编辑推荐：
为分析医学生对人工智能（AI）在医学教育中的认知、信任和态度，探究其在教学实践中融合 AI 的意愿，研究人员开展了针对医学生的横断面调查研究。结果显示学生态度乐观又谨慎，此研究对促进 AI 在医学教育的合理应用意义重大。
在科技飞速发展的时代，人工智能（AI）如同一股强劲的浪潮，席卷了各个领域，医学教育也不例外。传统的医学教育模式长期依赖于教科书、课堂讲授和临床实践，培养一名合格的医生往往需要耗费约十年时间，学生要掌握从解剖学、病理学等基础学科到各类临床课程的海量知识。如今，AI 的崛起为医学教育带来了新的曙光，智能虚拟患者系统、先进教学平台以及基于生成式 AI 的问答系统等纷纷涌现，为提升教学效率和教育质量提供了新的可能 。
然而，这束 “科技之光” 也并非毫无阴影。AI 生成结果的可靠性饱受争议，在医学领域，错误的信息可能会带来严重后果。比如，AI 生成的诊断建议若出现偏差，极有可能误导学生和医生，影响患者的治疗。此外，隐私泄露、数据安全以及伦理问题也如影随形，这些不确定性让部分医学教育工作者和学生对 AI 心存顾虑。在这样的背景下，深入了解医学生对 AI 的态度变得至关重要，因为这不仅关系到他们未来在学习和工作中对 AI 的应用，也影响着 AI 在医学教育领域的发展方向。此前，相关研究并未对不同阶段医学生的 AI 认知进行系统全面的分析，为了填补这一空白，来自首都医科大学附属北京天坛医院和北京大学人民医院的研究人员开展了此次研究。
研究人员采用横断面研究方法，通过便利抽样，对北京两所医科大学的本科生和研究生进行问卷调查。问卷涵盖 AI 认知、期望与担忧、在教育中的重要性、潜在挑战与风险、在教育中的作用与潜力、对生成式 AI 的认知以及在医学教育中使用 AI 的行为意向和计划等七个方面 。经过初步调查和反馈修订，最终确定了包含 52 个条目的问卷。数据收集于 2024 年 10 月至 11 月初，共 586 名学生参与调查，剔除 33 份无效问卷后，获得 553 份有效问卷。研究人员运用 SPSS 22.0 软件进行数据分析，通过 t 检验比较组间差异，使用 Cronbach's alpha 系数进行信度分析，采用探索性因子分析进行效度分析。
研究结果
- 参与者基本信息：553 名有效参与者中，男性 289 人，女性 264 人；本科生 235 人，研究生 318 人。年龄分布上，18 - 25 岁的有 291 人，26 - 35 岁的有 251 人，36 岁及以上的有 11 人。参与者专业涵盖外科、内科、妇产科、儿科、医学影像等多个领域12。
- AI 认知情况：多数受访者（73.14%）对 AI 及相关技术有一定理解，36.98% 的人熟悉机器学习、深度学习等概念，但仅有 5.06% 的人认为自己完全理解 AI 的基本原理。在对 AI 在医学教育中的应用态度方面，60.21% 的人对基于 AI 的应用感兴趣，然而，78.3% 的人担心 AI 带来的隐私问题，84.81% 的人对 AI 生成结果的准确性表示担忧3。
- AI 对教育的影响：61.72% 的受访者认可 AI 对个性化学习和及时反馈的积极影响，但 40.69% 的人也意识到将 AI 融入医学课程存在挑战。尽管存在这些顾虑，仍有 45.75% 的人表示未来有意在学习或教学中使用 AI 工具，43.94% 的人会向同事和同学推荐 AI 工具，40.51% 的人认为完成医学学位后有信心使用基础医学 AI 工具4。
- 性别和学术水平差异：男性在 AI 基础认知、期望、在职业和教育中的重要性、在教育中的作用与潜力、对生成式 AI 的认知以及行为意向和计划等方面的得分均高于女性；而女性在对 AI 的担忧以及 AI 在教育中的潜在挑战和风险方面得分更高。研究生在 AI 认知方面得分显著高于本科生，在对 AI 的担忧方面也略高于本科生，但在其他方面，二者无显著差异56。
研究结论与讨论
此次研究表明，医学生对 AI 在医学教育中的应用持乐观但谨慎的态度。他们认可 AI 在提升教育效率、优化教学模式方面的潜力，如 AI 可以实现个性化教学，根据学生的学习进度和特点提供定制化的学习材料，还能通过智能系统增强远程教学效果 。然而，他们也对 AI 的局限性保持警惕，尤其是隐私问题、伦理风险以及 AI 生成内容的准确性 。
学术水平影响着学生对 AI 的认知和担忧程度。研究生由于更多地参与专业任务，如自动化数据分析和智能诊断支持，对 AI 应用更为熟悉，但也正因在研究和临床工作中对数据保护要求更高，所以担忧也更多 。性别差异同样显著，男性对 AI 更感兴趣，自我感觉知识水平更高；女性则更为谨慎，更关注 AI 的伦理问题，如潜在偏见、对人际交往的影响和数据安全 。
为促进 AI 在医学教育中的深度融合，研究人员认为应加强 AI 教育和培训，在提升学生使用 AI 技术能力的同时，增强他们对 AI 生成内容的批判性评估能力 。医学教育机构可以采用基于真实案例的工作坊、在线模拟课程等实践教学方式，让学生在安全的环境中熟悉 AI 技术的实际应用 。此外，逐步引入 AI 认证和评估标准，规范 AI 在医学教育中的应用，也有助于提高学生对 AI 的信任度和使用率 。从政策层面看，政策制定者需要规范 AI 在教育领域的应用，确保其辅助教学而非取代教学，教育机构要在技术发展和伦理标准之间找到平衡 。
全球范围内，AI 驱动的医学教育整合意义重大，但不同国家和地区在 AI 技术的应用和普及程度上存在巨大差异 。发展中国家由于教育基础设施和政策支持不足，医学生难以获得全面的 AI 教育 。因此，全球合作和资源共享至关重要，通过建立适合当地需求的开放教育资源和课程设计，可以为欠发达地区的学生提供更公平的学习机会，推动医学领域 AI 教育的平衡发展 。
综上所述，该研究为了解医学生对 AI 在医学教育中的态度提供了全面的视角，为教育工作者、政策制定者制定相关策略提供了重要依据，对促进 AI 在医学教育中的合理应用、推动医学教育现代化具有重要意义。
