秘鲁某大学医学生人工智能自我报告使用情况、知识水平与认知态度的横断面研究

《Frontiers in Artificial Intelligence》：Self-reported artificial intelligence use, knowledge, and perceptions among undergraduate medical students at a Peruvian university

　　

摘要专业翻译 人工智能（artificial intelligence, AI）在医学教育中的应用日益广泛，但关于秘鲁医学生实际使用情况、知识水平及认知态度的证据仍然有限。本研究旨在估算秘鲁某大学医学生自我报告在学术活动中使用AI的 prevalence（流行率），并描述其使用模式、自我报告知识水平及认知态度，同时探索性评估相关特征。研究人员于2024年对秘鲁里卡多·帕尔马大学（Universidad Ricardo Palma）在校学生开展了一项观察性、分析性、横断面研究。共收到279份回复，其中1名受访者未提供知情同意被排除，最终纳入278名参与者进行分析。数据采用基于既往已发表工具改编的在线问卷收集。AI使用通过一个独立的二分（是/否）问题评估，询问是否曾使用过任何AI工具。总体而言，278名参与者中有257人（92.4%）自我报告曾将AI用于学术活动。大多数参与者自我报告对AI基本原理具有基础知识（89.2%），并知晓AI在医学中的应用（95.3%）。在预设的AI工具类别中，ChatGPT（69.1%）和Canva（19.8%）是最常被报告的工具。本研究的主要贡献在于描述性层面，记录了所调查人群中AI使用的 prevalence（流行率）与模式、自我报告知识水平及认知态度。次要探索性回归分析提示与每日数字设备使用时间及对治疗规划的看法存在关联，但由于仅21名参与者被归类为非使用者，这些估计值应谨慎解读。上述发现提示，在本科医学培训中需要开展针对批判性、伦理性和负责任AI使用的结构化教育。

论文解读文章

一、研究背景与问题提出

人工智能（artificial intelligence, AI）正加速融入医疗保健与医学教育领域。在临床场景中，AI已应用于诊断辅助、医学影像、临床决策、个性化照护及医疗系统优化等方面。与此同时，以大型语言模型为代表的生成式AI工具快速发展，使医学生能够将其用于信息检索、内容生成、学术写作辅助和自主学习等活动。然而，这些技术的普及也引发了关于准确性、透明性、偏见、隐私、学术诚信以及教育与临床情境下适当使用等问题的担忧。

既往研究表明，医学生普遍对AI有较高认知度，并对其融入医学培训持积极态度，但不同研究背景下报告的知识水平、信心和实际使用情况存在显著异质性。类似地，执业医师中也存在对AI的兴趣与其底层概念熟悉度之间的差距，这提示认知、感知知识与实质性能力并不能相互等同。这一区分具有重要意义，因为对AI的积极认知并不必然意味着频繁或适当的使用。此外，AI工具的采用可能与多种因素相关，包括数字暴露程度、技术可及性、既往经验、自我报告知识水平及感知有用性等。

在秘鲁，关于医学生AI使用的证据仍然有限。此前一项秘鲁研究主要探讨了医学生对AI的认知态度，报告了总体上对其融入医学教育的积极态度，但关于秘鲁医学生自我报告在学术活动中使用AI的情况及其相关特征的信息仍然不足。由于AI使用模式可能因教育背景、数字可及性、机构指导及学生对新兴技术的暴露程度而异，本地证据具有重要参考价值。因此，本研究旨在估算秘鲁某大学医学生自我报告在学术活动中使用AI的 prevalence（流行率），并描述使用模式、自我报告知识水平及认知态度，同时探索性评估相关特征。

二、研究设计与实施

研究人员开展了一项观察性、分析性、横断面研究，研究对象为2024学年注册于秘鲁利马里卡多·帕尔马大学（Universidad Ricardo Palma）医学院的本科生。数据收集于2024年11月至12月进行。参与者通过各年级官方WhatsApp群采用非概率便利抽样招募。最小样本量使用OpenEpi估算，假设95%置信水平和80%统计功效，以Ahmed等人（2022）的研究为计算参考，初始估算样本量为248人，另增加10%以应对潜在招募损失，最终最低目标样本为273人。共收到279份问卷回复，1名未提供知情同意者被排除，最终纳入278名参与者。

数据通过Google Forms自愿在线问卷收集，问卷改编自Yüzba??o?lu（2021）开发的工具及一项此前在秘鲁医学生中使用的改编版本。问卷内容包括社会人口学与数字使用特征、AI自我报告知识、AI信息来源、具体AI工具、既往AI使用情况以及对AI在医学中应用的认知态度。认知态度部分包含14个条目，原始工具采用五级反应格式，本研究在数据收集前将其调整为三级格式（不同意、不知道、同意）。主要结局变量为自我报告既往AI使用情况，通过“您是否曾使用过任何AI工具？”这一二分问题评估。

三、研究结果

3.1 参与者特征

共278名医学生纳入分析，中位年龄22岁（四分位距：19–24），其中167人（60.07%）为女性。手机是最常见的可用数字设备（97.84%），其次为笔记本电脑（83.81%）、平板电脑（52.16%）和台式电脑（34.53%）。参与者报告每日数字设备使用时间中位数为6小时（四分位距：4–8），家庭月收入中位数为5,000秘鲁索尔（PEN）（四分位距：3,000–7,500）。六个年级的学生均有参与，六年级学生占比最大（29.14%）。总体而言，278名参与者中有257人（92.45%）报告曾使用过AI，21人（7.55%）报告未使用过AI。在预设的AI工具类别中，ChatGPT是最常被报告的工具（69.06%），其次为Canva（19.78%）。其他被报告的工具包括Meta AI（3.60%）、Copilot AI（2.16%）和Grammarly（1.80%）。10名参与者（3.60%）报告未使用问卷中列出的任何AI工具。

