印度南部放射科学生对人工智能临床应用的认知、技术理解与专业态度调查

《BMC Medical Education》：The Assistive Tool Paradox in radiology education: AI awareness, misconceptions, and job anxiety among Indian radiography students

　　

摘要

背景

人工智能（AI）在医学影像中的日益整合正在改变放射学的实践。然而，未来从业人员的准备情况及认知，尤其是在印度等高需求医疗环境中，仍缺乏充分探索。本研究旨在评估印度南部放射科学生对于人工智能临床应用的认知水平、技术理解深度及专业态度。

方法

本研究开展了一项横断面、多机构调查，涵盖印度南部政府和私立院校的316名放射科本科及研究生。数据采集使用基于Arruzza等人开发并经验证的11项量表改编的问卷，并对内容进行了小幅修改以提升清晰度和针对印度放射科学生的语境相关性。回答采用五点Likert量表记录。统计分析采用非参数方法。使用Kruskal–Wallis H检验比较不同年级间人工智能认知与感知评分，使用Mann–Whitney U检验按性别比较回答差异，使用Spearman等级相关评估变量间的关联，并通过序数logistic回归识别人工智能接受度的独立预测因素。

结果

大多数参与者（63.0%）表示对人工智能作为新兴趋势有一定了解（0–4 Likert量表中平均得分2.62±0.98）。然而，研究识别出一项关键误解：约44%的学生错误地将自动曝光控制（AEC）和自动定位等传统系统归类为人工智能技术。研究观察到一个显著的"辅助工具悖论"：尽管66.2%的受访者认可人工智能在减轻工作量方面的作用，但43.4%的人表达了对就业机会可能受到的影响的担忧。在未校正分析中，学业水平与人工智能认知相关（Kruskal–Wallis H=15.36，p=0.004）；但经Bonferroni校正后，该关联不再具有统计学显著性（校正后p=0.1203）。男学生对患者接受人工智能表现出显著更积极的预期（p=0.004）。此外，参与者对正规人工智能教育表现出浓厚兴趣，68.7%的人支持将其纳入课程。

结论

尽管学生展现出较好的总体认知，但其对人工智能基本知识的理解仍然有限。乐观与担忧并存的现象凸显了有必要在早期培训阶段引入结构化、基于能力的人工智能教育，以促进人工智能在临床实践中平衡且负责任的整合。