Matt Beane, Assistenzprofessor für Technologie-Management in Santa Barbara, Kalifornien, hat an 13 Kliniken der USA analysiert, wie das Lernen in der Roboter-Chirurgie funktioniert. Im Wesentlichen sieht es so aus, dass der Chef am Steuerpult sitzt, und der Assistent das Geschehen beobachtet. Irgendwann kommt der Assistent an die Konsole, und der Chef gibt Anweisungen. Zwischenstufen sind kaum denkbar. Wenn sich der Neuling ungeschickt anstellt, wird er aus dem Verkehr gezogen.
In dieser Branche fallen einige Anfänger damit auf, dass sie schnell zu Experten werden. Ihr Geheimnis: „shadow learning“. Dazu gehört eine vorzeitige Spezialisierung, abstraktes Üben mithilfe von Computersimulationen und Aufzeichnungen von Robotereingriffen sowie die eigenständige Vornahme von Roboter-OP unter mangelhafter Aufsicht. Diese „Streber“ erreichen schneller als durchschnittliche Assistenzärzte eine gewisse Perfektion und Anerkennung, aber diese Karrieren haben auch Schattenseiten.
Schattenlernen wird nicht bestraft und ist nicht verboten, wenngleich Normen missachtet werden. Es hat aber unliebsame Folgen für die ärztliche Profession. Dazu gehört die Überspezialisierung. Es entstehen Experten für bestimmte Indikationen, aber zu wenige Fachleute für andere Felder dieser innovativen Technik. Die Superspezialisten sind später mit einem breiteren Indikationsspektrum konfrontiert. Katastrophale Fehler sind dann vorprogrammiert. WE