια κατέχουν τα δεδομένα και το Πανεπιστήμιο παρέχει μια δυναμική οπτική διεπαφή.το πρότυπο λοιπόν είναι ένα τρισδιάστατο (3D) ομοίωμα, το οποίο ελέγχεται από ένα σετ διαδραστικών εργαλείων (tools). Ο παρατηρητής μπορεί να δει τόσο τα εξωτερικά όσο και τα εσωτερικά στοιχεία του σώματος. Επίσης, μπορεί αν επιθυμεί να αλλάξει τη θέση των καμερών γύρω από τον ασθενή και να επιλέξει εργαλεία οπτικοποίησης από ένα 3D toolbox ώστε να δει συγκεκριμένες οπτικές του σώματος. [15] Σελ 21

22 Εικόνα 2.Μοντέλο-Προσομοιωτής της ανατομίας του ανθρώπινου σώματος από το New York University [15] TUSK Case Simulator από το Tufts University: Το Tufts University Sciences Knowledgebase, TUSK, αποτελεί ένα δυναμικό σύστημα διαχείρισης γνώσης, το οποίο υποστηρίζει τους μαθητευόμενους και τους εκπαιδευτές στην μάθηση και στη διδασκαλία αντίστοιχα. Ο οργανισμός αυτός δημιουργεί ένα εργαλείο, το οποίο είναι σύμφωνο με τα πρότυπα που προτείνει ο οργανισμός MedBiquitous, με σκοπό να αναπαραγάγει προσομοιώσεις εικονικών ασθενών τόσο από άλλα ινστιτούτα,όσο και από το πανεπιστήμιο Tufts. Ο TUSK Case Simulator είναι ένα ελεύθερα διαθέσιμο εργαλείο, το οποίο είναι ανεπτυγμένο σε Java και του οποίου οι λειτουργίες μπορούν να επεκταθούν με προσθήκες από τα υπόλοιπα μέλη του οργανισμού MedBiquitous. [16] Σελ 22

23 Εικόνα 3.Λειτουργία εικονικού σεναρίου με τον προσομοιωτή TUSK του Tufts University [16] To WebSP από το Karolinska Institutet: περιλαμβάνει ρεαλιστικές και διαδραστικές αναπαραστάσεις κλινικών σεναρίων τα οποία διοχετεύονται και διαμορφώνονται μέσω του Διαδικτύου. Περιέχει τη δυνατότητα λήψης ιστορικού, ολοκληρωμένης φυσικής εξέτασης (επισκόπηση, ψηλάφηση, ακρόαση, επίκρουση, ζωτικά σημεία, νευρολογική εξέταση κλπ.), ολοκληρωμένου εργαστηριακού ελέγχου, περιλαμβάνοντας αιματολογικές εξετάσεις, ακτινογραφίες, μαγνητική τομογραφία (ΜRΙ), υπερήχους, αξονική τομογραφία (CT),διαφοροδιαγνωστική προσέγγιση, θεραπευτική αγωγή, πηγές, αναφορές και ανατροφοδότηση. Το σύστημα αυτό είναι γραμμωτό (linear), δηλαδή δεν παρέχει τη δυνατότητα διαφοροποίησης της πορείας μέσα από αυτό ανάλογα με τις αποφάσεις που λαμβάνει ο χρήστης, αλλά υπάρχει συγκεκριμένη πορεία. [4] Σελ 23

24 Εικόνα 4.Κλινικό σενάριο από το WebSP από το Karolinska Institutet [4]. 2.5 Τα πλεονεκτήματα που προσφέρει η χρήση εικονικών ασθενών Οι σύγχρονες εφαρμογές των εικονικών ασθενών επιτρέπουν στους εκπαιδευόμενους να εξασκηθούν πρακτικά πάνω στο αντικείμενο στο οποίο έχουν διδαχθεί θεωρητικά, καθώς και να αντιληφθούν τι δε γνωρίζουν και να ασκηθούν πάνω σε αυτό. Οι προσομοιώσεις αυτές πάνω σε πραγματικά σενάρια επίσης, προσφέρουν στους συμμετέχοντες έκθεση σε μια μεγάλη ποικιλία ασθενειών στις οποίες