サウジアラビアにおける医療教育者および臨床家における人工知能に対する認識と曝露の評価:横断的研究

サマリー

この横断的研究は、サウジアラビアの医療教育者や臨床医における人工知能の認識を調査しました。強い関心は報告されましたが、正式なAIトレーニングは限られており、非公式な情報源への依存が一般的であり、構造化されたAI教育の必要性が浮き彫りになりました。

要約

人工知能(AI)は診断や意思決定の進歩を通じて医療を変革していますが、多くの研究は医学生の認識に焦点を当てており、医療教育者や臨床実務家にはあまり注目されていません。これらの視点を理解することは、将来の医師がAI強化された診療に備えるカリキュラムを開発する上で極めて重要です。本研究は、サウジアラビアの医療教育者、インターン、レジデント、専門医、コンサルタントにおけるAIの認知度、曝露、そして影響の認識を調査しました。複数のサウジの医科大学や病院に配布された検証済みオンライン調査を用いて横断的研究が実施されました。調査では人口統計データ、過去のAI教育、自己評価のAI知識、AIへの関心が収集されました。参加者はまた、臨床に関連するAIアプリケーションをリストアップする能力を評価し、AIが各専門分野に与える影響を評価し、AI概念のトレーニングが有益かどうかを示しました。グループ差はカイ二乗検定、ANOVA分析、ロジスティック回帰を用いて分析し、年齢と性別を制御しました。229人の回答者(60人が医学教育者、78人がインターン/レジデント、91人が専門医/コンサルタント)の中で、医療教育者はAIの利点を挙げられる能力(63.3%対38.5%および39.6%)、医療におけるAI使用に関する倫理的懸念を表明する傾向が他グループと比べて高かった(76.6%対51.3%および51.6%)。正式なAI教育を受けたと報告したのはわずか32.3%で、ほとんどはメディアなどの非公式な情報源を通じて知識を得ています。放射線科と病理学がAIによって変革されやすい専門分野として特定されました。全体として、医療教育者や臨床家の間でAIに対する認識は強い関心を示しましたが、正式な訓練は限られています。すべてのグループで熱意があったにもかかわらず、参加者は非公式な情報源に頼り、AIに関する基礎知識が不足していました。これらの発見は、構造化されたAI教育を医療カリキュラムやレジデンシー研修プログラムに組み込むことの重要性を浮き彫りにし、AI統合臨床ケアの準備を支援しています。

概要

「人工知能(AI)」という用語は1956年のダートマス会議で初めて紹介され、現在では世界的に^{トップ技術の一つ}とされています。AIとは広義に^{人間の知能} を模倣できる技術を指し、一般的には4つの領域に分類されます:音声およびテキストの認識と生成のための自然言語処理;画像解釈のためのコンピュータビジョン、ニューラルネットワークに基づく機械学習、そして意味論的技術や認知モデリングに依存する知識ベースシステム³.

AIの最も急速に進化している応用の一つが医療分野です。AIは^{臨床実践への}統合を通じて医療を革新する可能性を秘めていると評されています。診断の精度を高め、治療判断を最適化することで、AIは医師^{のケア提供}方法も変革できます5。これらのアプリケーションを効果的に実施するためには、医療従事者がAI技術に関する十分な知識と認識を持っている必要があります。その成功した応用は、放射線科、病理学、眼科、腫瘍学、歯科など複数の専門分野で記録^{されています。}医療教育においても、AIはバーチャル患者シミュレーションを通じて学習を支援し、コミュニケーションおよび^{臨床スキルの}育成を目指しています7.

