《DIGITAL HEALTH》：AI literacy as a core competency for health professionals: A consolidated framework for implementation research (CFIR)-Informed perspective
编辑推荐：
人工智能（AI）正通过临床决策支持、诊断、人群健康及卫生系统管理等应用迅速改变卫生实践。然而，大多数卫生专业人员缺乏对AI概念的正规培训与理解，也缺乏对算法输出的批判性评估能力。技术应用与劳动力准备之间的这一差距引发了关于患者安全、伦理决策及照护质量的担忧，尤
人工智能（AI）正通过临床决策支持、诊断、人群健康及卫生系统管理等应用迅速改变卫生实践。然而，大多数卫生专业人员缺乏对AI概念的正规培训与理解，也缺乏对算法输出的批判性评估能力。技术应用与劳动力准备之间的这一差距引发了关于患者安全、伦理决策及照护质量的担忧，尤其是由于对自动化推荐的过度依赖、对偏倚的识别有限以及对模型不确定性的理解不足。因此，AI素养已成为安全有效参与AI赋能卫生系统的关键能力。然而，将这一需求转化为可持续的教育与专业实践，需要关注实施的多层面决定因素。本视角文章应用实施研究整合框架（CFIR）将AI素养概念化为一项教育干预，并系统梳理了干预特征、内部与外部环境、个体属性及实施过程层面的障碍与促进因素。基于上述分析，本文提出了通过能力本位课程设计、体验式与跨专业学习、师资发展、基于表现的评估以及与认证和继续职业发展体系的衔接来整合AI素养的策略。将AI素养定位为核心专业能力，对于维护人类监督、支持伦理AI应用以及在日益技术介导的卫生环境中保障以患者为中心的照护至关重要。
论文解读文章
一、研究背景与问题提出
人工智能（AI）在医疗保健领域的应用正以前所未有的速度扩展，涵盖临床决策支持、诊断解读、人群健康监测及卫生系统管理等诸多方面。过去十年间，全球卫生系统在复杂照护环境中加速部署AI赋能工具，其驱动力在于提升效率、准确性和可扩展性的承诺。然而，现有证据表明，许多卫生专业人员在岗前教育或继续职业发展过程中接受的AI概念正规培训十分有限。Elsevier 2025年“未来临床医生”调查显示，仅16%的医生使用AI工具支持临床决策；2025年一项关于公共卫生队伍AI能力发展的范围综述也识别出结构化培训的持续缺口，尤其是在职业生涯中期的专业人员中。AI广泛实施与从业者准备不足之间的差距，引发了关于患者安全、照护质量和伦理决策的严重担忧。有限的AI素养制约了临床医生批判性评估算法输出的能力，包括识别不确定性、情境不匹配及潜在偏倚。缺乏这些能力，临床医生可能在缺乏充分批判性评估的情况下依赖AI推荐，增加过度依赖、临床推理退化的风险，并危及患者安全。因此，AI素养对于维护人类监督、识别错误以及支持伦理的、循证的决策至关重要。尽管AI素养日益被认可为卫生专业人员胜任与伦理实践的核心能力，但将AI素养框架转化为不同教育与临床情境中的实践，需要解决影响其实施、采纳和长期可持续性的多层面因素。本文正是基于这一需求，应用实施研究整合框架（CFIR）系统分析AI素养作为教育干预的实施决定因素，并提出整合策略。
二、研究内容与主要结论
研究人员将AI素养概念化为一项教育干预，应用CFIR框架从五个领域系统识别了AI素养在卫生专业教育中实施的多层面障碍与促进因素，并据此提出分阶段的整合策略。研究的主要结论包括：AI素养是一项复杂的教育干预，需要持续更新且缺乏清晰的评估标准；外部环境中的认证与政策压力可能超出师资队伍的实际应对能力；内部环境中竞争性课程时间是最大的实施挑战；个体层面的能力与机会受结构性因素决定而非个人特质；实施过程需要结构化课程设计、师资发展与持续评估。研究强调，AI素养的成功整合在很大程度上取决于外部环境与内部环境两个领域，认证要求本身不足以支撑实施，师资自我效能至关重要。
