评估医学生在临床前培训后对人工智能的认知准备度：基于MAIRS-MS量表的实证研究

随着AI在医疗领域的广泛应用，如何培养医学生的AI素养成为教育关键问题。本研究采用MAIRS-MS量表评估了苏丹卡布斯大学84名临床前期医学生的AI准备度，发现学生在AI术语认知(均分3.52)与数据科学理解存在明显短板，但对AI潜力认知(均分3.90)表现最佳。研究为医学院校制定AI教育策略提供了重要依据，成果发表于《BMC Medical Education》。

　　

在医疗领域，人工智能(AI)正以前所未有的速度改变着诊疗模式——从影像识别到临床决策支持系统(CDSS)，AI应用已渗透到各个环节。然而令人担忧的是，传统医学教育体系却未能跟上技术变革的步伐。近期调查显示，高达78%的医师对AI工具存在使用障碍，主要归因于教育体系中AI训练的缺失。这种"技术鸿沟"可能导致未来医疗工作者无法有效驾驭AI工具，甚至影响医疗质量。正是在这样的背景下，苏丹卡布斯大学的研究团队开展了一项开创性研究，试图回答一个关键问题：经过临床前培训的医学生，究竟是否具备足够的AI素养来迎接临床实践的挑战？

研究团队采用横断面调查设计，对115名即将进入临床阶段的医学生发放了经过验证的"医学生人工智能准备度量表"(MAIRS-MS)。该量表从认知(如AI术语理解)、能力(如工具应用)、愿景(如发展预判)和伦理四个维度进行评估。特别值得注意的是，这些学生在前期课程中已接触过医学信息学I/II课程，系统学习了AI基础概念和CDSS应用，并在整合模块II课程中通过临床案例分析了AI工具的局限性。

研究方法的核心在于标准化量表的应用。MAIRS-MS包含22个条目，采用5级Likert量表评分，经Cronbach's α检验显示整体信度达0.9069。研究团队通过Google Forms收集数据，采用Mann-Whitney检验分析性别差异，所有统计检验以P<0.05为显著性阈值。研究特别关注了ChatGPT公开上线对调查结果的潜在影响，因为其发布时间恰与数据收集期重叠。

研究结果呈现出有趣的"认知-愿景"分化现象。在认知维度，学生对"AI系统训练原理"(3.76分)和"数据分析"(3.19分)的理解差异显著；能力维度中，"AI工具选择"(3.36分)得分最低，而"AI教育价值认同"(3.92分)最高。最具启示性的发现是：尽管所有学生都接受过AI课程训练，但20%仍报告"无AI接触史"，这暗示ChatGPT的爆红可能重塑了学生对AI的认知框架。性别差异分析仅发现女性在"AI术语定义"项目显著优于男性(3.75 vs 3.33，P=0.0062)。

讨论部分深入剖析了教育实践的启示。与沙特和德国的同类研究相比，本研究对象因前期课程铺垫展现出更高准备度(均分3.5-3.9 vs 其他研究<3)，证实了课程整合的有效性。但数据也暴露出关键短板——学生对AI技术原理的理解明显不足，这种"知其然不知其所以然"的状态可能限制其临床决策能力。研究建议采用"纵向教育模型"，将AI训练渗透到各学年段：低年级侧重概念认知，高年级强化临床场景应用，并引入TBL(团队合作学习)等多元教学方法。

该研究的创新价值在于首次采用标准化工具评估课程改革效果，为AI医学教育提供了可量化的参考框架。局限性包括单中心研究的推广谨慎性，以及ChatGPT现象对调查的潜在干扰。未来研究可追踪临床阶段表现，验证培训效果的长期转化。正如作者强调的，培养"与AI协作而非对抗"的临床思维，将是医学教育适应数字时代的关键转型。这项发表于《BMC Medical Education》的研究，不仅为课程设计者提供了实证依据，更启示我们：在AI重塑医疗的未来，人文素养与科技能力必须如同DNA双螺旋般协同发展。