Perception of AI in medical research among medical students and doctors in Nigeria: impact of a structured AI training program using a pre-post quasi-experimental design
这项前测-后测准实验研究表明，一个为期两天的结构化在线培训项目显著提高了尼日利亚医学生和医生在医学研究领域中关于人工智能的知识、自我效能感及其他感知维度，尽管伦理方面的关注点并未发生变化，仍需在未来的干预措施中予以更多强调。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在现代医学领域，发现工具的变化速度比以往任何时候都快。在这些新工具中，人工智能是最强大的工具之一，它是一种能够通过学习海量信息来发现模式、做出预测并协助完成复杂任务的计算机智能形式。在医学研究中，这项技术可以帮助科学家分析庞大的数据集、起草手稿，并发现疲惫的人眼可能会遗漏的错误。然而，知道一个工具的存在与知道如何有效地使用它又是两回事。对于医生和医学生，特别是在资源有时匮乏的地区，意识与实际技能之间的差距可能非常大。许多人理解人工智能很重要，但很少有人接受过关于如何将其应用于自身科学工作的正式指导。这种脱节提出了一个关键问题：一个简短且专注的培训项目是否真的能改变医疗专业人员看待和使用这些强大工具的方式？
为了回答这个问题，尼日利亚的一个研究小组为全国各地的医学生和医生组织了一场结构化的学习活动。他们想看看一个设计良好的研讨会是否可以转变观念、增强信心，并提高有关人工智能在医学研究中应用的知识水平。该研究涉及135名参与者，其身份从仍在医学院就读的学生到经验丰富的顾问不等，涵盖了来自该国北部和南部地区的大学及医院。在培训开始前，研究人员要求参与者就几个关键领域分享他们的看法：他们对这项技术的了解程度、他们认为其用途有多大、他们觉得有哪些障碍阻碍了他们，以及他们持有怎样的伦理担忧。
结果显示，在培训之前，参与者对该主题有着清晰但并不均衡的理解。他们普遍认为人工智能将节省时间并提高研究质量，但同时也承认自己对于如何实际使用它知之甚少。最普遍的感觉是缺乏具体的知识；例如，虽然许多人理解人工智能在一般医疗保健方面的含义，但很少有人能解释其底层的计算机程序是如何进行训练或验证的。此外，大多数参与者从未接受过关于该主题的正式教育，而是依靠非正式的自学方法。当被问及不学习这些技能的风险时，他们表达了担心落后于同行的情绪，但对于自己学习和应用这些工具的能力，他们的信心则褒贬不一。
随后，研究人员开展了一个为期两天的在线研讨会，旨在填补这些空白。课程涵盖了该技术的基础知识、在研究中的实际应用、规范其使用的伦理规则，以及针对有助于文献综述和数据分析的具体工具的动手演示。研讨会结束后，参与者再次回答了相同的问题，以衡量其思维的变化。影响是即时且显著的。培训成功提高了参与者的知识水平，将模糊的意识转化为对这些工具运作方式更清晰的理解。他们的信心也随之增长；他们感到自己更有能力在自己的工作中应用这项技术，并且更有可能采取行动去进一步学习。他们之前感受到的障碍，如缺乏技术技能或机构支持，在接受指导后被认为不再那么令人生畏。
有趣的是，并非所有事情都发生了变化。参与者对使用人工智能的伦理问题的担忧保持稳定。在培训之前，他们就已经对数据隐私、计算机编造事实的可能性以及如果发生错误谁该负责等问题感到担忧。培训之后，这些担忧并未消失，也没有变得更加激烈。这表明，虽然短期课程可以教会人们如何使用一种工具，但并不一定会解决深层次的伦理问题，而这些问题可能需要更长期的、持续性的讨论。参与者还对研讨会表示了高度满意，绝大多数人认为内容具有相关性、组织良好，并且值得推荐给同事。
研究结论认为，虽然尼日利亚的医学生和医生意识到了人工智能的潜力，但他们缺乏在研究中使用它的具体技能。一个结构化的、实用的培训项目可以迅速缩小这一差距，提高知识水平和信心。然而，研究人员指出，伦理担忧是另一回事；它们根深蒂固，不会通过单次课程轻易改变。研究结果表明，未来的教育工作应侧重于教授实践技能，同时也要投入更多时间讨论围绕人工智能在医学领域应用所产生的复杂伦理问题。通过弥合意识与应用之间的鸿沟，此类培训可以帮助尼日利亚及其他地区的医疗专业人员充分利用这些新技术的力量，造福于患者护理和科学发现。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。