三、关键技术方法
本研究为视角性文章，未开展原始实证研究。研究人员采用的主要方法包括：应用实施研究整合框架（CFIR）2022年更新版作为理论分析框架，系统梳理AI素养实施的五领域决定因素；借鉴范围综述和实证研究的证据综合方法，整合现有关于AI能力发展、数字健康教育及实施科学的文献证据；通过案例分析方法，引用美国综合初级保健（CPC）转型计划的快速周期评估研究，展示CFIR框架在实施评估中的实际应用价值。研究未涉及样本队列来源。
四、研究结果
创新性领域（Innovation）
AI素养作为教育干预具有复杂性与适应性双重特征。其复杂性源于整合了技术知识、算法输出批判性评估和伦理推理；其适应性体现在可嵌入现有课程，如循证实践、临床推理和健康信息学。研究通过脓毒症AI评分和训练数据偏倚导致的不公平风险预测等案例，说明AI素养的相对优势在于增强临床医生解释AI输出、识别模型不确定性和偏倚以及维持适当人类监督的能力。
外部环境（Outer Setting）
外部环境领域涵盖政策、法规、认证标准、专业指南及社会期望等影响实施的外部因素。研究指出，数字能力、AI治理要求和患者对安全负责的AI使用的期望日益增长，形成将AI素养纳入卫生专业教育的压力。然而，这些压力在不同卫生系统和情境中分布不均，中低收入国家面临机构能力有限、AI培训机会稀缺及依赖高收入国家数据集等制约，阻碍了情境相关且公平的AI教育干预实施。
内部环境（Inner Setting）
内部环境反映实施发生的组织情境，包括组织文化、实施氛围、领导力参与、基础设施和可用资源。成功的AI素养整合需要机构准备度、师资信心与培训以及支持体验式学习的数字基础设施。竞争性课程需求，包括生物医学科学、临床轮转、患者安全和数字健康内容，可能限制整合AI素养的时间和灵活性。研究指出，竞争性课程时间可能是最大的实施挑战，因为整合新内容需要在现有课程中做出取舍。
个体领域（Individuals）
个体领域关注预期采纳者的需求、能力、机会和动机。研究强调，能力与机会是结构性决定的：受保护时间、AI工具访问权限及针对专业和职业阶段定制的培训取决于机构资源和政策，而非个人主动性。数字信心、先前经验和积极感知更应被理解为机会不平等的标志而非稳定的个人特质。将AI素养视为每个从业者的个人责任，可能重现类似健康主义（healthism）的逻辑，将负担置于个体身上而不考虑可用资源。
实施过程（Implementation Process）
实施过程领域聚焦支持干预的策略和行动，包括规划、参与、执行和评估。结构化课程设计与能力框架对齐对于系统整合AI素养至关重要；在目标项目中试点测试AI素养模块可实现情境特定适应和迭代完善；师资发展举措对于培养教育能力和确保跨学科一致整合AI相关内容至关重要。持续评估可接受性、可行性和能力结果，为AI素养计划的持续完善和可持续性提供信息。评估应同时考察教育者示范评估的能力和学习者的表现。
五、讨论与结论
讨论部分指出，尽管CFIR五个领域均对实施有所贡献，但AI素养的成功整合可能在很大程度上由外部环境和内部环境领域塑造，这与最近的范围综述发现一致，即外部政策、课程兼容性和自我效能是数字健康教育中最常被报告的决定因素。研究强调，认证要求本身不足以支持AI素养实施，因为AI素养要求教育者教授批判性评估、偏倚识别和人类监督等能力，而这些能力需要师资自我效能作为支撑。
研究结论指出，AI在卫生系统中的快速扩展已超出劳动力准备程度，增加了过度依赖、AI输出批判性评估不足以及未能识别偏倚和不确定性的风险。CFIR框架凸显了通过课程整合、体验式学习、师资发展和认证进行协调行动的必要性。将AI素养定位为患者安全和专业问责的核心要素，有助于支持人类监督、伦理决策以及公平的、以患者为中心的照护。