3.2 自我报告AI知识与认知态度

大多数参与者（89.21%）自我报告具有AI基础知识，95.32%报告知晓AI在医学中的应用。社交媒体是最常被报告的信息来源（39.21%），其次为朋友或家人（29.14%）、大学阅读材料（20.14%）和报纸或期刊（7.19%）。总体而言，参与者对AI在医学中的多种潜在应用表达了积极认知。大多数参与者同意AI将推动医学重大进步（82.01%），72.66%认为AI在医学中的应用令人兴奋。超过半数同意AI可用于治疗规划（58.63%）和治疗质量控制（56.12%），类似比例支持将AI应用纳入本科（58.63%）和研究生医学培训（57.55%）。相比之下，69.78%不同意AI未来将取代医生，51.80%不同意AI可作为确定性诊断工具。

3.3 探索性双变量分析

由于仅21名参与者被归类为非使用者，所有回归估计均应视为探索性结果且可能不精确。在探索性双变量Poisson回归分析（使用稳健方差）中，每日数字设备使用时间越长与自我报告AI使用相关。每日设备使用时间每增加1小时，自我报告AI使用的 prevalence（流行率）约增加1%（cPR = 1.01；95% CI: 1.00–1.02；p = 0.027）。年龄、家庭收入、性别、年级、自我报告AI基础知识或对AI在医学中应用的知晓度均未观察到统计学显著关联。在认知态度条目中，关于AI可用于治疗规划的回答与自我报告AI使用存在总体关联（总体p = 0.033）。与不同意者相比，同意者cPR为1.13（95% CI: 1.00–1.28；p = 0.050）。

3.4 探索性多变量分析

在探索性多变量Poisson回归模型中，每日数字设备使用时间仍与自我报告AI使用相关（aPR = 1.01；95% CI: 1.00–1.02；p = 0.020），即每日数字设备使用时间每增加1小时，自我报告AI使用的 prevalence（流行率）约高1%。关于AI可用于治疗规划的认知在调整模型中也仍与结局相关（总体p = 0.030）。与不同意AI可用于治疗规划的参与者相比，同意者自我报告AI使用的 prevalence（流行率）高13%（aPR = 1.13；95% CI: 1.00–1.28；p = 0.046）。模型总体具有统计学显著性（Wald χ²(3) = 9.89；p = 0.020）。Bootstrap敏感性分析结果与稳健Poisson模型高度一致。

四、讨论与结论

研究发现秘鲁某大学医学生自我报告AI使用 prevalence（流行率）较高，92.45%的参与者报告曾使用过AI。大多数学生自我报告具有AI基础知识、知晓AI在医学中的应用，并对AI在医学实践和教育中的潜在作用持总体积极态度。在探索性调整分析中，每日数字设备使用时间较长及同意AI可用于治疗规划与自我报告AI使用相关，但这些关联的效应量较小，且鉴于结局 prevalence（流行率）较高及非使用者数量较少，结果应谨慎解读。

高 prevalence（流行率）的AI使用与生成式AI工具日益融入医学教育的趋势一致。ChatGPT是本研究中最常被报告的工具，这一模式与生成式AI已迅速成为学生学术实践一部分的证据相符，且往往先于正式课程指导或机构政策的发展。然而，研究人员强调，频繁使用AI工具不应被解读为其输出始终准确或教育上适当的证据。每日数字设备使用时间与AI使用的关联虽然具有统计学显著性，但效应量较小，其实践意义应谨慎解读，且由于研究为横断面设计，无法确定时间方向。关于AI可用于治疗规划的认知与AI使用的关联也可能部分反映已有AI使用者将AI视为有用，而非先于采用的前置因素。

值得注意的是，并非所有积极认知都与AI使用相关。虽然大多数参与者认为AI将推动医学重大进步并将其描述为令人兴奋，但这些认知条目在双变量分析中未显示与结局的统计学显著总体关联。这一区分具有重要意义，因为对AI的积极态度不应被假定为直接对应其使用。总体认知特征积极但也反映了对某些临床应用持谨慎态度，大多数参与者将AI视为互补资源而非专业判断和临床推理的替代品。

高 prevalence（流行率）的AI使用也不应被解读为充分AI能力的证据。本研究中的AI基础知识为自我报告而非客观评估，因此高比例报告基础知识的学生的结果可能反映感知熟悉度而非实际AI素养。这些发现对本科医学教育具有启示意义。鉴于该人群中AI自我报告使用的广泛性，教育策略可能需要超越简单地向学生介绍AI工具。结构化培训应强调对AI生成输出的批判性评估、伦理推理、数据隐私、学术诚信、偏见识别、透明度及AI使用的适当边界。当前文献日益强调，将AI融入医学教育不仅需要技术知识，还需要机构治理、教师发展和明确的教育政策。

研究结论指出，自我报告在学术活动中使用AI在该秘鲁大学受访医学生中高度普遍。本研究的主要贡献在于描述该人群中AI使用模式、自我报告知识水平及认知态度。次要探索性分析识别了自我报告AI使用与每日数字设备使用时间及治疗规划认知之间的关联，但这些估计值因结局 prevalence（流行率）较高、非使用者数量较少及横断面设计而应谨慎解读，不应被解释为AI采用的预测因素。研究结果支持在本科医学教育中开展促进批判性、伦理性和负责任AI使用的结构化教育策略的必要性。未来多中心研究应纳入更具区分度的AI参与测量指标，包括使用频率、强度、使用目的以及客观或多维度的AI素养测量。