本科生医学预科教育中通过学生社团提升人工智能素养的教育干预研究

本研究针对医学预科生缺乏人工智能(AI)系统培训的现状，由Brigham Young University团队通过"医学人工智能协会(AIM)"开展为期4周的课外干预项目。研究采用准实验设计，结果显示参与者在AI知识（Cohen's d=1.83）和病理学应用（Cohen's d=4.74）方面均取得显著提升，为医学教育早期阶段整合AI课程提供了可行模型。

　　

随着人工智能(AI)技术在医疗领域的深度渗透，从大型语言模型(LLM)在执业医师考试中媲美医学生表现，到AI辅助病理诊断达到专家水平，医疗实践正经历革命性变革。然而令人担忧的是，医学教育体系却严重滞后——北美地区的医学预科生(PME)普遍缺乏系统AI培训，导致未来医生群体面临"技术脱节"风险。这种教育缺失不仅影响医疗AI工具的临床应用效率，更可能引发伦理决策隐患。

针对这一关键问题，Brigham Young University的研究团队创新性地通过学生社团"医学人工智能协会(AIM)"开展教育干预。这项发表在《BMC Medical Education》的研究采用准实验设计，比较了15名参与AI课程的学生与16名对照组的表现。经过4周涵盖AI基础、伦理框架、数据预处理和模型评估的培训后，干预组在病理学AI应用领域的成绩提升尤为显著（Cohen's d=4.74），且学习效果与参与者原有AI经验无关，证实了课程设计的普适性。

研究团队采用多项关键技术方法：通过准实验设计的预测试-后测试控制组比较知识获取差异；开发包含AI基础知识（FQ1-FQ5）和病理学应用（FQ6-FQ10）的结构化评估工具；利用Cohen's d效应量量化学习成效；并采用协方差分析控制混杂变量。所有参与者均为BYU医学预科生，通过严格排除已有系统AI培训经历者确保基线均衡。

【知识得分提升】干预组总平均分从2.53跃升至20.4，增幅达17.9分，显著高于对照组的2.07分提升（p<0.001）。病理学板块表现尤为突出，平均分从0.93提升至10.1，反映项目对医学专业知识的强化效果。

【经验与态度分析】散点图分析显示，学习成效与参与者原有AI经验或对AI态度无显著相关性（图1右下），证实课程能平等提升不同背景学生的AI素养。

【教育模式验证】通过学生社团开展的项目制学习（如前列腺癌组织切片分析）被证明能有效衔接AI理论与医疗实践，其成功实践为资源有限的院校提供了可复制的教育模型。

这项研究的重要意义在于首次证实：医学预科阶段通过课外活动开展AI教育具有可行性且效果显著。其创新的"改变态度通过教育"理念，打破了AI培训需要技术背景的传统认知，为构建多元化的AI医疗人才梯队开辟新路径。特别值得注意的是，病理学AI应用的突出教学成果提示，结合专业场景的实践项目能大幅提升学习效率。研究者建议各院校借鉴AIM模式，在医学教育早期植入AI素养培养，以应对未来医疗智能化浪潮的挑战。正如讨论部分强调，这种学生主导、教师支持的组织形式，能有效缓解医学院校AI师资短缺的困境，是推动医疗教育变革的可持续方案。