评估沙特阿拉伯医学人工智能的学生兴趣与教育之间的脱节

尽管人工智能（AI）因其对临床实践的潜在影响而引起了人们的关注，但医学教育一直在努力保持领先地位。

医学教育是否正在为受训者做好准备以适应临床实践中AI技术的潜在变化的问题尚未得到答复，并且AI对医学生职业偏好的影响尚不清楚。了解学生对AI的兴趣和知识之间的差距可能有助于告知医学课程结构。

方法

总共对354名医学生进行了调查，以调查他们对AI在医疗保健中作用的知识，接触和兴趣。质疑学生对AI对医学专业及其职业偏好的预期影响。

结果

大多数学生（65％）对AI在医学中的作用感兴趣，但只有23％的学生基于可靠的科学资源接受了AI的正规教育。尽管他们有兴趣和学习意愿，但只有20.1％的学生报告说，他们的学校提供​​了资源，使他们能够探索AI在医学中的使用。他们主要依靠非正式信息来源，包括社交媒体，很少有学生理解基本的AI概念，或者可以引用临床上相关的AI研究。引用更多科学主要来源（而不是在线媒体）的学生表现出对医学背景下对AI概念的自我报告的明显更高的理解。有趣的是，接受更多接触AI课程的学生报告说，对AI的怀疑程度更高，并且不太渴望更多地了解它。放射学和病理学被认为是受AI影响最大的领域。学生报告说，他们的整体专业选择不受AI的影响。

结论

尽管学生对这种技术在临床实践中的应用，但正规的AI教育似乎不足。医学课程应发展为促进结构化的，基于证据的AI素养，以使学生能够了解AI在医疗保健中的潜在应用。

人工智能（AI）是一个快速新兴的领域，有可能影响临床实践。该技术涉及开发算法或模型，这些算法或模型可以执行通常需要人类智能的任务，例如视觉感知，语音识别和语言翻译[1]。AI受机器学习和深度学习的进步提供动力，这使算法能够通过暴露于大量数据[2]。

AI可以在诊断，治疗计划和资源分配等领域提高临床护理和效率，但是个人准备仍然是采用的主要障碍[3]。例如，AI驱动的算法可以与董事会认证的皮肤科医生[4]，尽管AI的使用尚未广泛，但这些结果强调了指数增长和采用的潜力。

AI在诸如放射学和病理等专业内的快速扩张需要医学教育的基础，以使临床医生能够将其专业知识和职业改编成这些新兴技术[5]。学员对AI的看法已经在塑造专业选择，尤其是在上述专业中[6]。采用AI的个人准备受到意识，信念和个人因素（例如创新和激励措施）的影响[3]。这些因素与组织和教育准备的相互作用。将AI讨论纳入医学教育课程至关重要，对于确保未来的医生已准备好评估这些技术。

全世界的几项研究都调查了医学学员的知识和对AI的看法[7，，，，8，，，，9，，，，10，，，，11，，，，12，，，，13，，，，14]。但是，在多年来，很少有人能全面探讨他们对AI在临床实践中使用的知识和信息来源。一个特殊的差距是对各种学生年份的检查以及学生兴趣，知识和专业之间的联系。在各个教育阶段检查这种看法可以促进制定策略，以促进系统地引入AI主题[15，，，，16]。

这项研究评估了医学生的当前AI知识，曝光和信息来源，对AI如何影响不同专业的看法以及对其在该领域不断发展的作用的理解。这些发现可以帮助指导改革医学教育课程的努力，以维持与未来实践相吻合的学生参与度，并为未来的医生做好有效整合AI的准备。

学习区和人口

这项横断面研究是在沙特阿拉伯的各个医学院进行的。大多数样本（n= 234，66.1％）来自吉达国王阿卜杜勒齐兹大学。因此，由于其余机构的参与者数量很少，因此无法进行比较。其余的学生是从巴特吉医学院招募的（n= 21，5.9％），假医学科学学院（n= 17，4.8％），伊本·西纳国家医学研究学院（n= 12，3.4％），沙特国王阿卜杜勒齐兹卫生科学大学（n= 56，15.3％）和吉达大学（n= 14，4.0％）。数据是在2023年2024年学期收集的。如果个人是18岁以上的医学生，则有资格参加这项研究。道德认可该研究的道德批准是由国王阿卜杜勒齐兹大学的机构审查委员会授予的（参考第500号23）。参与这项研究是自愿的，在数据​​收集之前，所有参与者获得了知情同意。

