评估沙特阿拉伯医学教育工作者和临床医生对人工智能的认知与接触情况：一项横断面研究

Alwaleed Alem; Abeer F. Almarzouki; Fajr Alem; Mohanad Binibrahim; Hatoon Basharaheel; Rahaf Balahmar; Rula Fallatah

doi:10.3791/69896

研究文章

评估沙特阿拉伯医学教育工作者和临床医生对人工智能的认知与接触情况：一项横断面研究

DOI：

10.3791/69896

⸱

2026年4月14日

Alwaleed Alem¹ , Abeer F. Almarzouki² , Fajr Alem³ , Mohanad Binibrahim¹ , Hatoon Basharaheel¹ , Rahaf Balahmar¹ , Rula Fallatah¹

¹Faculty of Medicine, King Abdulaziz University, ²Clinical Physiology Department, Faculty of Medicine, King Abdulaziz University, ³Batterjee Medical College

本文内容

摘要

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

这项横断面研究探讨了沙特阿拉伯医学教育工作者和临床医生对人工智能的认知情况。尽管受访者表现出浓厚的兴趣，但接受正式的人工智能培训较为有限，普遍依赖非正式渠道获取相关知识，凸显出对系统化人工智能教育的潜在需求。

摘要

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

人工智能（AI）正通过诊断和决策方面的进步改变医疗保健领域，但大多数研究集中于医学生对人工智能的认知，而对医学教育工作者和执业临床医生的关注较为有限。了解这些群体的观点对于制定能够为未来医生适应人工智能增强型医疗实践做好准备的课程至关重要。本研究调查了沙特阿拉伯的医学教育工作者、实习医生、住院医师、专科医师和顾问医师对人工智能的认知度、接触情况及其感知影响。研究采用一项经过验证的在线问卷，向多家沙特医学院校和医院发放，开展横断面调查。问卷收集了人口统计学信息、既往人工智能教育经历、自评人工智能知识水平以及对人工智能的兴趣。参与者还需评估自己列举临床相关人工智能应用的能力，评价人工智能对不同专科领域预期影响的程度，并判断接受人工智能概念培训是否有益。组间差异通过卡方检验、方差分析（ANOVA）和逻辑回归进行分析，并对年龄和性别进行校正。在229名受访者中（60名为医学教育工作者，78名为实习医生/住院医师，91名为专科医师/顾问医师），与其它两组相比，医学教育工作者更有可能报告能够列举人工智能的益处（63.3% vs. 38.5% 和 39.6%），并更常表达对人工智能在医疗中应用的伦理担忧（76.6% vs. 51.3% 和 51.6%）。仅有32.3%的受访者表示曾接受过正式的人工智能教育，大多数人通过媒体等非正式渠道获取相关知识。放射学和病理学被认为是最有可能被人工智能变革的专科领域。总体而言，医学教育工作者和临床医生对人工智能表现出浓厚兴趣，但正式培训仍然有限。尽管所有群体均表现出积极态度，但其知识主要来源于非正式渠道，缺乏人工智能的基础知识。这些发现凸显出将系统化的人工智能教育纳入医学课程和住院医师培训项目的重要性，以支持临床人员为人工智能整合的医疗服务做好充分准备。

引言

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

“人工智能”（AI）一词最早于1956年的达特茅斯会议上提出，现已被全球公认为顶尖技术之一¹。人工智能 broadly 指能够模拟人类智能行为的技术²，通常分为四个领域：用于语音和文本识别与生成的自然语言处理；用于图像理解的计算机视觉；基于神经网络的机器学习；以及依赖语义技术或认知建模的知识型系统³。

人工智能（AI）发展最为迅速的应用领域之一是医疗保健。已有文献指出，通过将人工智能整合到临床实践中，其具有彻底改变医疗保健的潜力⁴。通过提高诊断准确性并优化治疗决策，人工智能还能转变医生提供医疗服务的方式⁵。为了有效实施这些应用，医疗专业人员必须具备足够的人工智能技术知识和认知。人工智能的成功应用已在多个专科领域中得到证实，包括放射学、病理学、眼科学、肿瘤学和牙科学⁶。在医学教育中，人工智能还通过虚拟患者模拟支持学习，旨在培养医学生的沟通能力和临床技能⁷。

