医学教育与人工智能融合：约旦医学生与病理学员对AI的认知态度调查及其教育启示

本研究针对人工智能(AI)在医学教育中的整合需求，通过横断面调查评估了约旦328名医学生和66名病理学员对AI的认知、态度及应用预期。结果显示69%受访者通过非正规渠道了解AI，仅14%通过医学院课程；54.1%认可AI疾病诊断潜力，但42.4%对技术发展存在担忧。研究首次揭示约旦医学教育中AI培训的缺失，提出应将AI基础知识（含伦理法律内容）纳入课程体系，为全球医学教育转型提供实证依据。

　　

在医疗技术飞速发展的今天，人工智能(AI)正以前所未有的速度重塑医学实践版图。从影像识别到病理诊断，AI算法已能在某些领域达到甚至超越人类专家的准确度。然而这场技术革命也带来了新的挑战：未来的医生是否需要掌握AI技术？医学院校是否做好了培养"AI-ready"医师的准备？尤其在中东地区，关于医学生对AI认知的系统研究几乎空白。约旦的研究团队敏锐捕捉到这一知识缺口，开展了一项具有前瞻性的调查研究。

约旦科技大学(Jordan University of Science and Technology)联合国内四所公立医学院校，采用横断面研究方法，通过在线问卷对328名医学生和66名病理住院医师进行调查。研究特别关注视觉医学领域（如病理学）的AI应用认知差异，问卷设计参考了德国验证过的量表并经过本土化调整。

关键技术方法包括：1)基于Raosoft计算的样本量设计（n=394）；2)经预实验验证的阿拉伯语问卷；3)采用SPSS 26进行统计分析，分类变量使用Pearson卡方检验，有序数据使用Spearman相关分析；4)通过医学教育论坛和社交平台进行雪球抽样。

【Awareness of AI and Deep Learning in Medicine】
69%受访者通过非学术渠道（主要是网站）了解AI，仅14%通过医学院课程。自认技术专家的学生AI知晓率显著更高(P=.03)，但性别和专业阶段无显著差异。这揭示医学教育体系在AI知识传递中的缺位。

【The Sources for the Topic of AI】
信息获取渠道呈现"去中心化"特征：73.4%依赖网站，仅6%接受过正规AI培训。这种知识获取的碎片化可能影响学生对AI的系统理解。

【The Applications of AI in Medicine】
54.1%认同AI可自动诊断疾病，医学生比病理住院医师更乐观(P=.04)。80.7%相信AI能推荐检查方案，反映学生对辅助决策功能的期待。

【Overall Emotions and Attitudes】
81.4%认为AI将革新医学，但42.4%表达技术恐惧。有趣的是，技术专家更倾向认为AI使病理学更有趣(P=.002)。76.7%相信AI有益病理实践，但73.9%否认短期内医生会被取代。

【What Specific Aspects Should Be Implemented in Medical Education?】
58.6%希望学习AI应用场景及伦理法律风险，女生更关注后者(P=.038)。90.6%支持将AI基础纳入必修课程，凸显教育改革的迫切性。

【Potential Applications in Pathology】
75.4%认可AI在病理切片识别中的潜力，但住院医师比医学生更保守(P=.001)。79.1%相信AI能推荐特殊染色方案，显示对精准诊断的期待。

讨论部分揭示了三个关键发现：首先，约旦医学生的AI认知水平与发达国家相当，但教育供给明显不足；其次，视觉医学领域（如病理学）的AI接受度存在"学习者-从业者"认知梯度；最后，技术恐惧与职业安全感需要通过教育干预来平衡。这项研究首次提供了中东地区医学AI教育的基线数据，其价值在于：1)证明低收入国家同样面临AI教育挑战；2)为WHO倡导的全球医学教育数字化战略提供区域实证；3)提出"技术-伦理"并重的课程框架。

值得注意的是，研究也暴露出局限性：样本偏重低年级医学生(85%)，社交媒介招募可能引入选择偏倚。未来研究可纵向追踪AI教育干预效果，或比较不同数字病理实施程度地区的认知差异。正如作者强调的，在AI技术狂飙突进的时代，医学教育者需要像关注听诊器教学一样重视算法素养的培养——这或许将是塑造未来医疗格局的关键一课。