κάτω από πραγματικές συνθήκες δε θα είχαν τη δυνατότητα να εξασκηθούν ή να συναντήσουν στην καθημερινή κλινική τους εμπειρία. Έτσι, είναι ιδιαίτερα χρήσιμα όταν η διαθεσιμότητα ασθενών είναι περιορισμένη. Τελικά, η αξιολόγηση και η πιστοποίηση κλινικών δεξιοτήτων μπορεί να επιτευχθεί μέσα από τέτοιες προσομοιώσεις. [12] Η χρήση των σεναρίων (cases) εικονικών ασθενών προσφέρει τη δυνατότητα στους φοιτητές Ιατρικής, και γενικότερα στους εκπαιδευόμενους, για ανεξάρτητη προς κάθε χρήστη και επικεντρωμένη προς αυτόν μάθηση, για διαδραστικό μάθημα Σελ 24

25 μέσα από ομάδες εκπαιδευομένων, για αξιολόγηση ή και για ένα συνδυασμό αυτών των δυνατοτήτων ταυτόχρονα. Οι εικονικοί ασθενείς μπορούν να στηρίξουν ένα περιβάλλον Problem Based Learning, για να υποστηρίξει τους φοιτητές, ώστε να γίνουν ενεργοί, ανεξάρτητοι μαθητευόμενοι και να μπορούν να επιλύουν προβλήματα στην πράξη. Τα προγράμματα αυτά μπορούν να χρησιμοποιηθούν για τη δια βίου εκπαίδευση και για τη συνεχή κατάρτιση, καθώς και για την οριοθέτηση πολλαπλών επιπέδων (κλιμάκωση) εκπαίδευσης. Ο σχεδιασμός αυτών των εφαρμογών είναι προσαρμόσιμος στο ρυθμό και την ταχύτητα του διδασκόμενου. Μπορεί να πηγαίνει όσο γρήγορα ή αργά ο ίδιος επιθυμεί. Η χρήση αυτών των σεναρίων ενδυναμώνει την ανεξαρτησία και την αυξημένη πρόσβαση στους συμμετέχοντες. Τα διαδραστικά συστήματα συνήθως μπορούν να παρέχουν μεγαλύτερη και ισότιμη πρόσβαση σε ένα εκπαιδευτικό πρόγραμμα υψηλού επιπέδου, το οποίο δεν μπορεί να προσφερθεί σε ένα απλό κείμενο. Επιπλέον, η χρήση τέτοιων συστημάτων αυξάνει το κίνητρο για συμμετοχή και την προσοχή. Τα συστήματα που προσφέρουν διάδραση και απαιτούν προσωπική συμμετοχή στις αποφάσεις και στην πορεία του μαθήματος έχει αποδειχτεί ότι αυξάνουν το κίνητρο για συμμετοχή. Ο εκπαιδευόμενος προστατεύεται από την εμπιστευτικότητα του συστήματος και έχει διαρκή ανατροφοδότηση (feedback) καθώς προχωρά κατά την πορεία ενός σεναρίου. Είναι έτσι ελεύθερος να κάνει ερωτήσεις και να εξερευνήσει περιοχές οι οποίες κάτω από άλλες συνθήκες θα μπορούσαν να προκαλέσουν κάποιο αίσθημα ντροπής σε ομαδικά μαθήματα. Σελ 25

26 2.6 Τι καινούριο προσφέρει το πρότυπο MedBiquitousαλληλεπίδραση Τα σενάρια εικονικών ασθενών είναι κατά κανόνα δύσκολα στη δημιουργία τους με υψηλό κόστος για το δημιουργό τους, για τη συνδιαλλαγή τους και την υιοθέτηση τους. Ιστορικά, αυτά τα χαρακτηριστικά έχουν περιορίσει τη χρηστικότητα τους και τη χρήση τους, παρά τη δυνατότητα που δίνουν για παροχή υψηλού επιπέδου δυνατότητες μάθησης. Ένα πρότυπο που θα επιτρέπει την αλληλεπίδραση και τη συνεργασία ανάμεσα στα συστήματα προσφέρει την ευκαιρία της προώθησης της ανάπτυξης και καθιέρωσης τέτοιων συστημάτων στο χώρο της