美国医科学生对医学人工智能的看法:混合方法调查研究

简介

人工智能(AI)是一门用机器模拟人类智能的科学，用于包括医学在内的所有领域的各种应用。计算能力和基于云的数据系统的快速发展，特别是机器学习和深度学习亚型，导致了人工智能在临床医学和医学研究中的创新应用[1-9］．例如，胸片诊断的CheXNeXt算法被发现执行的水平与放射科医生相似[1］．人工智能算法还可以比传统方法更好地预测未来的不良医疗事件。一个例子是预测动脉瘤[4］．即使在精神病学领域，人工智能算法也可以帮助检测关于患者的微妙但关键的信息，例如语音模式，这些信息可以预测随后的精神病发作[3.］．对于医学研究应用，人工智能已经能够识别大量数据中的复杂模式(例如，基因表达和肠道微生物群)，以对临床疾病进行分类，如心肌病[10]、炎症性肠病[11]，以及心血管疾病[12］．根据Topol [6]，这开始在3个层面产生影响:对临床医生来说，主要是通过快速、准确的图像判读;对卫生系统而言，通过改善工作流程并有可能减少医疗差错;对病人来说，通过让他们处理自己的数据来促进健康。因此，随着人工智能的不可避免的注入，临床医学的实践将发生巨大的变化。

鉴于医疗实践的格局不断变化，一个关键问题是，目前的医学生在接受培训期间是否做好了有效理解和使用人工智能的准备。促进这种培训的意图是显而易见的。在美国，2018年，美国医学会将鼓励医学生了解AI在医学上的潜在应用和局限性列为官方政策(H-480.940) [13］．为什么未来的医生应该学习人工智能的主题已经确定，但如何教以及具体教什么还没有被探索。13-18］．

其他国家开展了全国性调查，了解医学生对医学教育中人工智能的看法;研究结果概述了将人工智能整合到医疗培训中的潜在好处[19-22］．据我们所知，此前已经进行了两项调查，以评估美国医科学生对人工智能和医学的看法。然而，第一个是放射学重点，而另一个是仅基于一个机构[23，24］．目前还没有一项广泛的全国性研究。此外，美国医学院学生希望如何学习AI主题以及他们最喜欢哪些具体的AI主题的探索尚未进行[25］．关于在医学中实施人工智能主题的后勤问题，已经发表了一些专家评论，但尚未听到医科学生的声音，他们将从这些实施中受益[26-29］．显然，这是一个重要的未满足的需求，特别是因为这些学生是美国未来的医生劳动力，他们的工作将受到他们在人工智能方面的培训机会或缺乏培训机会的影响。

因此，本研究旨在具体调查美国医科学生对人工智能和医学的看法和兴趣。据我们所知，这是第一次针对美国医学生的全国性调查。具体来说，我们的调查主要集中在(1)评估美国医科学生对医学人工智能的态度、知识和熟悉程度，以及(2)评估美国医科学生的首选媒体和主题，以扩大他们对与医学相关的人工智能的知识。

方法

调查设计

这项调查是使用在线应用Qualtrics (Qualtrics International Inc .)设计的;所有的调查问题都在多媒体附件1．调查参与者在调查开始时提供知情同意，调查有两个主要组成部分。调查的第一部分收集了参与者的人口统计数据和医学教育程度。调查的第二部分旨在评估医学生对人工智能及其在医学中的应用的看法和知识。知情同意书描述了调查时间(5分钟)、研究人员、研究目的和隐私政策。为了限制未经授权的访问，只有2名研究人员可以访问数据。这项混合方法的调查包括24个5分制的多项选择题和一个自选部分。调查问题是通过参考以前关于其他国家医学生对人工智能的看法的类似研究而产生的[19-22］．此外，在医学院人工智能课程的首选格式上添加了新的问题。最后，还增加了一个写作部分，允许学生发表调查中未包含的关于医学人工智能教育的任何想法。调查问题的顺序没有随机化。调查时长(5分钟，24个问题)的前提是基于先前发表的类似调查[19-22］．问题平等地呈现在6个网页上。受访者可以通过后退按钮查看和修改他们的答案。受访者被要求回答所有问题，但对一些问题提供了“不适用”选项。

调查分布

全美各地的医学院学生是目标受众。为了将调查分发给目标受众，我们通过电子邮件联系了所有169所美国对抗疗法和整骨疗法医学院的学生事务主任，要求他们参与。14所对抗疗法和3所整骨疗法医学院同意分发这项调查。接下来，Qualtrics调查的链接被发送给相关学校的教师，并分发给他们的学生。调查参与者没有得到经济上的激励;他们的参与是自愿的。总体而言，该调查分发给了11,248名学生，其中390名学生做出了回应(回复率为3.5%)。在Qualtrics调查页面上为每个受访者创建了一个唯一的响应ID，以确保受访者不会提交两次调查。完成后，在同一台计算机上再次打开调查链接，显示调查的完成页面。