为了确保机密性和匿名性，从参与者那里收集的所有信息都得到了识别并牢固存储。

数据收集工具

通过通过Google表格在线提供的先前验证的调查收集数据[

7]。通过在没有针对性外展清单的情况下发布招聘材料，通过便利抽样招募参与者。因此，无法计算正式的响应率。

问卷的第一部分收集了参与者的人口统计细节，例如出生日期，性别，学习年度和平均学术坡度（GPA）。第二部分包括有关学生以前接触AI的问题，包括他们所学的相关课程数量以及他们对AI的自我兴趣；参与者以5点李克特量表从“强烈不同意”到“强烈同意”，回答了这些问题。

为了评估学生对AI的看法和理解，在这项研究中采用了先前验证的调查，重点是医学生中AI使用AI的影响[7]。参与者还将每个类别的医学专业选择排名前三。该调查收集了参与者对AI如何影响特定医学专业和职业选择的意见。

最后，学生提供了有关AI教育的看法和偏好，包括有用的主题，交付方法和所需的时间承诺。这种方法使我们能够探索当前和理想的AI学习机会之间的差距。

统计分析和数据处理

参与者是根据医学院（2年3年）还是临床年份（4年6年和实习生）的基础上的学生进行分配的。在李克特量表上得出的所有问题都归类为表示协议（同意或强烈同意）或分歧（中立，不同意，或不同意）强烈不同意促进两组之间的比较。

描述性统计包括连续变量的均值和标准偏差以及分类变量的频率和比例。通过卡方检验比较了小组（基本年份与临床年度的学生）之间的调查回答（一致或分歧）。测试了通过线性多元回归建模测试连续变量的关联（AI课程的数量和愿意花费AI的时间的时间），而与分类变量有关（通过logistic的自我报告的兴趣）的相关性。回归。在这两种情况下，学生的年龄和性别都被包括为对照变量。通过计算差异通胀因子来测试多重共线性，并在所有模型中都可以忽略不计。线性回归模型残差已通过Kolmogorov Smirnov检验确认，以正态分布。使用R版本4.3.1进行统计分析。所有显着性测试的阈值均为α= 0.05。

样本描述和对医疗保健中AI的兴趣和接触

样本由354名医学生（男性63.8％）组成，他们的平均年龄为21.4岁（SD = 1.8）。样品特征在表中列出 1。大多数学生（77.1％）从未参加过AI的课程，但是类似的学生在该领域至少报告了一定程度的兴趣（64.7％）。GPA与AI暴露或利息无关。不同人群中的学生在接受的AI课程数量或对AI的兴趣水平上没有显着差异。不出所料，报告接受过正规AI培训的学生还报告了参加了更多的AI课程（t（350）= 11.18，p<0.001）和对AI的兴趣较高（t（350）= 2.29，p= 0.022）。与基本年份相比，临床年份的学生表现出明显较低的GPA值（t（352）= 2.76，，p= 0.006;桌子 1）。表1总体以及按研究年份，兴趣水平和AI暴露的样本人口统计和特征样本

不到一半的人通过家人和朋友（41.2％）报告了接触，其次是在线消息来源（24.3％）。一些学生报告了通过研究项目（12.4％），同行评审的文章（10.2％），书籍（9.9％），讲座（9.0％）或会议（4.5％）的接触。

对医学中AI的知识和看法

学生对有关AI理解的问题的回答如图所示。 1。与临床年份的学生相比，他们在基础教育中的学生更有可能列出AI在医学上的优势和好处（57.7％）（45.3％²= 4.69，p= 0.030）。除这些问题外，基于教育年份没有显着差异。

对有关AI问题的总体回答

大多数学生认为AI一生中将在医学中发挥重要作用（65.8％），并且对使用AI技术作为未来医生的可能性感到兴奋（59.0％）。但是，很少有人理解基本的AI概念（例如，交叉验证，18.4％）可以列出临床相关的AI研究的例子（25.1％），或者认为他们的学校提供​​了探索医学AI的资源（20.1％）。

信息源对知识的影响

参与者报告说，他们主要从在线论坛（Nâ= 86），书籍（Nâ= 35），讲座（Nâ=nâ32），媒体学到了有关AI概念的了解。Twitter或YouTube（Nâ= 277），家人和朋友（Nâ= 146），同行评审的期刊文章（Nâ=nâ36）等平台，教授和医生（Nâ= 49）和研究项目（Nâ= 44）。由于样本量较小，我们没有考虑说他们从会议中学到的学生（Nâ= 16）。