複数の研究で医学生の医療・教育におけるAIの認識が評価されています。^{5、8、9、10}。これらの研究は学生の関心が高まっていることを示唆していますが、同時に教育格差も浮き彫りにしています。しかし、学生の正式な^{AI教育への}曝露を具体的に調査した研究は1件のみです。同様に、複数の研究でサウジの臨床実務^{者のAIに対する}認識が調査^{されていますが、}正式なAI教育への曝露を評価したものはありません。医療教育者や彼らがAIやその医療教育における役割をどのように認識しているかに焦点を当てた研究は依然として著しく不足しています。

このギャップを埋めるために、本研究はサウジアラビアの医療教育者および臨床医におけるAIに関する現在の知識、露出、認識、情報源、そして医療専門分野におけるAIの影響に関する見解を評価しました。これらのドメインを評価するために、この集団内の横断調査を実施しました。この調査結果は、今後の医療教育およびレジデン^シー研修プログラムへのAI関連能力統合の指針となる^{可能性があります。}私たちの知る限り、本研究はサウジアラビアで初めて、医学教育者と臨床実務者の正式なAI教育への曝露、認識や自己申告の知識を同時に調査したものの一つです。

プロトコル

研究モデリング
本研究の倫理承認はキング・アブドゥルアジズ大学の機関審査委員会(参考番号500-23)から取得されました。対象となる参加者には、サウジアラビアで勤務する18歳以上の医療従事者(医学教育者、インターン、レジデント、専門医、コンサルタント)が含まれていました。医学部の卒業者でない、または現役でない者は除外されました。すべての参加者はデータ収集前にインフォームドコンセントを提供し、その参加は完全に自主的でした。調査の最初のページには電子インフォームドコンセントステートメントが提示され、参加者は進める前に同意を示す必要がありました。参加者には、アンケート提出前にいつでも撤回しても問題ないと伝えられました。機密保持のため、個人を特定できる情報は収集せず、収集したすべてのデータは非匿名化され、安全に保管されました。

データ収集ツール
データは、Googleフォームを通じてオンラインで提供された事前に検証済みの調査によって収集されました。参加者は、ターゲットを絞ったアウトリーチリストなしに募集資料を投稿することで、利便便性サンプリングで募集されました。調査リンクを含む採用資料は、電子広告、機関のメール、サウジの医科大学や病院の医療従事者と共有されたオンラインメッセージングプラットフォームを通じて配布されました。そのため、正式な応答率の計算はできませんでした。

アンケートの最初のセクションでは、生年月日、性別、医療分野での役割、専門分野、そしてレジデント向けの研修年などの人口統計情報が収集されました。第2セクションは参加者のAIへの以前の接触に焦点を当てました。彼らは、大学やカレッジでの正式なAI教育を受けたかどうかを尋ねました。この項目は意図的に広範で、参加者自身が「正式な」AI教育とは何かを解釈することに依存していました。参加者にはAIへの曝露源を特定するよう求められました。

参加者のAIに対する認識と理解を評価するために、^医学生の医療におけるAI使用の影響を評価するために設計された、以前に検証された調査を用いました。調査には、AIが異なる医療専門分野に与える影響に関する項目が含まれていました。参加者はまた、畳み込みニューラルネットワーク(CNN)、クロスバリデーション、受信者操作特性(ROC)曲線、曲線下面積(AUC)などの基礎的なAI概念に対する自己認識の理解度を評価しました。このアプローチにより、参加者のAIへの関心と正式な準備度との間にあるギャップを探ることができました。

アンケート回答はGoogleフォームに自動的に記録され、Microsoft Excelにエクスポートされてデータ整理が行われました。データは統計解析前に完全性を審査されました。非識別化されたデータセットは暗号化され、研究チームのメンバーのみがアクセスできるパスワード保護されたドライブに保存されました。

統計解析
参加者は医療教育者、インターン/レジデント、または専門医/コンサルタントに分類されました。すべてのリッカート尺度質問は、グループ比較において一致(同意または強く同意)または非同意(中立、反対、強く反対)に分類されました。