统计分析

有些受访者没有回答所有的问题，因此我们相应地降低了省略问题的N值。在1分钟内完成的回答被排除在外，这被确定为人们实际完成试点调查的最快时间。我们首先比较了接受过正式人工智能培训的受访者和没有接受过正式人工智能培训的受访者之间的李克特回答。接下来，我们确定了那些想要每月花少于3小时学习人工智能的医科学生和那些想要每月花超过3小时学习人工智能的学生在如何学习和想要学习什么方面的回答是否不同。根据上下文使用皮尔逊卡方或费雪精确检验。一个P的值。05被认为是显著的。

伦理批准

这项研究及其匿名在线Qualtrics调查(IRB协议300975)由托莱多大学的社会、行为和教育机构研究委员会委员会成员审查。委员会成员确定该研究符合45 CFR 46.104 (d)(2)(i)或(ii)的豁免标准。

结果

人口统计资料

从所接触的169所美国医学院中的17所收集了390名平均年龄为26岁(SD 3)的美国医科学生的调查反馈文本框1)．共收到390份答复。表1总结了我们调查样本的人口统计数据。应答率为3.5%(390/ 11248)。无法计算有多少学生打开了招聘邮件，因此我们无法报告观看率或参与率。390名学生中有250名(64.1%)来自对抗疗法(MD)项目，而390名学生中有140名(35.9%)来自骨科(DO)项目。390名参与者包括所有四年医学教育的美国医科学生:第一年(142人，36.4%)，第二年(94人，24.1%)，第三年(77人，19.7%)和第四年(64人，16.4%)。此外，390名医学生中有8名(2.7%)是双MD/PhD项目的博士部分。390名学生中只有34人(8.7%)表示通过大学课程接受了人工智能主题的正式教育。调查的平均反应时间为5分18秒。

医学对人工智能的态度

该调查评估了美国医科学生对医学人工智能的普遍态度(图1)．例如，390名学生中有351名(90%)认为人工智能将在他们的有生之年成为医学领域的一个重要特征。此外，388名学生中有308名(79.4%)对使用人工智能技术成为未来的医生感到兴奋。尽管如此，388名受访者中有238人(61.3%)普遍担心在医学中使用人工智能的伦理问题。

参与者被要求选择他们认为受人工智能集成影响最大的3个医学亚专科。受访者选择了诊断放射学(278/ 390,71.3%)、病理学(167/ 390,42.8%)和介入放射学(95/ 390,24.6%)(多媒体附件2)．此外，我们发现386名学生中有70名(18.1%)不太可能进入他们认为将受人工智能预期整合到该专业的影响的专业(多媒体附件2)．

‎ 查看此图

了解和熟悉医学中的人工智能

接下来，本次调查评估了医学生对AI在医学中的应用的熟悉程度(图1)．只有一小部分学生(54/388,13.9%)表示他们了解核心人工智能概念(如交叉验证和深度学习)。我们的研究结果进一步表明，医学生不熟悉目前人工智能的临床应用，388人中只有89人(22.9%)同意他们可以“列出一些最近临床相关的人工智能研究的例子”，而267人(68.8%)不同意。不到一半的受访者(152/388,39.2%)同意他们可以“区分‘炒作’人工智能文章和临床相关的人工智能文章”，而388人中有162人(41.8%)不同意。此外，387人中有167人(43.2%)认为“由于媒体哗众取宠，很难理解和接近AI”，而387人中有124人(32%)既不同意也不反对。388人中只有96人(24.8%)不同意媒体哗众取宠使接近和理解人工智能更加困难。这项调查进一步评估了学生们用来学习医学人工智能的资源;其中包括媒体(263/386,68.1%)、家人和朋友(134/386,34.7%)、在线论坛(98/386,25.4%)和教授或医生(89/386,23.1%)(多媒体附件2)．

人工智能在当前医学教育课程中的应用展望

接下来，调查评估了医学生在当前医学院教育中对人工智能的看法。大多数学生(347/388,89.4%)同意他们希望“了解医学生应该了解的医学人工智能知识”(图2)．一部分学生(60/388,15.5%)同意学习相关的AI主题(例如，AI的伦理或利弊)会显著减损他们的医学院教育，而大多数受访学生(258/388,66.5%)不同意这一观点。尽管对这一话题的反应非常积极，但387名医学院学生中只有34人(8.8%)同意他们各自的医学院为探索医学中的人工智能主题提供资源。最后，大多数学生(355/388,91.5%)同意“在医学院期间接受一些人工智能概念和相关主题的培训，对我未来的职业生涯有帮助。”