我们使用线性回归来测试AI课程和信息源数量之间的关联。从在线论坛中学到的参与者（t（345）= 2.05，p= 0.041），书籍（t（345）= 3.12，p= 0.002）或讲座（t（345）= 2.44，p= 0.015）比报告了向朋友和家人学习的学生（t（345），3.61，3.61，p<0.001）或媒体平台（t（345）= 3.78，p<<0.001）。我们通过逻辑回归测试了参与者的协议级别（同意或完全同意）。每个答案都经过自我报告使用所有信息源的关联进行测试。依靠媒体的学生更有可能表明AI一生中会在医学中发挥重要作用（或2.76，Zâ= 3.74，3.74，

p<0.001），他们可以列出使用AI在医学中使用的优点和好处（or = 1.95，Zâ= 2.43，2.43，p= 0.015），这些概念的培训对他们的职业有用（或2.27，Zâ= 3.01，p= 0.003），他们想了解医学生应了解有关AI的医学中的知识（或1.89，Zâ= 2.38，2.38，p= 0.017）。从家人和朋友那里收到信息的参与者比其他人更有可能对使用AI作为未来的医生感到兴奋（或1.81，Zâ= 2.56，2.56，p= 0.010），从研究项目中学到的学生（或= 2.47，Zâ= 2.16，2.16，

p= 0.031）。依靠书籍的参与者比其他书籍更有可能报告他们了解AI概念，例如卷积神经网络和交叉验证（ORâ= 5.94，Zâ= 4.13，4.13，p<0.001），能够将炒作与临床相关的AI文章分开（或2.38，Zâ= 2.13，2.13，p= 0.033），并报告他们的学校提供​​了探索医学AI的资源（or = 2.35，Zâ= 2.06，2.06，p= 0.040）。从教授或医生那里学到的学生报告说，他们的学校提供​​了资源来支持类似级别的探索（或2.29，Zâ= 2.31，2.31，p= 0.021）。与具有较低兴趣水平的人相比，报告对AI知识和看法的调查项目的兴趣更高的学生对调查项目的反应更为积极。表现出更高兴趣水平的学生更加兴奋地将AI技术作为未来的医生（Q2，râ= 0.154），报道他们了解AI概念（Q3，Râ= 0.153），表示为他们可以列出临床相关研究的最新示例（Q4，Râ= 0.157）和AI在医学方面的优势（Q5，râ= 0.106），认为对AI概念的培训将是有帮助的（Q10，râ= 0.110），并想了解更多有关医学中AI的信息（Q13，râ= 0.145）。值得注意的是，尽管所有这些相关性都是显着的，但它们通常很弱（范围：0.106至0.157）。

参加AI课程更多的学生的可能性要少于那些接受较少课程的人认为AI在一生中在医学中发挥重要作用（Q1，Râ=â-0.193），对使用

AI技术作为未来的医生（Q2，râ= -0.155），将AI概念的培训视为对他们未来职业有用的培训（Q10，Râ=â-0.162），并希望了解更多信息医学中的AI（Q13，Râ= -0.142）。但是，这些学生报告说，他们可以列出临床相关的AI研究的最新示例（Q4，Râ= 0.109）。同样，所有相关性通常较弱（范围：0.109至0.193）。

学生想要的AI教育想要什么

平均而言，学生报告说，他们愿意每月花费1.89 h学习这些主题（SD = 1.43）。在调整年龄和性别后，报告对AI兴趣更高的学生比那些兴趣更低的人更愿意花更多的时间来学习这些主题（t（349）= 3.40，p<<0.001）。但是，相反的是参加了更多的AI课程的学生，他们不太愿意花时间学习（t（349） - = -2.36，p= 0.019）;这可能是因为他们已经了解了这个话题。当询问参与者有关学校可以促进学生曝光的最有用的方法时，大约一半提到了关于医学中AI基础知识的简短讲座（51.9％）（51.9％），问答面板与该领域的领导者（46.3％），以及编程AI模型的研讨会（41.2％）。

当询问参与者有关最有趣的探索主题时，大多数人提到了何时在医学中使用AI（62.9％）及其优势和劣势的主题（51.7％）。感兴趣的其他主题包括AI伦理（43.8％）和在医学研究中使用AI（40.1％）。对AI实施和使用的具体元素的表达相对较少的兴趣，例如个人在研究AI的多学科团队中扮演的角色（10.4％），批评AI模型的方式（11.0％）以及开发AI模型的过程（18.9％）（18.9％））。

