探索巴基斯坦医学教育课程中人工智能整合的混合方法研究

导言

将人工智能（AI）整合到医学教育中有望彻底改变教学、学习和临床实践。然而，在资源有限的环境中，如巴基斯坦，技术与制度障碍仍然显著，使得成功实施基于AI的工具面临挑战。本研究旨在评估医学生和教师对医学教育中AI的知识、态度和实践，并探讨有效整合AI策略的关键障碍和感知。

方法

本研究于2023年7月至2024年1月在卡拉奇的一家三级医疗学院进行了为期六个月的混合方法研究。定量部分采用横断面设计，共236名参与者（153名医学生和83名教师）完成了在线调查。平均综合得分通过非参数检验进行分析。定性部分包括三次学生焦点小组讨论和六次教师深度访谈，主题分析用于探讨参与者对AI整合的看法。

结果

大多数参与者对AI整合持积极态度。教师的态度得分显著高于学生（3.95±0.63 vs. 3.81±0.75, p=0.040）。然而，在知识（教师：3.53±0.66, 学生：3.55±0.73, p=0.870）或实践（教师：3.19±0.87, 学生：3.23±0.89, p=0.891）方面未发现统计学差异。高年级学生报告了更高的自我认知（p=0.010）和更积极的态度（p=0.016），而男生的知识得分高于女生（p=0.025）。定性结果显示，AI有潜力增强学习和研究，但也存在对过度依赖AI的担忧，隐私和保密性的伦理问题，以及对机构支持的需求。教师强调了培训的重要性，以使教育者掌握有效整合AI所需的技能。

结论

本研究表明，尽管对AI整合充满热情，但仍需解决重大障碍，以成功将AI引入医学教育。解决技术限制、提供教师培训和发展伦理指南是促进AI负责任使用的必要步骤。这些发现强调了在资源有限的环境中制定具体策略的重要性，以确保医学生和教育者为未来的医疗保健做好准备。

背景

人工智能（AI）已成为各个领域的变革力量，包括教育。AI被定义为机器执行通常需要人类智能的任务的能力，例如推理、学习和解决问题。近年来，随着自然语言处理、深度学习和机器学习等技术的进步，AI在教育环境中的应用引起了广泛关注。2016年的《地平线报告》指出，AI是一项关键进展，将深刻影响高等教育。在医学教育背景下，AI有望通过个性化学习体验和整合虚拟患者及预测分析等AI驱动技术，从根本上改变教学和学习方式，从而可能影响教育成果直至临床实践层面。

然而，尽管其潜力巨大，AI的成功整合仍需解决隐私和伦理考虑等挑战，需要建立强大的监管框架。此外，教师和学生的AI工具应用准备不足仍然是主要障碍。全球范围内，各医疗机构在将AI整合到课程中的阶段各不相同。尽管来自发达国家的研究表明，AI有助于提高医学能力，但在许多发展中国家，由于资源有限，这种整合进展缓慢。这些差异可能会扩大发展中国家和发达国家医学毕业生之间的差距，使前者在越来越依赖AI的医疗环境中处于不利地位。

在巴基斯坦，这些挑战尤为突出。目前的本科医学教育课程缺乏正式的AI相关主题覆盖，系统性障碍如技术访问有限、机构支持不足和教师培训缺乏进一步阻碍了进展。最近的研究表明，医疗专业人员对AI的准备程度普遍较高，但正式课程整合的接触较少。虽然一些研究探讨了医疗专业人员对AI的看法，但对医学教育和培训中关键利益相关者的具体态度、知识和实践了解甚少。了解这些利益相关者对AI整合的准备情况对于设计适合当地情况的AI培训计划至关重要。

方法

本研究于2023年7月至2024年1月在卡拉奇一家三级医疗中心的医学院进行了为期六个月的混合方法研究。

定量部分

定量部分采用了横断面设计。通过电子邮件邀请招募医学生和教师参与在线调查，使用方便抽样。所有同意完成调查的参与者被纳入研究。排除了尚未入学的第一年医学生。符合条件的参与者包括二、三、四年级的学生（n=300）和所有医学院教师（n=178）。所有参与者在访问调查前均需通过网络表格提供知情同意。未同意的个人被排除在外。