‎ 查看此图

首选的AI资源和主题

我们还评估了关于医学教育中人工智能的意见。超过一半的学生(197/ 379,52%)表示，他们希望在医学院学习人工智能的最大时间为每月1或2小时，而379名学生中有123名(32.5%)希望每月花在探索这一主题上的时间超过3小时，379名学生中有11名(2.9%)希望根本不花时间(表2)．当学生被要求选择在医学中学习人工智能最有用的资源或格式时，他们选择最多的3个选项是短讲座(264/378,69.8%)，正式的临床前选修课(180/378,47.6%)和问答小组(167/378,44.2%)(图3)．医学生报告称，他们最感兴趣的与人工智能相关的主题是“人工智能的基本概念”(247/379,65.2%)、“何时在医学中使用人工智能”(227/379,59.9%)、“在医学中使用人工智能的优缺点”(224/379,59.1%)、“人工智能的伦理”(211/379,55.7%)和“医生工作的哪些方面可以被人工智能取代，哪些不能”(203/379,53.6%)(图4)．

‎ 查看此图

‎ 查看此图

当用卡方分析比较那些喜欢每月花≤2小时和≥3小时学习AI的人的反应时，我们发现了显著不同的反应。与每月≤2小时组相比，每月≥3小时组对短课程更感兴趣(76.1% vs 66.1%)。P=.06)、程式设计工作坊(P<.001)，人工智能研究研讨会(P=.01)、跨学科研究小组(P=.1)，以及人工智能国家会议(P<措施)。与每月≤2小时组相比，每月≥3小时组对“临床AI模型”更感兴趣(P=.01)，“AI中的模型类型”(P<.001)，“医学研究中的人工智能”(P=.04)， "全球卫生与人工智能" (P=.01)， "最近的医学创新" (P=.03)， " using python " (P<.001)，以及“多学科AI研究团队”(P= 03)。

补名选票的反应

共收集到23份免费回复(多媒体附件2，表S4)。我们收集了这些回答，并将其分为三类:总体上积极的、学术上的和伦理上的。

一些受访者强调，有必要提高医学生对人工智能在医学中的作用的认识。例如:“这是一个非常重要的话题，需要更多的关注”，“老实说，我对这个主题知之甚少”，以及“我觉得我真的对医学中的人工智能一无所知，希望未来有教育机会。”

其他受访者表达了他们对将这一主题纳入医学课程的担忧:“我反对在临床前医学教育中增加更多内容……以及“我认为医学院的学生没有足够的计算机科学和工程背景来了解人工智能。”另一名学生指出:“医学院学生没有必要完全掌握人工智能的所有基础知识，也没有必要举办编程研讨会……(然而)对于进入该领域的人来说，不熟悉人工智能的影响和应用将是一种极大的伤害。”

讨论

美国医科学生对医学人工智能的看法

目前的研究是为了记录当前美国医科学生对人工智能的看法，以及将人工智能知识应用到医学教育中的情况。与其他国家的类似调查报告一致[19-22]，我们的研究发现，89.4%(347/388)的受访美国医科学生希望了解医学中的人工智能，并同意人工智能将在他们未来作为医生的职业生涯中在医学中发挥重要作用。这些观点在接受过正式人工智能培训的人和没有接受过正式人工智能培训的人之间没有显著差异。总的来说，我们的研究支持这样一个结论，即美国目前的医学教育落后于医学院学生通过适当的学习资源学习人工智能的热情。随着人工智能不断融入医学，我们的调查表明，美国对未来医生的医学教育将受益于医学中人工智能教育的增加。总的来说，我们的调查结果与其他国家类似的调查报告一致。此前的调查研究显示，70%的德国医学生、83%的韩国医学生和78%的英国医学生同意人工智能应该成为医学培训的一部分[19，21］．

尽管我们的调查显示，89.4%(347/388)的美国医科学生愿意学习人工智能，但只有13.9%(54/388)表示他们理解基本的人工智能术语和概念(图1)．在其他国家的医学生中也观察到了这种差异[19，21］．出现这种情况的一个潜在原因是医学教育缺乏相关的人工智能资源和专业知识[28］．很明显，21世纪的医疗保健将继续演变为医生、工程师和计算机科学家之间的跨学科和完整的伙伴关系[26，30.］．因此，对于未来的医生来说，学习AI在医疗应用中的基础知识，轻松地使用AI技术，并有意义地将即将到来的技术创新应用于医学，将是有益的。应该指出的是，某些住院医师项目，尤其是在放射学领域，强调了学员必须具备AI基础知识的要求[14，31-36］．这可能是由于相对于基因组数据，人工智能中成像的使用更普遍，后者才刚刚开始在医学中使用人工智能进行研究。

