叙利亚三所私立大学医学生对人工智能的认知与接受度评估：医疗AI准备度(MAIRS_MS)量表的跨学科研究

本研究针对叙利亚医疗教育中人工智能(AI)整合不足的现状，采用医疗AI准备度量表(MAIRS_MS)对564名医学生进行横断面调查。结果显示77.8%的学生具备AI认知，高GPA(p=0.035)和高收入群体(p=0.016)表现更优，且AI经验显著提升认知(t=-10.319)、能力(t=-11.519)等维度得分。该研究为发展中国家AI医疗教育政策制定提供了首个叙利亚本土数据支撑。

　　

在医疗技术飞速发展的今天，人工智能(AI)已逐步渗透到疾病诊断、影像分析和治疗方案优化等核心领域。然而，这项革命性技术在资源受限地区的发展却严重滞后。以饱受战争摧残的叙利亚为例，其医疗教育体系长期面临基础设施损毁、师资流失等挑战，AI技术的引入更是举步维艰。这种技术鸿沟可能导致未来叙利亚医学生在全球医疗竞争中处于劣势，进而影响整个国家医疗水平的提升。

为破解这一困局，来自叙利亚Al-Kalamoon大学等三所私立院校的研究团队Hamdah Hanifa^1*?等开展了一项开创性研究。他们采用医疗人工智能准备度量表(MAIRS_MS)，首次系统评估了叙利亚医学生对AI的认知水平和接受程度。这项研究不仅填补了中东地区AI医疗教育研究的空白，更为制定符合战区国家特点的技术推广策略提供了实证依据。相关成果已发表在《BMC Medical Education》期刊。

研究团队采用横断面设计，通过电子问卷与纸质问卷相结合的方式，在20天内收集了564名医学生的数据。样本覆盖了Al-Kalamoon、Al-Hawash和Al-Sham三所私立大学1-6年级的医学生，确保基础阶段(1-3年级)与临床阶段(4-6年级)的代表性。核心评估工具MAIRS_MS量表包含22个条目，划分为认知(8项)、能力(8项)、愿景(3项)和伦理(3项)四个维度，采用5级Likert评分。研究同时采集了人口统计学特征、AI使用经验等关键变量。

医学生AI认知现状
数据显示，77.8%的参与者对医疗AI存在基本认知，但整体准备度评分仅为53.45/110。认知维度得分最高(21.10±6.26)，而伦理维度最低(5.85±2.53)，反映出学生对技术应用的道德风险缺乏足够重视。值得注意的是，AI经验者的准备度总分显著高于无经验者(56.24 vs 46.22，p<0.001)，凸显实践经验对技术接受度的促进作用。

人口学差异分析
学术表现与AI认知呈现明确正相关：GPA 3.5-4分组的认知率达89.1%，显著高于GPA<2分组(64.3%)(p=0.035)。经济因素同样关键，高收入学生认知率(86.8%)明显优于低收入群体(71.6%)(p=0.016)。这些发现提示，在资源分配不均的战后国家，社会经济地位可能成为技术普及的重要壁垒。

非显著因素
与预期不同，性别、年龄、年级和院校归属未显示出统计学差异。这一结果打破了计算机领域常见的性别差异假设，也与巴勒斯坦(p=0.035)和德国(p<0.001)的研究结论形成对比，可能反映叙利亚特殊的教育平等性。

讨论与启示
研究揭示了战后国家AI医疗教育的独特挑战：基础设施损毁导致的技术接触不足、英语教学缺失造成的知识获取障碍，以及持续冲突对科研投入的挤压。与约旦研究(p<0.001)的相似发现验证了GPA与AI认知的普适性关联，但叙利亚更显著的经济差异(p=0.016)凸显了战区国家的特殊性。

这项研究为发展中国家AI教育政策制定提供了重要启示：

1. 课程改革：应将AI作为必修模块纳入医学课程体系，重点加强伦理教育(当前均分仅5.85/15)
2. 资源倾斜：针对低收入学生设立专项技术培训基金
3. 实践导向：通过临床AI工具操作演练提升应用能力
4. 国际协作：借助数字医疗平台弥补本地资源不足

尽管存在样本局限(仅私立院校)和横断面设计的固有缺陷，这项研究仍开创性地绘制了叙利亚医疗AI教育的发展路线图。未来研究可拓展至公立院校，并追踪AI课程介入后的长期效果。在医疗资源重构的战后重建期，此类本土化研究对实现技术公平具有不可替代的战略价值。