埃及医学生对人工智能（AI）在医学实践中应用的知识与态度：一项多中心横断面研究

《Scientific Reports》：Knowledge and attitudes of Egyptian medical students towards artificial intelligence application in medical practice: a multicenter cross?sectional study

　　

人工智能（artificial intelligence, AI）的快速发展已显著影响包括医学在内的多个领域。随着AI在医学中的整合不断扩大，医学生和专业人员需要对其应用形成全面理解。本研究旨在探讨埃及本科医学生对人工智能在医学实践中应用的自我报告知识及态度。研究人员于2025年6月至8月开展了一项多中心横断面研究，纳入来自七所埃及医学院校的本科医学生。参与者采用便利抽样招募。数据通过经效度验证的结构化网络问卷收集，该问卷经社交媒体发放，用于评估学生的人口学特征、知识及对AI在医学实践中应用的态度。本研究共纳入1438名医学生，平均年龄20.3岁±1.9岁。总体而言，55.3%的学生表现出良好知识，66.8%的学生对AI在医学实践中的应用持积极态度。良好知识在较高学年学生中显著更高（第3年校正比值比（adjusted odds ratio, AOR）=1.88，P=0.006；第4年AOR=2.02，P=0.007；第5年AOR=1.86，P=0.034），并且在报告同伴和导师（AOR=1.35，P=0.017）、科学论文和书籍（AOR=1.71，P<0.001）、培训课程（AOR=1.43，P=0.004）以及大众媒体（AOR=1.32，P=0.036）作为AI信息主要来源的学生中显著更高。对AI持积极态度在男性学生（AOR=1.50，P=0.001）、第4年学生（AOR=1.97，P=0.014）以及愿意选修AI课程的学生（AOR=1.30，P=0.039）中显著更常见。YouTube被认为是AI相关信息最有价值的社交媒体来源（90.4%），其次是Telegram（86.6%）和WhatsApp（65.2%）。尽管参与本研究的埃及医学生总体上对AI持积极态度并愿意学习，但他们可能在有限的机构指导下经历这一转变。这些发现提示医学院校应考虑将AI相关技术素养和伦理推理纳入核心课程。

研究背景：人工智能（artificial intelligence, AI）正快速融入诊断影像、电子健康记录、临床决策支持系统及外科操作等医学领域，有望提高诊断准确性、改善治疗结局并优化工作流程。未来医疗卫生人员尤其是医学生需要具备与AI协同工作的准备，不仅包括技术知识，还包括对AI在医学中的伦理、实践和临床影响的基础理解。尽管全球关注增加，医学生对AI的认知、态度和准备度不一，许多学生缺乏正式教育或培训，知识和信心存在缺口；态度还受媒体影响、工作安全感威胁以及对机器学习系统能力与局限的误解影响。埃及已有本地研究，但样本量有限、队列异质、招募结构性不足，关于AI相关知识与态度和教育等因素的关联仍有知识缺口。因此研究人员采用更大规模多中心样本、心理测量学评价问卷和多变量分析，探讨埃及多所医学院校本科医学生的AI自我报告知识与态度及其相关因素。研究显示55.3%的学生具有良好知识、66.8%持积极态度；较高学年、同伴和导师、科学论文和书籍、培训课程、大众媒体与良好知识相关；男性、第4年及愿意选修AI课程与积极态度相关。研究意义在于揭示非正式来源主导和机构指导有限，提示医学院校将AI技术素养和伦理推理纳入核心课程。

技术方法：样本来自2025年6月1日至8月31日埃及Mansour、New Mansoura、National Mansoura、Delta、Hours、Tanta和Port Said Universities七所医学院校的本科医学生及实习生，便利抽样，Google Forms网络问卷经WhatsApp群组发放。样本量以OpenEpi Version 3.01估算，最低约315名。问卷28项五部分，经5名专家内容效度评定（I-CVI=1.00，S-CVI/UA=1.00）和32名医学生预试验；态度域行探索性因子分析（exploratory factor analysis, EFA；最小残差提取、oblimin旋转），KMO=0.916，Bartlett χ²=10,664，P<0.001，三因子解释51.8%；Cronbach’s alpha态度域0.90、知识域0.57。数据用IBM SPSS Version 22行卡方检验和二元logistic回归，VIF<3评估共线性，Hosmer–Lemeshow检验拟合优度。

