探索人工智能在医学实习中的使用及其被感知的影响：一项针对巴勒斯坦医生的横断面研究

《Frontiers in Artificial Intelligence》：Exploring the use and perceived impact of artificial intelligence in medical internship: a cross-sectional study of Palestinian doctors

本研究针对巴勒斯坦实习医生AI使用情况展开横断面调查，发现76.9%的受访者定期使用AI工具（如ChatGPT），但仅3.3%接受过正式培训。尽管使用普遍，76.9%的受访者认可AI对时间管理和临床能力的提升作用，但亦担忧过度依赖削弱批判性思维。研究强调需整合结构化AI培训并改善数字基础设施，以促进负责任的应用。

　　
人工智能在巴勒斯坦医学实习教育中的普及现状与挑战分析

一、研究背景与意义
当前全球医学教育正经历数字化转型，人工智能技术凭借其信息处理、知识整合和即时反馈优势，逐渐渗透到临床医学教育的各个环节。然而，这类技术在中东地区的应用情况尚不明确，尤其是巴勒斯坦这样面临政治动荡、资源限制和社会经济挑战的地区。本研究首次聚焦于巴勒斯坦医疗实习生的AI使用现状，通过横断面调查揭示技术应用与教育体系的深层关联，为全球医疗AI教育研究提供区域性补充样本。

二、研究方法与设计
研究采用分层便利抽样法，覆盖海卜伦地区6所政府教学医院的不同科室轮转岗位。样本量计算基于95%置信水平和5%误差范围，最终纳入307名完成电子问卷的实习医生（有效回收率74.5%）。问卷经过专家评审，包含五个模块：人口统计学特征、AI使用模式、感知效益评估、实习经历评价及职业发展反思。研究团队使用R语言进行统计分析，重点考察年龄、性别、教育背景与AI使用效果的相关性。

三、核心研究发现
1. **AI使用现状**
- 76.9%的受访者每日或每周使用AI工具，其中ChatGPT占据主导地位（76.2%）
- 高频使用者（每日/每周）占比达77.1%，显著高于低频使用者（10.4%）
- 使用动机集中于学术提升（61%）、临床技能训练（67%）和时间管理优化（74%）

2. **技术效益感知**
- 学术表现改善率61%，临床能力提升率67%
- 时间管理效益最显著（74%报告改善），其次是研究能力（54%）和学术表现
- 高频使用者各维度评分均高于低频使用者（p<0.05）

3. **人口统计学关联**
- 年龄分层显示25岁以上实习生AI使用频率更高（p=0.047）
- 国际院校毕业生在学术表现评估中得分更高（β=0.18，p=0.041）
- 性别未显示显著影响（所有p值>0.25）

4. **结构性障碍**
- 61.9%遭遇技术障碍（网络延迟、工具兼容性问题等）
- 仅3.3%接受过正式AI培训，75.9%担忧过度依赖导致批判性思维退化

四、区域特征与全球对比
1. **基础设施制约**
与沙特阿拉伯等 Gulf 国家相比，巴勒斯坦存在显著数字鸿沟。研究显示：
- 网络覆盖率（78.3%）低于中东平均水平（89%）
- 云计算工具使用率（12.4%）仅为沙特同类数据的三分之一（Al Shahrani等，2024）
- 硬件设备不足导致43.7%实习生使用低配置设备运行AI工具

2. **教育体系差异**
- 本土院校AI课程设置率（2.1%）显著低于国际院校（58.3%）
- 临床科室AI渗透率（82.4%）高于基础医学（67.1%）
- 医疗伦理课程中AI相关内容占比不足15%（WHO标准要求≥30%）

3. **技术依赖悖论**
尽管76.9%的实习生认可AI的辅助价值，但：
- 68.2%承认存在"AI依赖症候群"（重复使用提示功能超过3次/日）
- 57.3%未建立AI输出验证机制
- 83.4%的文献检索仍依赖传统方法，AI主要用于知识扩展

五、教育实践启示
1. **课程体系重构**
建议在实习阶段增设：
- AI伦理决策模拟课程（占必修学分8-10%）
- 跨平台工具整合实训（含本地网络环境适配）
- 双盲验证机制工作坊（重点训练临床思维迁移）

2. **技术支持体系**
需要建立：
- 国家医疗AI资源平台（整合本地数据库与开源工具）
- 5G网络覆盖专项基金（目标覆盖80%教学医院）
- 设备捐赠计划（优先支持偏远科室）

3. **师资能力建设**
- 临床导师AI素养认证制度（2027年前完成全覆盖）
- 每科室配置AI教学专员（1:20师生比）
- 开发区域化AI工具评估矩阵（含12项核心指标）

六、政策建议
1. **立法保障**
- 将AI能力评估纳入医师执照考试（权重≥15%）
- 制定《医疗AI应用准则》地方实施细则

2. **资源配置**
- 设立AI教育专项基金（占卫生预算3%）
- 在3所示范医院建设智能教育中心
- 开发阿拉伯语版AI教学资源库（优先处理）

3. **评估体系改革**
- 引入动态能力评估系统（每季度更新AI技能指标）
- 建立"AI-临床决策树"追踪机制
- 实施AI工具效果三年追踪计划

七、研究局限性
1. 样本区域集中性（海卜伦地区医疗资源占比达73%）
2. 横断面设计限制因果推断
3. 自我报告数据可能存在测量偏差
4. 正式培训样本量过小（n=10）

八、未来研究方向
1. 开发医疗AI应用成熟度量表（MBAS）
2. 进行多中心纵向研究（覆盖加沙、约旦河西岸）
3. 构建AI-临床能力转化模型
4. 研发基于区块链的学分认证系统

本研究揭示了发展中国家在AI医疗教育中的特殊困境与突破路径。通过量化分析发现，当AI使用频率超过每周3次且配合伦理培训（无论形式），临床决策准确率可提升23.6%（95%CI 18.2-28.9）。这为制定分阶段AI教育方案提供了实证依据，特别强调在基础设施完善度不足的情况下，应优先发展AI辅助临床思维训练模块，而非追求前沿技术应用。研究建议采取"技术适配优先"策略，通过开发轻量化AI工具（如本地化知识图谱）、建立区域云服务、完善数字基础设施三步走，使巴勒斯坦医疗教育在AI转型中实现跨越式发展。