调查工具收集了参与者的性别、年龄组、年级和教学经验等人口统计信息。随后是一个基于先前在巴基斯坦和叙利亚进行的两项横断面调查开发的问卷。初始34项问卷经过五位专家的内容验证，每位专家独立评分。计算每个项目的CVR值，阈值为0.6。最终问卷保留了CVR值至少为0.6的项目。问卷分为三个领域：自我认知、态度和实践。响应采用五点李克特量表记录，每个领域的综合得分通过汇总所有项目的评分并除以项目数量得出。为了确保项目清晰和适当，问卷在一个子样本上进行了预测试。最终问卷通过电子邮件分发给整个研究人群。未收集可识别信息，以确保参与者匿名和促进诚实回应。

定性部分

定性部分包括医学生的焦点小组讨论（FGDs）和教师的深度访谈（IDIs）。基于AI、医学教育中的AI工具及其整合的文献综述，制定了全面的访谈指南。通过目的抽样邀请了每个年级的医学生，确保充分代表各个年级。共举行了三次每组八人的FGDs。同样，目的抽样招募了三位年级负责人和三位医学教育学家，共六名教师接受了访谈。当达到主题饱和时，定性数据收集结束。访谈由训练有素的研究团队成员（MAN）使用访谈指南进行，音频记录逐字转录，确保准确性。为保护隐私，IDIs在各自办公室进行，FGDs在指定校园会议室举行。参与者被告知访谈过程和录音，并签署书面知情同意书。

结果

定量结果

共有236名参与者完成了调查，包括83名教师（35.2%）和153名医学生（64.8%）。大多数教师年龄在31至40岁之间（41%，n=34），担任助理教授（50.6%，n=42），具有1至5年的教学经验（25.3%，n=21）。大多数学生年龄在20至21岁之间（59.5%，n=91），三年级学生占47.1%（n=72）。教师的内部一致性Cronbach's α为0.94，学生为0.94，表明问卷可靠性优秀。调查结果揭示了参与者对AI的认知、实践和态度的关键见解。教师的态度得分显著高于学生（3.95±0.63 vs. 3.81±0.75, p=0.040）。知识和实践得分在两组间无显著差异。大多数受访者表示有兴趣进一步了解AI在医学教育中的应用，84.3%的教师和66.0%的学生表示愿意参加工作坊、网络研讨会或会议。

定性结果

定性部分揭示了几个主题，提供了对AI整合的理解、机会、挑战和伦理考虑的见解。参与者对AI的理解存在显著差异，教师将其视为复杂的决策工具，而学生则更多关注实际应用。教师强调AI在提高概念理解和简化教学计划方面的潜力，而学生则强调AI在自导学习和研究中的效率和易用性。伦理考虑包括数据隐私和潜在滥用问题，教师强调了问责框架的重要性。机构支持被认为至关重要，包括资源访问和技术适应性的鼓励。

讨论

本研究旨在填补医学生和教师对AI整合的看法、态度和实践的理解空白，特别是在资源有限的环境中，整合AI面临独特的挑战。研究结果揭示了积极的态度，但也指出了显著的知识差距，特别是在机器学习和深度学习等AI子领域。这表明，如果没有基础的AI教育，巴基斯坦的医学机构可能难以让学生准备好应对快速变化的医疗环境。教师和学生都强调了AI作为补充工具的重要性，而非传统方法的替代品。性别差异也显现出来，男性学生表现出更高的知识得分。伦理问题在讨论中反复出现，强调了需要制定明确的AI使用指南和法律框架。

实践意义

本研究的发现为在本科医学课程中整合AI提供了重要启示。逐步整合可以解决现有知识和准备不足的问题。基础工作坊可以帮助教师和学生建立对AI概念和工具的基本理解。教师发展是关键的第一步，培训计划应帮助教师掌握AI工具的实际技能和知识。逐步将AI融入现有模块，如研究方法或临床推理，可以补充现有课程而不增加负担。机构支持和准备对于成功实施至关重要。提供访问付费AI工具和创建标准化伦理使用的政策，可以解决许多障碍。

总结

本研究表明，尽管医学生和教师对AI整合持积极态度，但仍需解决重大障碍，特别是资源有限的环境中。AI有潜力提升医学教育，但需解决过度依赖、隐私和伦理问题。制定基础培训、伦理框架和机构支持的具体策略是实现有效整合的关键。随着AI继续塑造未来医学，这些见解为未来研究和试点项目奠定了基础，以准备医疗专业人员应对日益依赖AI的医疗环境。

(全文结束)