结果：
Participants’ demographics（参与者人口学特征）：通过描述性统计，共1438名医学生完成问卷，平均年龄20.3岁±1.9岁；男性58.9%、女性41.1%；涵盖各学年，第一学年32.3%、第二学年21.8%、第三学年21.1%，其余较高学年分布较均衡。社交媒体是最常报告的AI医学应用信息来源（87.6%），其次为同伴/导师（73.7%）和网络研讨会或会议（64.5%）；55.4%报告愿意选修AI医学实践课程。

Construct validity（结构效度）：通过16项态度量表的探索性因子分析，Kaiser–Meyer–Olkin（KMO）抽样充分性为0.916，Bartlett球形检验显著（χ²=10,664，P<0.001），三因子结构解释总方差51.8%；三因子分别命名为感知AI医学益处、伦理与社会担忧、感知个人/职业威胁。一个关于埃及医学教育AI准备度的条目因子载荷较弱（0.38），未清晰归入已识别因子。

Medical students’ self-reported knowledge and attitudes toward AI in medical practice（医学生对AI在医学实践中应用的自我报告知识与态度）：通过问卷评分，55.3%的医学生具有良好知识，44.7%知识较差；66.8%持积极态度，33.2%持消极态度。

Factors associated with self-reported AI knowledge among medical Students（与医学生自我报告AI知识相关的因素）：通过单因素和多元logistic回归，第2、3、4、5学年学生相比实习生具有显著更高的良好知识优势（AOR分别为1.75、1.88、2.02、1.86），第1学年无显著差异；报告同伴和导师（AOR=1.35）、科学论文和书籍（AOR=1.71）、培训课程（AOR=1.43）及大众媒体（AOR=1.32）为信息来源者更可能具有良好知识。

Factors associated with attitudes toward AI among medical students（与医生态度相关的因素）：通过单因素和多元logistic回归，男性学生较女性学生更可能有积极态度（AOR=1.50）；第4学年学生相比实习生更可能持积极态度（AOR=1.97）；愿意选修AI课程者更可能持积极态度（AOR=1.30）。

Medical students’ preferred social media sources for AI information（医学生偏好的AI信息社交媒体来源）：通过调查，YouTube被视为AI相关信息最有价值的社交媒体来源（90.4%），其次为Telegram频道（86.6%）和WhatsApp群组（65.2%）；Twitter（32.6%）和LinkedIn（33.8%）评价最低。

讨论部分总结：研究人员指出，埃及医学生认识到AI不可避免并愿意学习，但当前教育暴露不足以满足兴趣，学生需求与机构供给之间存在脱节，非正式课程尤其社交媒体主导。虽然55.3%被分类为良好知识，但详细分析显示对AI工具和模型的知识存在差异：90.8%报告知道AI是什么，90.1%报告知道生成式AI（Generative AI, genAI）工具如ChatGPT和DeepSeek，仅48.1%报告知道机器学习（machine learning），38.1%报告知道深度学习（deep learning），提示自我报告知识相对表浅。社交媒体虽提高接触面，但科学深度和批判性评价有限，因此需要正式化AI教育，将技术素养和伦理推理纳入核心课程。讨论还提到，高质量来源如科学论文、书籍和培训课程与良好知识相关；态度总体积极，效率相关陈述共识最高，70.5%同意AI应纳入课程，43%认为当前教育能为AI驱动未来做好准备，约42%认为AI可能威胁未来职业，72%认为AI缺乏患者照护所需同理心。性别方面，男性积极态度更高，但知识无显著性别差异；与Allam et al. (2024)等报道一致，而其他研究结果不一。研究优势包括多中心设计、大样本、问卷心理测量学评价和多变量分析；局限包括横断面设计和自我报告数据限制因果推断、便利抽样和WhatsApp发放可能产生选择偏倚、无法可靠计算应答率、知识域内部一致性较低（α=0.57）、知识域评估自我报告知识而非客观知识、50%切点基于既往评分方法而非工具特异性验证阈值、一个态度条目未清晰对齐因子结构，故结果解释需谨慎。

研究结论翻译：本横断面研究显示，埃及医学生认识到AI的不可避免性并愿意学习。社交媒体是最常报告的AI相关信息来源，而正式教育来源报告较少。尽管本研究不能确定不同信息来源的有效性，这些发现凸显了潜在的教育缺口。因此，医学院校可考虑将AI教育正式化，超越选修课程，将技术素养和伦理推理整合进核心课程。