多项研究已评估了医学生对人工智能在医疗和教育领域应用的看法⁵^,⁸^,⁹^,¹⁰。这些研究表明，学生对人工智能的兴趣日益增长，但也凸显出教育方面的不足。然而，仅有一项研究专门探讨了学生接受正式人工智能教育的情况⁸。类似地，已有多个研究探讨了沙特阿拉伯执业临床医生对人工智能的看法¹¹^,¹²^,¹³^,¹⁴，但尚无研究评估其接受正式人工智能教育的程度。目前仍明显缺乏专门针对医学教育工作者的研究，以及他们对人工智能及其在医学教育中作用的看法。

为弥补这一空白，本研究评估了沙特阿拉伯的医学教育工作者和执业临床医生对人工智能（AI）的现有知识水平、接触情况、认知态度及信息来源，并探讨了他们对人工智能在不同医学专业领域影响的看法。我们开展了一项横断面调查，以评估该人群在上述方面的现状。研究结果可为未来将人工智能相关能力整合到医学教育和住院医师培训项目中提供指导依据¹⁵^,¹⁶^,¹⁷。据我们所知，本研究是沙特阿拉伯首批同时考察医学教育工作者和执业临床医生接受正式人工智能教育的情况，以及他们对人工智能的认知水平和自我报告知识水平的研究之一。

访问受限。请登录或开始试用以查看此内容。

方案

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

研究建模
本研究已获得吉达阿卜杜勒阿齐兹国王大学机构审查委员会的伦理批准（编号：500-23）。符合条件的参与者包括年龄在18岁及以上的在沙特阿拉伯执业的医疗专业人员（医学教育者、实习医生、住院医师、专科医师和顾问医师）。非医学专业毕业生或未从事临床工作的人员被排除在外。所有参与者在数据收集前均签署知情同意书，且其参与完全自愿。调查问卷的第一页展示了电子版知情同意声明，参与者须明确表示同意后方可继续填写。参与者被告知可在提交问卷前的任何时间退出，且不会产生任何后果。为保护隐私，未收集任何可识别个人身份的信息，所有收集的数据均去标识化并安全存储。

数据收集工具
数据通过先前已验证的问卷在线收集，问卷以 Google 表单形式发放。采用便利抽样方式招募参与者，发布招募材料时未使用特定的目标招募名单。包含问卷链接的招募材料通过电子广告、机构电子邮件以及在线通讯平台，发送给沙特阿拉伯的医学院和医院中的医疗专业人员。因此，无法计算正式的应答率。

问卷的第一部分收集了人口统计学信息，包括出生日期、性别、在医学领域的角色、专业以及住院医师的培训年份。第二部分重点关注参与者此前对人工智能（AI）的接触情况。他们被询问是否接受过人工智能方面的正式教育（例如大学或学院开设的课程）。该问题 intentionally 设计得较为宽泛，依赖于参与者对何为“正式”人工智能教育的自我理解。同时，参与者还被要求指出其接触人工智能的来源。

为了评估参与者对人工智能（AI）的认知和理解程度，我们采用了一份经过先前验证的问卷，该问卷最初旨在评估医学生对人工智能在医学领域应用影响的感知⁸。问卷内容包括人工智能对不同医学专业领域影响的相关条目。参与者还需评估自身对人工智能基础概念的理解程度，包括卷积神经网络（CNNs）、交叉验证、受试者工作特征（ROC）曲线以及曲线下面积（AUC）。该方法使我们能够探讨参与者对人工智能的兴趣与其正式准备程度之间的差距。

调查回复在 Google 表单中自动记录，并导出至 Microsoft Excel 进行数据整理。在进行统计分析之前，对数据进行了完整性筛查。去标识化的数据集经过加密后存储在密码保护的驱动器中，仅研究团队成员可访问。

统计分析
将参与者分为医学教育者、实习/住院医师或专科医师/顾问医师。所有李克特量表问题在组间比较时均被归类为同意（同意或非常同意）或不同意（中立、不同意或非常不同意）。

