医学人工智能准备度影响因素研究：现状评估与未来展望——以克尔曼沙赫医科大学为例

为评估未来医生应用AI技术的准备程度，克尔曼沙赫医科大学团队针对800名医学生开展横断面研究，采用MAIRS-MS量表测量认知（Cognition）、能力（Ability）、愿景（Vision）和伦理（Ethics）四维度准备度。结果显示学生总体得分为70.59±19.24（满分110），能力维度表现最弱（25.74±7.52/40），突显医学教育中AI课程体系建设的紧迫性。该研究为中东地区医学AI教育政策制定提供了关键基线数据。

　　

在医疗技术日新月异的今天，人工智能（AI）正以前所未有的速度重塑医疗行业格局。从1950年代人工神经网络诞生至今，AI已能辅助医生完成疾病诊断（如帕金森病早期识别）、影像判读（如结肠息肉检测）等复杂任务。然而，当AI技术如潮水般涌入临床实践时，一个关键问题浮出水面：未来的医生们是否做好了与AI协作的准备？克尔曼沙赫医科大学（Kermanshah University of Medical Sciences）的研究团队通过大规模调查揭开了这个谜题。

研究团队发现，当前医学教育面临严峻挑战：尽管84%的医学生预测AI将深刻影响未来医疗，但多数院校尚未将AI纳入必修课程。这种教育滞后直接体现在学生能力短板上——在MAIRS-MS（Medical Artificial Intelligence Readiness Scale for Medical Students）量表中，学生"能力"维度得分垫底（25.74/40），近30%的学生无法正确选择临床AI工具。更值得警惕的是，学生对AI伦理规范认知存在明显分化，14.63%的受访者甚至不清楚医疗数据使用的法律边界。

为系统评估现状，研究人员采用横断面研究方法，对800名1-5年级医学生进行分层抽样。通过经过波斯语验证的MAIRS-MS量表（Cronbach's α=0.966），从认知（8项）、能力（8项）、愿景（3项）和伦理（3项）四个维度采集数据。统计显示，学生总体准备度得分为70.59±19.24（满分110），呈现"高愿景（9.73/15）、低能力"的典型特征。多变量分析揭示，年龄增长与准备度提升呈正相关（26-30岁组72.33分），但性别差异无统计学意义（p=0.106）。

关键技术方法包括：1）采用经过本地化验证的MAIRS-MS量表（含22个Likert 5级评分项）；2）通过Telegram平台实施电子问卷；3）使用SPSS-24进行t检验和ANOVA分析；4）样本覆盖克尔曼沙赫医科大学全部年级医学生（n=800）。

研究结果呈现三大发现：

1. 维度差异：学生在愿景维度表现最佳（9.73±2.96/15），能较好预见AI的机遇与挑战；但能力维度严重不足，仅25.74±7.52/40，31.38%的学生无法解释AI解决方案的临床适配性。

2. 人口学特征：已婚学生准备度（72.26±18.42）略高于未婚者（70.44±19.32），但p=0.466显示无显著差异；非本地生源（71.17±19.17）优于本地生（70.26±19.29）。

3. 年级演变：高年级学生未显现预期优势，5年级生（127人）与1年级生（197人）得分无统计学差异，暗示现行课程体系对AI能力培养不足。

讨论部分尖锐指出，这种"认知-能力鸿沟"反映出现行医学教育的结构性缺陷。研究建议采取双轨制改革：短期开设AI工作坊强化应用能力，长期将AI课程嵌入MD培养方案。值得关注的是，该研究首次证实了"AI准备度年龄效应"——这与Xuan等人在马来西亚的研究结论形成跨文化印证。

这项发表在《BMC Medical Education》的研究具有三重里程碑意义：其一，建立了中东地区医学生AI准备度基线数据；其二，揭示了传统医学教育对技术变革的响应滞后；其三，为2023年AMA（美国医学会）AI教育指南的本地化实施提供了实证依据。正如通讯作者Arash Ziapour强调的："当AI开始改写《希波克拉底誓言》时，我们的课程表必须跑赢算法迭代的速度。"