εκπαίδευσης στα επαγγέλματα υγείας. [17]. Υπάρχουν πολλοί διαφορετικοί τρόποι με τους οποίους υποθέσεις εικονικών ασθενών μπορούν να δημιουργηθούν και να χρησιμοποιηθούν. Ο οργανισμός MedBiquitous έχει αναπτύξει ένα πρότυπο δεδομένων για την ανταλλαγή και την επαναχρησιμοποίηση εικονικών ασθενών. Αυτό αποτελεί το πρότυπο MedBiquitous Virtual Patient (ή MVP). Χρηματοδοτούμενος από την Ιατρική Σχολή Johns Hopkins και από οργανισμούς επαγγελματιών υγείας, ο οργανισμός MedBiquitous έχει σχεδιάσει τεχνολογικά πρότυπα για την ιατρική εκπαίδευση και την αξιολόγηση. Τα μέλη του οργανισμού έχουν σχεδιάσει ένα MVP technology blueprint για την επαγγελματική εκπαίδευση στον τομέα παροχής υγειονομικής περίθαλψης. Βασισμένο σε πρότυπα XML αρχείων και υπηρεσιών Web, αυτό στοχεύει να υποστηρίξει τον εκπαιδευόμενο με τέτοιον τρόπο, ώστε να βελτιώσει το επίπεδο παροχών υγείας και να ελαττώσει το διαχειριστικό έργο, σχετιζόμενο με την εκπαίδευση και την αξιολόγηση προόδου. Ο οργανισμός MedBiquitous επίσης παρέχει επίσης ένα ουδέτερο forum για εκπαιδευτές με σκοπό την ανταλλαγή ιδεών για νέες χρήσεις των τεχνολογιών του διαδικτύου για την ιατρική εκπαίδευση και την πρακτική εξάσκηση. [18] Σελ 26

27 3. Παρουσίαση του προτύπου MedBiquitous 3.1 Σκοπός του προτύπου MedBiquitous οργανισμοί που συνεργάστηκαν Η ιατρική και η υγειονομική περίθαλψη γενικότερα χαρακτηρίζεται από πολλές αλλαγές τα τελευταία χρόνια. Πολλοί κάνουν έκκληση για προσπέραση των υπαρχόντων μεθόδων για συνεχή εκπαίδευση και ζητούν πιο αποτελεσματικές, μετρήσιμες μεθόδους εκμάθησης, οι οποίες να βασίζονται σε πρακτική εξάσκηση περισσότερο και όχι στη θεωρία. Επιπρόσθετα, αλλαγές σχετικά με το πώς οι ιατροί χειρίζονται τις διάφορες πιστοποιήσεις τους, καθιστούν αναγκαία τη βελτίωση της επικοινωνίας μεταξύ των εκπαιδευτών και των επιτροπών ειδικοτήτων. Λαμβάνοντας υπόψη αυτές τις αλλαγές, θα ήταν αδύνατο να γεφυρωθεί το χάσμα ανάμεσα σε εκπαιδευτές, επιτροπές πιστοποίησης και περιβάλλοντα πρακτικής εξάσκησης που επηρεάζονται από τις νέες συνθήκες, δίχως τεχνολογικά πρότυπα. Τα πρότυπα είναι απαραίτητο να συνδέσουν ιατρική εκπαίδευση και εξάσκηση, να αξιολογήσουν την αποτελεσματικότητα τους, να συνδέουν εκπαιδευτικές πηγές με συστήματα υγείας, να εφαρμόζουν online σειρές μαθημάτων σε διαφορετικά περιβάλλοντα και να τα συνδέουν με την εκπαίδευση με ουσιαστική επάρκεια. Τα πρότυπα στον κλάδο υγείας βοηθούν στην εξοικονόμηση προγραμματιστικού καθώς και διαχειριστικού έργου και χρόνου, συνεπώς και χρήματος. Αντί να δημιουργούνται νέες εφαρμογές από την αρχή, οι οργανισμοί που ασχολούνται με την υγεία μπορούν να σχεδιάσουν μαζί δομές στηριζόμενες σε συγκεκριμένα πρότυπα, για να δώσουν μια ικανοποιητική λύση. Παρέχοντας αυτοματοποιημένους τρόπους για να μπορούν τα συστήματα να δουλεύουν μαζί, μειώνεται δραματικά ο χρόνος και το κόστος που σχετίζεται με την εισαγωγή νέας πληροφορίας σε υπάρχοντα συστήματα. Τα standards για υπηρεσίες XML και Web επιπλέον παρέχουν στους οργανισμούς τη δυνατότητα να δουλεύουν μαζί με νέους και πρωτοποριακούς τρόπους. Σελ 27