我们的调查还显示，91.5%(355/388)的受访美国医科学生认为，在医学院接受人工智能概念培训对他们未来的职业生涯很重要(图2)和79.3%(308/388)对使用人工智能技术感到兴奋(图1)．这些观点没有受到受访者之前是否接受过正式的人工智能培训的显著影响，并表明当前的美国医科学生不仅意识到需要将人工智能主题作为“复选框”纳入医学教育，以更好地为未来的医学技术革命做准备，而且还热衷于接受这些变化。我们的发现进一步反映了这一点，18.1%(70/386)的美国医科学生表示，由于在该专业中加入了人工智能，他们在追求他们最理想的3个专业中的一个方面表现犹豫(多媒体附件2)．相比之下，其他调查研究发现，由于未来AI的加入，德国和加拿大分别有54%和49%的医学生不太可能选择某些专业[19，22］．大多数接受调查的美国医科学生并不认为将人工智能纳入医学教育是一种干扰，相反，他们对学习医学中的人工智能感到兴奋，他们对探索医学主题中的人工智能的强烈渴望进一步证明了这一点(图1)．

此外，在医学教育中缺乏一种结构化的方法来教授AI系统。我们的调查旨在回答的一个问题是，医学生更喜欢哪种方法来学习医疗保健中的人工智能(图3)．我们的数据显示，学生们更喜欢以医学生为导向的、灵活的机会来学习医学中的人工智能，比如简短的讲座、正式的临床前选修课、问答小组和编程研讨会。目前，这样的机会还很缺乏;我们发现学生从其他渠道获得人工智能信息，包括媒体(263/386,68.1%)、家人和朋友(134/386,34.7%)和在线论坛(98/386,25.4%)(多媒体附件2)．这一发现与之前关于德国医科学生在医学上接触人工智能的报告一致[21］．人工智能课程整合的一个例子是多伦多大学医学院于2019年开始的为期14个月的医学计算课程[37］．然而，与人工智能在医学中的应用目前的进展速度相比，医学教育在增加人工智能相关主题方面的变化速度相对缓慢[38］．因此，一些权威专家敦促在医学教育方面进行更彻底的改革，或为学生提供更多的课外机会[17，26，29］．随着目前美国医学教育从严格的课堂学习转向越来越依赖外部资源(如Pathoma、Boards & Beyond和Osmosis等流行的在线学习平台)，以及大规模开放在线课程作为自主AI教育的主要来源的出现，当前的医学生可能更容易接受基于课外资源的自主学习[39，40］．因此，尽管大多数接受调查的医学生更喜欢通过正式媒体学习人工智能，但无论是正式的课程改革，以纳入人工智能，都应该加快步伐，或者作为一种潜在的替代方案，应该为医学生创建在线、免费的资源，以学习人工智能[29］．

最后，区分两组AI能力是很重要的。第一项包括大多数未来医生在日常实践中应该知道的“核心”能力，第二项包括未来医生的“高级”能力，他们打算推动医学人工智能领域的研究和创新[29］．虽然将人工智能主题整合到正式课程中对大多数医科学生来说可能已经足够了，但应该专门为未来的内科科学家和创新者提供研究机会和指导。图3而且4显示了两组之间AI主题集中的潜在区域。两组受访者都认为“人工智能的基本概念”、“人工智能的优势和劣势”和“人工智能的伦理”等话题很有趣(即，每月≤2小时vs每月≥3小时)。诸如“转化科学”、“全球健康与人工智能”和“医学研究中的人工智能”等主题可以专门针对那些希望超越未来医生在人工智能主题方面的最低要求知识的医科学生。为了提供这两组人工智能能力，应该为每组学习者使用不同的资源。例如，我们的研究表明，编程研讨会、研究团队和会议应该为“高级”学习者量身定制，而简短的讲座对这两类学习者都非常有价值。

限制

诚然，我们的研究并非没有局限性。首先，尽管它与其他国家的结果一致，但由于样本量小，我们的结果不能完全代表整个美国医科学生群体。此外，可能存在选择偏差，因为受访者可能是对AI特别感兴趣的学生，特别是考虑到调查完成没有经济激励。最后，我们没有在其他已经存在的医学院课程的背景下分析将AI主题添加到医学院课程的重要性，因此我们没有衡量AI主题的相对重要性。

结论

目前绝大多数接受调查的美国医科学生认识到人工智能在医学中的重要作用，并表示很高兴了解更多关于人工智能基础知识和在医学中的应用。尽管如此，只有少数学生了解人工智能和医学。接受调查的学生对了解这一话题感到兴奋，他们更喜欢在医学院采用正式而灵活的方式来学习人工智能。然而，目前在大多数美国医学院，学习人工智能相关主题的可用资源是有限的。根据我们的工作和之前在其他国家的调查，我们强调了将人工智能相关主题纳入医学院课程的迫切需要。