编辑推荐：
为探究埃及医学生对生成式人工智能（GAI）的认知、态度与实践，研究人员对 10 所大学 423 名学生开展横断面调查。发现 61.5% 学生认知良好，44.7% 态度积极，且认知与实践呈正相关（r=0.303，P<0.001）。为 AI 融入医学教育提供依据。
在医疗技术革新浪潮中，生成式人工智能（Generative Artificial Intelligence, GAI）正深刻改变医学教育与实践格局。然而，医学生作为未来医疗领域的主力军，对 GAI 的认知水平、态度倾向及实际应用情况仍存在诸多未知。当前，全球范围内关于医学生 GAI 认知的研究多聚焦单一地区或院校，缺乏对不同教育背景及地域差异的系统性分析。尤其在埃及，尽管已有零星研究涉足牙科学生或单一大学医学生的 GAI 认知，但针对多所高校医学生的综合性评估仍显匮乏。在此背景下，探究埃及医学生对 GAI 的知识掌握程度、态度及实践现状，对推动 GAI 在医学教育中的合理应用与课程整合具有重要现实意义。
为填补这一研究空白，来自埃及扎加济格大学（Faculty of Medicine, Zagazig University）等 10 所高校的研究人员开展了一项横断面研究。该研究以 423 名医学生为样本，通过在线问卷形式，系统收集了学生的社会人口学特征、GAI 知识水平、态度及实践数据，旨在全面剖析埃及医学生群体与 GAI 互动的现状与影响因素。研究成果发表于《BMC Medical Education》，为发展中国家医学教育中人工智能的融入提供了关键实证依据。
研究采用简单随机抽样法，从埃及 53 所大学中选取 10 所（包括苏伊士运河大学、十月六日大学等），通过 WhatsApp、Facebook 等平台发放半结构化问卷。问卷涵盖 5 个维度：知情同意、人口学信息、GAI 知识与局限性认知、态度评估及实践行为。知识部分通过 8 题量表评估，以 4 分及以上判定为 “满意认知”；态度部分采用 13 题 Likert 量表（1-5 分），44 分及以上为 “积极态度”；实践部分通过 7 题频率量表（1-5 分），17 分及以上为 “良好实践”。研究运用 IBM SPSS 27 进行统计分析，包括卡方检验、皮尔逊相关分析及二元逻辑回归模型，以探讨各变量间的关联。
研究结果
社会人口学特征与 GAI 认知差异
参与研究的学生中，女性占 45.4%，男性占 54.6%，平均年龄 21.65±1.44 岁，78.3% 处于临床阶段（后三年），21.7% 为学术阶段（前两年）。结果显示，61.5% 学生具备 “满意的 GAI 知识”，其中男性认知达标率（69.3%）显著高于女性（55%，P=0.003）。不同大学间认知水平差异显著（P<0.001），苏伊士运河大学（92.3%）和十月六日大学（85.7%）学生认知达标率最高，曼苏拉大学（42.6%）和贝尼苏夫大学（43.6%）最低。临床阶段学生的认知达标率高于学术阶段，提示实践经验可能促进 GAI 知识积累。
态度与实践现状
44.7% 学生对 GAI 持 “积极态度”，75.1% 认为 GAI 将在未来 10 年显著改善医疗教育。在诊断信任度方面，44.4% 学生认为 “GAI 漏诊与误诊率相当”，26% 认可 “GAI 极少误诊但偶有漏诊”。实践层面，学生主要将 GAI 用于语法检查（28.1%“经常使用”）、作业准备（29.1%）、研究辅助（30.7%）及创意生成（29.8%），而考试准备（32.4%“很少使用”）、职业规划（43.3%“从未使用”）等场景使用率较低。常用工具包括 Chat-GPT 3.5（37.1%）和 4.0（35.2%），仅 10.2% 学生从未使用任何 GAI 工具。
影响因素与相关性分析
二元逻辑回归显示，性别、大学、学习阶段是 GAI 认知的独立预测因素：男性认知优势为女性的 1.87 倍（OR=1.871, 95% CI 1.191-2.941）；十月六日大学学生认知达标概率是爱资哈尔大学的 3.55 倍（OR=3.551），而贝尼苏夫大学仅为 0.38 倍（OR=0.381）；临床阶段认知达标概率较学术阶段低 46%（OR=0.539）。此外，认知水平与实践频率呈显著正相关（r=0.303, P<0.001），即知识掌握越充分，越倾向于高频使用 GAI 工具。
结论与讨论
本研究揭示埃及医学生对 GAI 的认知水平中等（61.5% 达标），态度积极（44.7% 支持），且认知与实践呈正向关联。性别、院校资源及学习阶段是认知差异的主要来源，提示需针对性设计教育干预措施。研究发现，尽管学生认可 GAI 在教育与临床中的潜力，但对其诊断可靠性仍存疑虑，反映出对技术局限性的理性认知。此外，仅有 23.9% 学生接受过 GAI 相关课程，表明埃及医学教育体系中 AI 整合尚处起步阶段。
研究强调，将 GAI 纳入医学课程、开设专项模块（如伦理与实践应用）可提升学生认知与技能，助力其未来职业发展。同时，需关注城乡数字鸿沟及院校资源差异，确保技术普及的公平性。本研究为发展中国家医学教育中 AI 的规范化应用提供了基线数据，呼吁建立跨院校合作机制，推动 GAI 在病例分析、虚拟诊疗等场景的实践，以培养适应智能医疗时代的新型医学人才。研究局限性在于便利抽样可能导致选择偏倚，且样本量较小，未来需更大规模、多中心研究进一步验证。