28 Το πρότυπο MedBiquitous σχεδιάστηκε με σκοπό την προώθηση της ιατρικής εκπαίδευσης διαμέσου τεχνολογικών προτύπων, τα οποία ενισχύουν την αλληλοκατανόηση, τη συνεργασία και τη διασφάλιση ενός ανώτερου επιπέδου υγειονομικής περίθαλψης προς τους ασθενείς. Ο οργανισμός MedBiquitous είναι ένας μη κερδοσκοπικός οργανισμός ενισχυόμενος από το ANSI για να δημιουργήσει πρότυπα που να υποστηρίζουν την υγειονομική εκπαίδευση και την αξιολόγηση, την πιστοποίηση, τις επαγγελματικές και επιστημονικές δημοσιεύσεις, καθώς και τις υγειονομικές επαγγελματικές δικτυακές κοινότητες. Ο οργανισμός MedBiquitous δημιουργεί τεχνολογικά πρότυπα (standards) για τη βελτίωση της ποιότητας της εκπαίδευσης στο χώρο των παροχών υγείας καθώς και για τη διασύνδεση των ηγετικών παρουσιών στην επαγγελματική ιατρική και υγειονομική περίθαλψη. Με αυτά τα πρότυπα, θα είναι περισσότερο εφικτό για τους εκπαιδευτές να ανταλλάσσουν εκπαιδευτικό υλικό, να διαθέτουν εκπαιδευτικές δραστηριότητες και να κάνουν την υγειονομική εκπαίδευση περισσότερο προσβάσιμη, μετρήσιμη, και αποτελεσματική,συνεπώς και να βελτιώσουν την παροχή υπηρεσιών υγείας στους ασθενείς. [18] Τα μέλη του MedBiquitous είναι οργανισμοί με ενδιαφέρον στην ιατρική εκπαίδευση. Αυτό περιλαμβάνει, μεταξύ άλλων, επαγγελματικές οργανώσεις, πανεπιστήμια, εκδότες, επαγγελματίες εκπαιδευτές, ιατρικές οργανώσεις και κυβερνητικές υγειονομικές οργανώσεις [19]. Στη διαμόρφωση του προτύπου, ανάμεσα σε άλλους, έχουν συμμετάσχει η Αμερικανική Ένωση Ιατρικών Ειδικοτήτων (American Board of Medical Specialties, ABMS), η Αμερικανική Ένωση Παιδιατρικής (American Board of Pediatrics, ABP), το Αμερικανικό Κολλέγιο Ιατρών Θώρακος (American College of Chest Physicians,ACCP), η Αμερικανική Ένωση Ακτινολογίας (American College of Radiology,ACR), το Αμερικανικό Κολλέγιο Χειρουργών (American College of Surgeons,ACS), ο Αμερικανικός Ιατρικός Σύλλογος (American Medical Association,AMA), ο Αμερικανικός Σύλλογος Οστεοπαθειών (American Osteopathic Association,AOA), ο Σύλλογος Αμερικανικών ιατρικών Κολλεγίων (Association of American Medical Colleges,AAMC) και η Εκπαιδευτική Επιτροπή για τους Αλλοδαπούς Αποφοίτους Ιατρικών Σχολών (Education Commission for Foreign Medical Graduates (ECFMG). Σελ 28

