编辑推荐：
为解决 AI 在巴基斯坦医学教育中应用的相关问题，巴基斯坦某三级医疗中心医学院的研究人员开展 AI 在医学教育中相关研究。结果显示师生态度积极但存在知识差距和应用障碍。该研究为推动 AI 在医学教育中的应用提供方向，值得一读。
在当今科技飞速发展的时代，人工智能（AI）就像一股强劲的浪潮，席卷了各个领域，教育界也未能例外。它被定义为机器执行通常需要人类智能才能完成的任务的能力，比如推理、学习和解决问题 。在教育领域，AI 的应用日益广泛，从智能辅导系统到个性化学习平台，都展现出它独特的魅力。而在医学教育这个至关重要的领域，AI 更是蕴含着巨大的潜力，有望给教学和学习方式带来革命性的变化。它不仅可以为学生打造个性化的学习体验，还能将 AI 驱动的技术，像虚拟患者和预测分析融入其中，甚至可能影响到临床实践水平。
然而，理想很丰满，现实却很骨感。AI 在医学教育领域的发展并非一帆风顺。一方面，隐私和伦理问题就像两座大山横亘在前。医学数据涉及大量患者隐私，AI 在处理这些数据时，如何确保隐私安全和符合伦理规范，成为亟待解决的难题。另一方面，教师和学生对 AI 工具的应用准备不足，也严重阻碍了 AI 在医学教育中的推广。全球范围内，不同地区的医学机构在 AI 融入课程方面进展参差不齐。发达国家的医学教育在 AI 应用上已经取得不少成果，比如美国、中国和欧洲的研究都表明，AI 有助于提升医学生的专业能力。但许多发展中国家由于资源有限，在这方面远远落后。这种差距可能会让发展中国家的医学毕业生在未来 AI 主导的医疗环境中处于劣势，难以适应 AI 在临床决策和诊断中日益重要的地位。
在巴基斯坦，这些问题更加突出。当地的本科医学教育课程中，AI 相关内容几乎是一片空白。而且，技术获取受限、机构支持不足以及教师培训缺乏等系统性障碍，更是让 AI 在医学教育中的发展举步维艰。尽管之前有研究对医疗专业人员使用 AI 的总体准备情况进行了评估，发现他们态度积极，但实际在课程中接触 AI 的机会却少之又少。同时，对于医学教育中的关键利益相关者 —— 医学生和教师，他们对 AI 的具体态度、知识和实践情况，在巴基斯坦还缺乏深入研究。了解这些对于设计适合当地情况的 AI 培训项目至关重要。
为了填补这些知识空白，来自巴基斯坦卡拉奇一家三级医疗中心医学院的研究人员展开了深入研究。他们的研究成果发表在《BMC Medical Education》期刊上，论文题目是《Knowledge, attitudes, and practices of medical students and faculty regarding artificial intelligence in medical education: a concurrent mixed - methods study》。通过这项研究，他们发现虽然医学生和教师对 AI 融入医学教育大多持积极态度，但在知识掌握上存在明显差距，而且在 AI 融入医学教育的过程中面临着诸多障碍。这项研究的意义重大，为后续推动 AI 在医学教育中的合理应用指明了方向，尤其是在资源有限的地区，具有很强的指导价值。
研究人员采用了一种巧妙的研究方法 —— 并发混合方法，对该问题进行全面探究。在定量研究部分，他们运用横断面设计，通过电子邮件邀请符合条件的医学生和教师参与在线调查。为了确保调查质量，问卷经过了一系列严格的处理过程。先是基于之前在巴基斯坦和叙利亚的研究设计了初始问卷，然后请五位专家进行内容效度评估，根据评估结果剔除了部分不符合要求的项目。之后，还对问卷进行了预调查，根据预调查结果确定最终问卷，并通过公式计算出所需的样本量。在定性研究部分，他们通过目的抽样的方式，选取不同年级的医学生进行焦点小组讨论，同时邀请参与课程开发和教学的教师进行深入访谈。最后，对定量和定性研究的数据进行三角测量，以提高研究的严谨性和有效性。