記述統計には、連続変数の平均および標準偏差、そしてカテゴリ変数の比率を持つ頻度が含まれていました。連続変数についてはANOVAを用い、カテゴリ変数にはカイ二乗検定を用いて、集団間の人口統計変数を比較しました。グループの調査回答(同意または非同意)は、ロジスティック回帰モデリング(結果として一致または非一致)と事後検査を比較しました。すべてのテストは、グループ間の複数比較を調整するためにボンフェローニ補正を適用しました。関連性は線形多重回帰モデリングを用いて連続変数(年齢)に対して、ロジスティック多重回帰を用いてカテゴリー変数(AIの正式な教育を受けたかどうか)に対して検証しました。すべての回帰モデルは参加者の年齢と性別を管理していました。

分散インフレーション係数(VIF)を計算して多重共線性を検証し、すべてのモデルで無視できると判明しました。線形回帰モデルの残差はコルモゴロフ–スミルノフ検定を用いて正規分布であることが確認されました。統計解析はRバージョン4.3.1で完了し、すべてのモデリングはベース統計パッケージを使用しましたが、多重共線性評価はusdmパッケージを使用しました。すべての有意性検定ではα = 0.05の閾値を用いていました。最終モデルの出力はエクスポートされ、結果セクションで示される分析、表、図の作成に使用されました。

結果

サンプル
この横断面調査は、自然発生の参加者グループ間の観察比較を提示しており、研究の探索的性質と一致しています。サンプルは229名の参加者で構成されており、60名が医学教育者、78名がインターン/レジデント、91名が専門医/コンサルタントでした。性別(男性47.6%、グループ間p=0.088)や正式なAI教育を受けた有無(32.3%が訓練を受け、p=0.067)に関して有意な差はありませんでした。インターンおよびレジデントは、医学教育者(平均=39.2歳、標準差=8.2歳)や専門医・コンサルタント(平均=39.9歳、標準差=9.2)よりも有意に若年(平均28.1歳、標準差=5.2歳)(F(2,226)=55.84、p<0.001)より有意に若年でした。参加者の年齢はAIの正式な教育歴とは関係ありませんでした。参加者の人口統計とグループの特徴は 表1に示されています。

表1。サンプルの人口統計...

ディスカッション

私たちの知る限り、これはサウジアラビアで医学教育者や臨床実務者がAIをどのように認識しているかを調査した最初の研究の一つです。この強い関心報告は、臨床および教育の両分野で記録されている医療におけるAIの広範な導入と一致しています¹⁸。この傾向は医療教育者の間で好意的に受け入れられており、特に医療教育の文脈では、ChatGPTのようなツールが要約、情報収集、教育活動の支援などのタスクで有用であることが認められています。同時に、医療教育者も教育環境へのAIツールの統合に関して倫理的な懸念を提起^{しています。}これらの懸念は、AI倫理を^{医学教育に}正式に組み込むべきだという国際的なコンセンサスを反映しています。同様に、サウジアラビアやドイツの大学病院の現役医師も、主に学習や将来の普及の観点からAIに関心を示しつつ、データ保護や倫理的責任についても懸念を示しています(^12,21

材料

この記事で使用された材料の一覧

名前	会社	カタログ番号	コメント
Googleフォーム	Google LLC	該当なし	オンラインアンケートの回答配布および収集に使用されます
Microsoft Excel	マイクロソフト・コーポレーション	該当なし	分析前のデータ整理およびエクスポートに使用されます
PubMedデータベース	米国国立医学図書館	該当なし	文献レビューおよび参考文献の検索に使用
アンケート	リウ・D、ソーヤーJ、ルナ・A、アウンJ、ワン・J、ボアチー・L、ハラビ・S、ジョー・B 米国医学生の人工知能に関する認識:混合方法調査研究 JMIR医学教育2022年;8(4):e38325 URL: https://mededu.jmir.org/2022/4/e38325 DOI: 10.2196/38325	該当なし	医療におけるAIの認識を評価する検証済みアンケート(JMIR Medical Education(2022年)に掲載された既存研究を基に
R(統計ソフトウェア)	R統計計算財団	該当なし	統計解析およびデータ可視化に使用