29 Ο οργανισμός MedBiquitous προσδοκά τη συνεργασία με άλλους οργανισμούς ανάπτυξης προτύπων με τους οποίους η εργασία είναι συμπληρωματική. Ο MedBiquitous συνεργάζεται με το HL7, που αναπτύσσει τεχνολογικά πρότυπα για την υγειονομική πληροφορική. Επιπλέον, συνεργάζεται στενά με την Advanced Distributed Learning, κυβερνητική οργάνωση των ΗΠΑ που παρέχει πληροφορικά τεχνολογικά πρότυπα για την διαδικτυακή εκπαίδευση καθώς και άλλους οργανισμούς ανάπτυξης προτύπων, συμπεριλαμβανομένων του IMS Global Learning Consortium και της IEEE Learning Technology Standards Committee. 3.2 Τι περιλαμβάνει το πρότυπο, η βασική αρχιτεκτονική του Υπάρχουν πολλοί τρόποι σχεδίασης εικονικών ασθενών και σεναρίων τους. Το MVP (MedBiquitous Virtual Patient) έχει σχεδιαστεί ώστε να μπορεί να είναι ικανοποιητικά προσαρμόσιμο, για να μπορεί να υποστηρίξει ένα σύνολο διαφορετικών μορφών και χρήσεων. Η αρχιτεκτονική του ΜVP συνίσταται σε πέντε στοιχεία, και ταυτόχρονα περιλαμβάνεται και ένα MVP player functional specification. Τα δεδομένα που περιέχονται και τα μοντέλα μπορούν να είναι προσβάσιμα και να χρησιμοποιηθούν με διάφορους τρόπους. Αυτά τα στοιχεία μπορούν να τεθούν σε χρήση μέσω διαφορετικών ειδών player, που εξαρτώνται από την κάθε δραστηριότητα, καθώς και από άλλες τοπικές επιλογές και απαιτήσεις. Αυτά τα πέντε στοιχεία,καθώς και άλλα σχετιζόμενα, όπως το στοιχεία που εισάγει ο χρήστης και η ανατροφοδότηση, τα προφίλ των χρηστών, παρουσιάζονται στο παρακάτω σχήμα [20]: Σελ 29

30 Εικόνα 5.Στοιχεία της MVP αρχιτεκτονικής [20] MVP components Υπάρχουν πέντε κεντρικά συστατικά [20]: 1. Τα δεδομένα του εικονικού ασθενή (Virtual Patient Data,VPD):Το VPD παρέχει τα προσωπικά και κλινικά δεδομένα που σχετίζονται με το κλινικό σενάριο το οποίο αναπαρίσταται. Το VPD μοιάζει περισσότερο με ένα κλινικό κεφάλαιο, το οποίο διαιρείται σε τμήματα τα οποία ανταποκρίνονται στο ιατρικό ιστορικό, τη φυσική εξέταση, τα δεδομένα των εργαστηριακών και ακτινολογικών εξετάσεων, τη διαδικασία και τα εξερχόμενα δεδομένα. Ένα XML μοντέλο έχει αναπτυχθεί για αυτό το περιεχόμενο, το οποίο επιτρέπει μια ευέλικτη προσέγγιση στα δεδομένα. Τα δεδομένα σε κάθε τομέα (section) σηματοδοτούνται από αναγνωριστικά, ώστε τα δεδομένα του ασθενή να μπορούν να παρέχονται στο χρήστη. Τα δεομένα δύναται να παρέχονται στον εκπαιδευόμενο μέσω ενός bloc, ή μπορούν και να δομηθούν έτσι ώστε να διοχετεύονται ως απαντήσεις σε συγκεκριμένες ερωτήσεις του μαθητευόμενου, καθώς το XML επιτρέπει την κωδικοποίηση τόσο των ερωτήσεων,όσο και της απαντητικής πληροφορίας με το λογικό τρόπο για κάθε τομέα: Ιατρικό Ιστορικό: ερωτήσεις και απαντήσεις Φυσική Εξέταση: εξετάσεις και ευρήματα Σελ 30