描述性统计包括连续变量的均值和标准差，以及分类变量的频数和比例。组间人口学变量的比较采用方差分析（ANOVA）检验连续变量，采用卡方检验（Chi-square testing）检验分类变量。采用逻辑回归模型（以同意或不同意为结局指标）并结合事后检验，比较各组在调查问卷中的回答（同意或不同意）。所有检验均应用邦弗罗尼校正（Bonferroni correction）以调整组间多重比较。采用线性多元回归模型检验变量与连续变量（如年龄）之间的关联，采用逻辑多元回归模型检验变量与分类变量（如是否接受过人工智能方面的正规教育）之间的关联。所有回归模型均对参与者的年龄和性别进行了校正。

通过计算方差膨胀因子（VIF）检验了多重共线性，结果表明在所有模型中多重共线性均可忽略。使用 Kolmogorov–Smirnov 检验确认线性回归模型的残差呈正态分布。统计分析在 R 4.3.1 版本中完成，所有建模均使用基础 stats 包，多重共线性评估除外，后者使用了 usdm 包。所有显著性检验的阈值设为 α = 0.05。最终模型结果被导出，并用于生成结果部分所展示的分析、表格和图表。

访问受限。请登录或开始试用以查看此内容。

结果

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

样本
本横断面调查在自然形成的参与者群体之间进行了观察性比较，符合研究的探索性质。样本共包括229名参与者（60名医学教育者、78名实习医生/住院医师以及91名专科医生/顾问医师）。各组在性别（男性占47.6%，组间p=0.088）或是否接受过正式的人工智能教育（32.3%接受过培训，组间p=0.067）方面无显著差异。实习医生和住院医师明显更年轻（平均年龄28.1岁，标准差=5.2），显著低于医学教育者（平均年龄=39.2岁，标准差=8.2）和专科医生/顾问医师（平均年龄=39.9岁，标准差=9.2）（F(2,226)=55.84，p<0.001）。参与者年龄与是否接受过人工智能方面的正式教育无关。参与者的人口统计学特征及各组基本情况见表1。

表1. 各组样本的人口统计学特征和基线特征。

访问受限。请登录或开始试用以查看此内容。

讨论

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

据我们所知，这是沙特阿拉伯最早探讨医学教育工作者和临床医生对人工智能（AI）看法的研究之一。研究中报告的浓厚兴趣与人工智能在医疗保健领域的广泛采用趋势一致，这一趋势已在临床和教育环境中得到证实¹⁸。这一趋势在医学教育工作者中获得了积极的接受，尤其是在医学教育背景下，诸如ChatGPT等工具因其在摘要生成、信息收集以及支持教学与学习活动方面的实用性而受到认可。与此同时，医学教育工作者也对人工智能工具融入教育环境提出了伦理方面的担忧¹⁹。这些担忧反映了国际上的普遍共识，即应将人工智能伦理正式纳入医学教育²⁰。同样，沙特阿拉伯和德国大学医院的执业医师也表现出对人工智能的兴趣，主要体现在学习意愿和未来应用方面，但同时也表达了对数据保护和伦理责任的担忧¹²^,²¹。本研究反映了这种日益增长的兴趣：大多数受访者认为，在其有生之年，人工智能将在医学领域发挥重要作用，并对其在临床实践中的应用表示期...

访问受限。请登录或开始试用以查看此内容。

披露

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

作者声明无利益冲突。

材料

本文使用的材料清单
姓名	公司	目录编号	评论
Google 表单	Google LLC	N/A	用于分发和收集在线调查的回复
Microsoft Excel	Microsoft Corporation	N/A	用于分析前的数据整理和导出
PubMed 数据库	美国国家医学图书馆	N/A	用于文献回顾和参考文献检索
问卷	Liu D, Sawyer J, Luna A, Aoun J, Wang J, Boachie L, Halabi S, Joe B 美国医学生对人工智能在医学中应用的看法：混合方法调查研究 JMIR Med Educ 2022;8(4):e38325 URL: https://mededu.jmir.org/2022/4/e38325 DOI: 10.2196/38325	N/A	经验证的问卷，用于评估医学领域中对人工智能的看法，改编自《JMIR 医学教育》（2022 年）先前发表的一项研究
R（统计软件）	统计计算 R 基金会	N/A	用于统计分析和数据可视化

重印与许可

申请许可以重复使用本 JoVE 文章的文本或图表

申请许可

评估沙特阿拉伯医学教育工作者和临床医生对人工智能的认知与接触情况：一项横断面研究

本文内容

摘要

摘要

引言

方案

结果

讨论

披露

材料

重印与许可

标签

相关文章