下面来看看具体的研究结果。
- 定量结果：共有 236 人完成了调查，其中包括 83 名教师和 153 名医学生。通过 Cronbach's alpha 系数评估发现，教师和学生问卷的内部一致性都达到了 0.94，这表明问卷的可靠性非常高。在态度方面，教师的平均综合态度得分显著高于学生（3.95 ± 0.63 vs. 3.81 ± 0.75） 。而在知识和实践方面，虽然教师和学生的平均综合得分相近，没有统计学上的显著差异，但进一步分析发现，大家对 AI 的了解存在不少问题。比如，虽然大部分教师（79.6%）和学生（79.1%）认为自己对 AI 有大致了解，但只有少部分人（教师 42.1% ，学生 41.2%）知道 AI 的子集，像机器学习或深度学习。另外，在使用 AI 工具方面，只有不到一半的人在医学教育实践中使用过 AI 工具。不过，多数人对学习 AI 在医学教育中的应用表现出积极态度。在亚组分析中还发现，年龄较大的医学生自我感觉对 AI 的了解更多，态度也更积极；男学生的知识得分比女学生高，但调整多重比较后，这种差异不再显著。
- 定性结果：在定性研究中，通过焦点小组讨论和深入访谈，出现了多个重要主题。
- 对 AI 的理解：教师和学生对 AI 的理解差异很大。教师把 AI 看作是复杂且能辅助决策的工具，这和他们参与课程开发、接触 AI 研究工具的经历有关。而学生大多只知道像 ChatGPT 这样的实用工具，对 AI 的理解比较浅显，更关注其在学习中的实际用途，这反映出他们在 AI 知识上的差距，也凸显了分层教育的重要性。
- AI 在教育和研究中的应用：大家都认可 AI 在教育和研究中的潜力，但侧重点不同。教师觉得 AI 能辅助备课、加深学生对概念的理解；学生则认为 AI 有助于自主学习和研究，比如查找资料、制作学习辅助工具。这表明学校需要引导师生合理使用 AI，平衡学习效率和深度思考。
- 伦理和道德考量：参与者都对 AI 的伦理问题表示担忧，特别是数据隐私和滥用风险。教师强调要建立问责框架，这体现了在 AI 教育中培养伦理素养的重要性。
- 机构支持的作用：师生都认为机构支持对 AI 融入教育至关重要。教师希望机构在创新和协作方面给予支持，同时保证学术标准；学生则希望机构能提供免费的付费 AI 工具，解决资源不足的问题。
- 教师视角的特定主题洞察：教师担心过度依赖 AI 会削弱学生的批判性思维和解决问题的能力，所以他们认为 AI 应作为辅助工具，并且建议采用分阶段的方式将 AI 融入教学，先对教师进行基础培训，再逐步推进。
- 学生视角的特定主题洞察：学生指出 AI 融入的障碍包括技术限制、经济压力和工具获取困难。他们建议采用注重实践应用的 AI 教育方式，先从基础学起。
综合研究结论和讨论部分来看，这项研究意义非凡。一方面，它揭示了师生对 AI 融入医学教育的积极态度，同时也明确了存在的问题，如知识差距、伦理担忧和应用障碍等。这让我们清楚地认识到，在推广 AI 医学教育的过程中，不能只看到它的潜力，还要重视这些实际问题。另一方面，研究为解决这些问题提供了方向。比如，开展分阶段的课程整合，先为师生举办基础工作坊，提升他们对 AI 的理解；加强教师培训，让他们能更好地引导学生使用 AI；机构要提供支持，包括资源和政策保障，确保 AI 合理使用。这些措施对于在资源有限的环境中推动 AI 医学教育发展至关重要，也为后续的研究和实践奠定了坚实的基础。未来，还需要进一步开展纵向研究，跟踪 AI 融入医学教育过程中师生的变化，并且扩大研究范围，探索更多有效策略，以促进 AI 在医学教育领域的健康发展，为培养适应未来医疗环境的专业人才做好准备。