31 Εργαστηριακά: τεστ και αποτελέσματα Ακτινολογικός Έλεγχος: ακτινογραφίες και αποτελέσματα Διαγνωστικά βήματα: βήματα και αποτελέσματα Τα περισσότερα από τα VPD data παρέχονται σε απλό κείμενο, αλλά ορισμένα τμήματα μπορούν να είναι δομημένα και κωδικοποιημένα με ορολογίες (π.χ. με RxNorm για τη φαρμακευτική αγωγή ή με SNOMED για αλλεργίες, προβλήματα και διαγνώσεις). Όταν υπάρχει αυτή η κωδικοποίηση, θα είναι δυνατό για τον εκπαιδευόμενο να συνεργάζεται με κλινικά decision support συστήματα κατά τη διάρκεια της εκμάθησης μέσω του εικονικού ασθενή. 2. Οι πηγές media (Media Resources, MR): Περιλαμβάνουν όλες τις εικόνες, κινούμενα γραφικά και βίντεο καθώς και ακουστικά αρχεία που σχετίζονται με τον εικονικό ασθενή σε οποιοδήποτε σημείο κατά τη διάρκεια του αναπαριστάμενου εικονικού σεναρίου. Όπως και με τα προαναφερθέντα VPD δεδομένα, και τα αρχεία αυτά σηματοδοτούνται με αναγνωριστικά, ώστε να είναι διαθέσιμα την κατάλληλη χρονική στιγμή στο χρήστη. Το IMS Content Packaging χρησιμοποιείται ως κατάλογος για τις πηγές πολυμέσων. 3. Το μοντέλο παροχής των δεδομένων (Data Availability Model,DAM): Αυτό επιτρέπει την οριοθέτηση μιας αλληλουχίας και τη διαδοχική παροχή των δεδομένων τα οποία κωδικοποιούνται στο VPD και σχετίζονται με τις πηγές των media. Το DAM αναφέρεται σε αναγνωριστικά μέσα στο VPD και παραχωρεί συγκεκριμένες πηγές των αρχείων ώστε να επιτραπεί η στοχευόμενη ή η διαδοχική απελευθέρωση των μερών του VPD ή των μεμονωμένων αρχείων media. Το DAM υφίσταται ξεχωριστά από το VPD και τα περιεχόμενα των πηγών πολυμέσων διότι είναι πολύ πιθανό το ίδιο κλινικό σενάριο να μπορεί να αναπαραχθεί από διαφορετικούς players, καθένας από τους οποίους έχει ένα μοντέλο παροχής δεδομένων που κωδικοποιεί το απαραίτητο επίπεδο περιπλοκότητας, βάση του οποίου δηλαδή καθορίζεται το πόσο περίπλοκο είναι το σενάριο. 4. Το μοντέλο αλληλεπίδρασης (Activity Model,AM):Το περιεχόμενο αυτό κωδικοποιεί πώς ο εκπαιδευόμενος θα μπορεί να αλληλεπιδράσει με τον εικονικό ασθενή. Ένας μεγάλος αριθμός διαφορετικών δραστηριοτήτων εκμάθησης είναι Σελ 31

32 δυνατό να υπάρξει με το ίδιο σύνολο δεδομένων του εικονικού ασθενή, και το στοιχείο AM κωδικοποιεί τις διαθέσιμες δραστηριότητες,οι οποίες συχνά περιλαμβάνουν και αφηγηματικό περιεχόμενο. Παραδείγματα τέτοιων μοντέλων είναι: Παρατήρηση: Στον εκπαιδευόμενο παρουσιάζεται ένας φυλλομετρητής και του επιτρέπεται να παρατηρεί πώς ένα κλινικό σενάριο εκτυλίσσεται.