编辑推荐：
为评估未来医护人员对人工智能（AI）的就绪度，研究人员开展了针对巴基斯坦白沙瓦医科与牙科本科生 AI 就绪度的横断面调查。结果显示学生 AI 就绪度多为中等，且存在性别差异。该研究为 AI 融入医学教育提供依据。
在当今科技飞速发展的时代，人工智能（AI）就像一股不可阻挡的浪潮，正席卷各个领域，医疗行业也不例外。AI 凭借其强大的观察、推理、学习和执行任务的能力，在医学成像分析、疾病诊断、个性化治疗以及牙科的龋齿检测、口腔癌诊断等方面展现出巨大潜力。然而，这一新兴技术在医疗领域的推广并非一帆风顺。一方面，医护人员对 AI 的理解和掌握程度参差不齐，世界卫生组织也曾警示，若医护人员对 AI 缺乏全面了解，可能阻碍其应用，甚至导致误用。另一方面，尽管已有不少研究关注医护人员的 AI 知识和素养，但对其 AI 就绪度的研究相对较少。在巴基斯坦的白沙瓦地区，针对医科和牙科本科生的 AI 就绪度研究更是稀缺，这无疑成为了阻碍 AI 在当地医疗教育和实践中有效应用的 “绊脚石”。为了填补这一空白，来自巴基斯坦多所机构（包括 Sardar Begum Dental College Peshawar、Institute of Health Professions Education & Research, KMU Peshawar 等）的研究人员展开了一项重要研究 ，该研究成果发表在《BMC Medical Education》上。
此次研究采用了定量横断面调查的方法。研究人员首先通过多阶段抽样，从白沙瓦的众多医科和牙科院校中选取了部分院校的学生作为研究对象。为确保样本的代表性，他们精心计算了各院校的抽样比例，并考虑了不同年级的学生分布。之后，使用经过验证的《医学生人工智能就绪度量表（MAIRS - MS）》作为研究工具，以在线问卷的形式收集数据。问卷涵盖了人口统计学信息以及学生对 AI 的知识、技能、态度和伦理考量等多个方面。最后，运用统计软件 SPSS 26 对收集到的数据进行分析，通过描述性统计和卡方检验等方法，探究不同因素与 AI 就绪度之间的关系。
研究结果呈现出多方面的特点：
- 人口统计学特征：在参与调查的 407 名学生中，医科学生占 84%（343 人），牙科学生占 16%（64 人）；女性占比 59%（241 人），男性占比 41%（166 人） ，平均年龄为 21.47 岁。不同院校的学生参与数量存在差异，这与各院校的招生规模有关。此外，巴基斯坦籍学生占绝大多数（397 人），非巴基斯坦籍学生仅有 10 人。
- AI 就绪度水平：从整体来看，学生的 AI 就绪度以中等水平为主，占比 62.2%（253 人）；低水平的占 29.7%（121 人）；高水平的仅占 8.1%（33 人） 。这表明大部分学生对 AI 有一定认识，但仍有提升空间。
- 性别差异：进一步分析发现，性别与 AI 就绪度之间存在显著关联（p = 0.002） 。男性学生在中等和高水平就绪度的比例均高于女性，而女性学生在低水平就绪度的比例更高。这可能与社会期望、教育背景以及技术接触机会等因素有关。
- 专业差异：对比医科和牙科学生，虽然医科学生在中等就绪度的比例略高（62.7%），牙科学生在高就绪度的比例略高（10.9%），但二者在低就绪度的比例相同（29.7%） 。统计结果显示，专业与 AI 就绪度之间不存在显著相关性。
- 院校差异：不同院校学生的 AI 就绪度没有显著差异（p = 0.526） 。尽管 Khyber Medical College 的学生在各就绪度水平上表现相对突出，但整体来看，各院校学生对 AI 的知识、技能和态度较为相似。
- 学年差异：研究还发现，学生的 AI 就绪度与学年之间没有显著关系（p = 0.144） ，不同学年的学生在 AI 就绪度上表现相近。
- 国籍差异：巴基斯坦籍和非巴基斯坦籍学生在 AI 就绪度上的差异不显著（p = 0.431） ，可能是由于样本中外国学生数量较少，限制了对国籍差异的准确评估。
- AI 就绪度因子分析：对 AI 就绪度的不同因子进行分析发现，学生在 AI 概念及应用方面（能力因子）掌握较好，但在可视化和解释 AI 输出结果（视觉因子）方面存在不足，在 AI 伦理考量方面也有待提高。
综合研究结论和讨论部分，此次研究意义重大。它首次系统地评估了巴基斯坦白沙瓦地区医科和牙科本科生的 AI 就绪度，揭示了学生群体中 AI 就绪度的现状、性别差异以及不同专业、院校、学年和国籍学生之间的差异情况。这为当地教育机构和决策者提供了宝贵的数据支持，有助于他们制定针对性的策略，将 AI 更好地融入医学教育课程。例如，根据性别差异，可制定促进女性学生接触和学习 AI 的计划；针对学生在视觉因子和伦理方面的不足，优化课程内容，加强相关培训。此外，研究也指出了自身的局限性，如样本量有限、依赖自我报告数据可能存在偏差、无法评估 AI 就绪度随时间的变化等，这为后续研究指明了方向。未来研究可进一步扩大样本规模，采用混合研究方法，跟踪学生 AI 就绪度的变化，对比不同地区学生的情况，从而更全面地了解医科和牙科学生的 AI 就绪度，推动 AI 在医疗教育和实践中的广泛应用，为提升医疗服务质量奠定坚实基础。