AI对医学专业的影响

只有少数学生（22.3％）报告说，他们在AI受到影响最大的专业中工作的可能性较小。大多数人表明，他们的专业选择不会受到这种考虑的影响。当询问参与者有关其预期的实践领域时，基本年份的学生最有可能表明普通手术（30.6％），皮肤病学（29.7％），神经外科手术（21.6％），内科（20.7％）和急诊医学（20.7％）。临床年份的学生最有可能表明内科医学（37.0％），其次是家庭医学（25.9％），一般手术（24.7％），急诊医学（19.3％）和眼科（18.9％）。

当询问参与者有关他们认为会受到AI最大影响的领域时，他们的基础教育学年被称为诊断放射学（34.2％），一般手术（30.6％），病理学（24.3％），麻醉学（23.4％））和家庭医学（19.8％）。临床年份的学生分享了类似的意见，但以较高的速度，理由是对放射学的影响更高（52.7％），病理学（34.6％）和家庭医学（28.4％）。临床年份的学生不太可能对一般手术（20.6％）或麻醉学（20.6％）产生影响。两组均报告，在耳鼻喉科（0.9％，临床1.2％），泌尿科（3.6％基本，2.1％临床）以及妇产科（0.9％基本，3.3％，3.3％的临床）中，AI的影响最不可能观察到。。

不断提高的兴趣研究了AI在医学中的未来作用[17]，但是将正规的AI教育纳入医学课程并不充分。以前的研究人员呼吁在这一领域进行进一步的研究[18，，，，19，，，，20]。

学生对医疗保健中AI的了解，了解和接触的兴趣

参与者报告说，正如全球一级的先前研究所报道的那样，AI将在医疗保健的未来中发挥重要作用[12]。但是，我们样本中的大多数学生报告说，他们没有参加任何正规的AI教育课程。学生对AI在医疗保健中的未来作用的信念与他们在这方面的正规教育有限之间的对比不足为奇，并且在其他地方也有报道[12，，，，13，，，，21，，，，22]。值得注意的是，尽管学生通常报告AI会对医学产生重大影响，但在这种情况下，他们对核心概念和应用的自我报告是有限的。只有一小部分人报告对基本AI概念有深刻的了解或意识到临床相关的AI研究。尽管我们没有客观地评估知识，但很少有学生甚至声称这种理解表明AI方法中缺乏技术教育的事实。报告强烈了解的学生比例低于一些但并非所有以前的报告[7，，，，10，，，，22，，，，23]，这可能部分是由于地理差异所致。

大多数学生的AI暴露的主要来源是非正式渠道，例如传统和社交媒体，而不是正式的教育资源。这表明学生通过这些非正式来源追求对医学中AI的兴趣。这些在基本年代和临床年代的学生进行的这些观察结果，并且在类似工作中也得到了报道[9]。这种对非正式资源的依赖可能导致对学生对AI概念的基本理解的差距或他们对这些知识的自我报告的差距。结果进一步证明了这一结论是，与依靠非正式资源的学生相比，依靠更多科学资料的学生（例如书籍和文章）表现出更多的基础AI知识，如前所述[24]。这表明社交媒体强烈影响医学生的知识[25]。

据报道，基本年份的学生比学生在临床年代比学生更有可能识别AI在医学方面的好处。这种知识的下降可能是因为随着他们在临床年代的发展，学生倾向于更多地专注于学习，而不是追求包括医学AI在内的课外主题，因为他们担心学业表现下降[26]。此外，AI的发展迅速，以至于年龄的2年差异也会导致不同的前景。如果课程没有为AI提供牢固的学术基础，那么学生将无法对基本概念有牢固的掌握，从而使与现场进步保持同步很困难[27]。

有趣的是，对AI感兴趣的学生和暴露于AI的学生之间存在差异。对AI感兴趣的学生认为，将来它将在医学中发挥更大的作用，报告对医学中的AI概念有了更大的了解，并且渴望获得更多的培训和学习机会。学术兴趣是进一步学习和发展的强大驱动力，特别是在医学学科中[28]。刺激学生对教育的兴趣对于改善他们的学习经验和学习成绩至关重要[29]。

相比之下，参加了更多AI课程的学生不太愿意花更多的时间来学习AI。这可能表明，以前曾在医学中接触过AI的学生可能会达到其广泛的先前教育的地步，使他们对其作用采取了更细微的和潜在的持怀疑态度的观点。先前的研究表明，对AI的基础知识表现出强大的基础知识对其整合到医学上，包括强调与AI完整性有关的问题[23]。值得注意的是，与技术细节相比7]。