(αυτό ίσως ενδείκνυται για νέους σπουδαστές, οι οποίοι δεν είναι έτοιμοι να πάρουν δραστικές αποφάσεις) Ελεύθερη πλοήγηση : Στο χρήστη παρουσιάζεται κλινικό εκπαιδευτικό υλικό το οποίο συνδέεται με μια ποικιλία αναφορών (επιστημονικά άρθρα περιοδικών, βιβλία, συστήματα υποστήριξης απόφασης κλπ.) ανάμεσα στο οποία είναι ελεύθερος να περιηγηθεί με απεριόριστο τρόπο. Διαμόρφωση διάγνωσης : Ζητείται από το μαθητευόμενο να σχηματίσει μια διαφορετική διάγνωση σε κάθε στάδιο της προοδευτικής εξέλιξης ενός κλινικού σεναρίου. Λήψη αποφάσεων : Το ζητούμενο από το χρήστη είναι η λήψη κλινικών αποφάσεων βασιζόμενες στην υπάρχουσα πληροφορία και να παρέχει νέα πληροφορία ως αποτέλεσμα των διαφορετικών αποφάσεων. Για καθένα από αυτά τα μοντέλα, το μοντέλο διαθεσιμότητας δεδομένων DAM πρέπει να είναι σχεδιασμένο λαμβάνοντας υπόψη ότι θα πρέπει να υποστηρίζει την κάθε τύπου δραστηριότητα, καθώς τα δύο αυτά στοιχεία τυπικά θα δουλεύουν στενά συνδεδεμένα. Για παράδειγμα, μια δραστηριότητα απλής παρακολούθησης θα συνεργάζεται με ένα μοντέλο DAM το οποίο θα είναι επίπεδο και ευθύ, ενώ μια δραστηριότητα που στηρίζεται στη λήψη αποφάσεων (decision making activity) θα απαιτεί ένα DAM που θα είναι διακλαδιζόμενο και θα στηρίζει επιλογές. Διαφορετικοί players θα χρειάζεται να αλληλεπιδρούν με το VPD, το Data Availability Model και τα περιεχόμενα media, αλλά όχι απαραίτητα με όλα αυτά. Είναι πρωτεύουσας σημασίας για το MVP standard ότι τα δεδομένα του εικονικού ασθενή και τα περιεχόμενα του μοντέλου δραστηριότητας μπορούν να λειτουργήσουν ανεξάρτητα το ένα από το άλλο. Σελ 32

33 5. Ο πλοηγός του εικονικού ασθενή (Virtual Patient Player VPP): Αυτός παρουσιάζει τον virtual patient στον εκπαιδευόμενο και συλλέγει και οργανώνει τα δεδομένα που εισάγει ο χρήστης. Είναι λογικό ότι μπορούν να υπάρχουν πολλών διαφορετικών ειδών virtual patient players, κάτι που εξαρτάται από το είδος δράσης του χρήστη και από το τοπικό on line περιβάλλον εκμάθησης που χρησιμοποιείται σε κάθε περίπτωση. Ένας τέτοιος player μπορεί να τρέχει σε ένα φυλλομετρητή του Web και να είναι κωδικοποιημένος σε Javascript ή Flash, μπορεί να είναι μια serverbased εφαρμογή ή να είναι ένα on line παιχνίδι. Για να λειτουργήσει ένας virtual patient απαραίτητη είναι η ύπαρξη ενός συμβατού player με τις απαιτήσεις του μοντέλου. Το VPP Functionality Specification περιγράφει αυτά ακριβώς τα απαραίτητα στοιχεία του player ώστε να είναι συμβατός με το πρότυπο MedBiquitous Εφαρμογές και data sets σχετιζόμενα αλλά εξωτερικά του MVP προτύπου Επιπρόσθετα στα πέντε προηγούμενα περιεχόμενα, υπάρχουν διάφορες εφαρμογές και σύνολα δεδομένων που σχετίζονται άμεσα με το πρότυπο, αλλά είναι εξωτερικά από αυτό [21]: Authoring Systems (Συστήματα συγγραφής): Επιπλέον, στο πρότυπο MVP αναφέρονται τα συστήματα και τα εργαλεία που χρησιμοποιούνται για τη δημιουργία και τη χρήση των εικονικών ασθενών. Αυτά τα εργαλεία έχουν ένα πολύ συγκεκριμένο εύρος από απαιτούμενες προδιαγραφές ως αυτές που απαιτούνται από τους players και έτσι ένας αριθμός δομών (συγκεκριμένα VPD δομών) έχει περιληφθεί στο πρότυπο. Στην ανάπτυξη του MVP ισότιμη προσοχή έχει δοθεί στα συστήματα εγγραφής και στο player. Learner Tracking (Λήψη δεδομένων εκπαιδευομένου): Το τμήμα αυτό συλλέγει και αποθηκεύει την κάθε μορφής αντίδραση, καθώς και αξιολόγηση, σχετικά με τον εκπαιδευόμενο από το μαθησιακό περιβάλλον. Τα δεδομένα που συλλέγονται μπορούν να προστεθούν σε ένα προφίλ του εκπαιδευόμενου ή να συμβάλλουν στην παροχή ανατροφοδότησης για τον μαθητή. Σελ 33

34 User tools (Εργαλεία χρήστη): Υπάρχουν διάφορα εργαλεία που βρίσκονται σε VP συστήματα, όπως η λήψη σημειώσεων ή η επιλογή διαφοροδιάγνωσης. Αυτά είναι εξωτερικά στο MVP. Learner Profile (Προφίλ εκπαιδευόμενου): Πρόκειται για ένα σύνολο δεδομένων σχετικά με το χρήστη. Περιλαμβάνει δύο ειδών πληροφορίες: Γενικές πληροφορίες για το χρήστη: στοιχεία της ταυτότητας του χρήστη (π.χ. το όνομα του), καθώς και την παρούσα κατάσταση μαθημάτων ( ή το πρόγραμμα σπουδών), προσωπικές προτιμήσεις του χρήστη, όπως η επιλογή γλώσσας και επιλογή φόντου και ακόμη ακαδημαϊκά δεδομένα, όπως δεδομένα αξιολόγησης. Πληροφορίες χρήσης του εικονικού ασθενή: σχετιζόμενα δεδομένα, αρχεία μέσα από τα οποία οι εικονικοί ασθενείς ήταν προσπελάσιμοι και η σχέση τους με το αντικείμενο μάθησης και τα αποτελέσματα της χρήσης του virtual patient. 3.3 Επίπεδα περιπλοκότητας του MVP Εδώ θα παρουσιαστεί πώς τα αναφερθέντα περιεχόμενα σχετίζονται μεταξύ τους και πώς μπορούν να συνδεθούν για να παραχθεί η εκπαιδευτική διεργασία. Το βασικό νόημα πίσω από την αρχιτεκτονική MVP είναι ότι είναι άκρως προσαρμόσιμη και ανταποκρίνεται σε διαφορετικά είδη ρυθμίσεων και εφαρμογών. Αυτά έχουν κατηγοριοποιηθεί σύμφωνα με το βαθμό περιπλοκότητας σε επίπεδα 1 έως 4 καθένα από τα οποία περιγράφεται παρακάτω διαδοχικά. [20] Εικόνα 6.Επίπεδο περιπλοκότητας MVP 1 [21] Σελ 34

35 Επίπεδο MVP1:Τα MVP περιεχόμενα είναι απευθείας προσπελάσιμα δίχως να εξαρτάται το ένα από το άλλο. Σε αυτό το παράδειγμα, τα δεδομένα του ασθενή (patient data), οι πηγές media (supporting media resources) και τα δεδομένα του activity model μπορούν να είναι προσπελάσιμα μέσω ενός player δίχως σχέσεις μεταξύ των περιεχομένων(components). Εικόνα 7.Επίπεδο περιπλοκότητας MVP 2 [21] Επίπεδο MVP 2: Σε αυτό το επίπεδο τα MVP περιεχόμενα αναφέρονται (στατικά) μέσω άλλων, έτσι ώστε να εμφανίζονται ως ένα ολοκληρωμένο σύνολο. Στο παραπάνω παράδειγμα τα δεδομένα του εικονικού ασθενή και οι πηγές media αναφέρονται μέσα σε ένα μοντέλο δράσης(activity model). Εικόνα 8.Επίπεδο περιπλοκότητας MVP 3 [21] Επίπεδο MVP 3: Μερικά περιεχόμενα αναφέρονται (δυναμικά) μέσω άλλων, έτσι ώστε να εμφανίζονται ως ένα ενιαίο σύνολο. Σε αυτό το παράδειγμα τα δεδομένα του Σελ 35