AI和专业选择

大多数学生不认为他们在特定专业的未来职业会受到AI的影响。尽管基本学生的学生同意手术将是第二受影响的领域，但他们还表示，这一专业代表了他们的最高偏好。同样，在临床年份的学生将家庭医学确定为受AI（第三个）及其专业偏好（第二）影响的顶级专业。这些发现可能表明，学生不一定相信AI融入医学会降低医生在该领域的重要性，这在其他情况下也被研究反映了[22，，，，30]。

值得注意的是，与以前的发现保持一致[22，，，，30]，就AI整合到医学的影响方面，放射学被确定为顶级专业。在临床年份（与基本年份的学生相比，在他们的临床年份中，学生比例较高）选择了这一选择。这一发现与在美国进行的研究相比，与AI相关的焦虑影响了学生的偏好，导致许多人重新考虑放射学作为职业选择[6]。病理学被认为是第二种最有可能受到学生在临床年份受AI影响的专业，而这是学生在基础年份中的第三种选择。手术在可能受AI影响的专业中排名很高，反映了将AI纳入外科手术的持续努力[31]。尽管如此，在学生的基本和临床年份，该领域被认为是学生的职业选择。但是，学生的基准兴趣并未在我们的研究中获得，他们的兴趣可能是在他们认为AI影响不大的地区。未来的工作应充分解决学生对AI的预期影响以及他们对所有领域的兴趣，以更好地了解两者的横截面。

限制

这项工作概述了学生在医学中使用AI的观点，包括他们在职业专业方面的选择。该研究的主要局限性与其横断面研究设计有关，并且仅在沙特阿拉伯进行。因此，尽管结果与其他国家的其他研究大致相似，但其适用性受到限制。对学生的意见进行了更详细，深入和定性评估，可能会进一步了解他们的热情与基本知识与职业选择之间的差距。未来的工作还可以评估AI的客观知识，以查看报告的非正式信息来源是否提供了对AI方法的相关技术理解。通过基线和后续评估来解决这些局限性，可以进一步阐明AI暴露，医学教育和学生职业选择之间的动态关系。

人工智能：

人工智能

GPA：

平均成绩

作者和隶属关系

1. Clinical Physiology Department, Faculty of Medicine, King Abdulaziz University, Jeddah, Saudi Arabia

   Abeer F. Almarzouki

2. Faculty of Medicine, King Abdulaziz University, Jeddah, Saudi Arabia

   Alwaleed Alem, Faris Shrourou, Suhail Kaki, Mohammed Khushi, Abdulrahman Mutawakkil, Motasem Bamabad, Nawaf Fakharani, Mohammed Alshehri & Mohanad Binibrahim

贡献

AFA conceptualized and designed the study, supervised the project, performed data analysis and interpretation, and critically revised the manuscript.AFA, AA, FS, SK, MK, AM, MB,NF, MA, and MB were involved in the investigation, ethics application, resource collection, and writing of the original draft.所有作者都阅读并批准了最终手稿。

相应的作者

对应Abeer F. Almarzouki。道德声明

The study protocol was reviewed and approved by the Research Ethics Committee (REC) of King Abdulaziz University (Reference No. 500–23). All participants provided informed consent before participating in the study, as outlined in the methodology. This research was conducted in accordance with the Saudi Law of Ethics of Research on Living Creatures and its Implementing Regulations as well as the guidelines provided by the National Committee of Bioethics (NCBE).

同意出版

不适用。

竞争利益

作者没有宣称没有竞争利益。

附加信息

关于已发表的地图和机构隶属关系中的管辖权主张，Springer自然仍然是中立的。

补充信息

本文已根据创意共享归因非商业 - 非涉及商业4.0国际许可证获得许可，该许可允许以任何媒介或格式的任何非商业用途，共享，分发和复制，只要您对原始作者提供适当的信誉来源，提供了与Creative Commons许可证的链接，并指示您是否修改了许可材料。您没有根据本许可证的许可来共享本文或部分内容的改编材料。The images or other third party material in this article are included in the article’s Creative Commons licence, unless indicated otherwise in a credit line to the material.If material is not included in the article’s Creative Commons licence and your intended use is not permitted by statutory regulation or exceeds the permitted use, you will need to obtain permission directly from the copyright holder.要查看此许可证的副本，请访问http://creativecommons.org/licenses/by-nc-nd/4.0/。重印和权限

关于这篇文章