Evaluación de percepciones y exposición a la inteligencia artificial entre educadores y clínicos médicos en Arabia Saudí: un estudio transversal

Summary

Este estudio transversal exploró las percepciones de la inteligencia artificial entre educadores y clínicos médicos en Arabia Saudí. Aunque se reportó un gran interés, la formación formal en IA fue limitada y la dependencia de fuentes informales era común, lo que pone de manifiesto la posible necesidad de una educación estructurada en IA.

Abstract

La inteligencia artificial (IA) está transformando la sanidad mediante avances en diagnóstico y toma de decisiones, pero la mayoría de los estudios se han centrado en las percepciones de los estudiantes de medicina, con poca atención a los educadores médicos y a los clínicos en ejercicio. Comprender estas perspectivas es fundamental para desarrollar planes de estudio que preparen a futuros médicos para la práctica mejorada por IA. Este estudio investigó la conciencia, exposición y percepción del impacto sobre la IA entre educadores médicos, internos, residentes, especialistas y consultores en Arabia Saudí. Se realizó un estudio transversal utilizando una encuesta online validada distribuida a varias facultades y hospitales de medicina saudíes. La encuesta recopiló datos demográficos, educación previa en IA, conocimientos autoevaluados en IA e interés por la IA. Los participantes también valoraron su capacidad para listar aplicaciones de IA clínicamente relevantes, evaluaron la influencia esperada de la IA en diversas especialidades e indicaron si sería beneficioso el entrenamiento en conceptos de IA. Las diferencias de grupo se analizaron mediante pruebas de chi-cuadrado, ANOVA y regresión logística, controlando por edad y sexo. Entre los 229 encuestados (60 educadores médicos, 78 internos/residentes y 91 especialistas/consultores), los educadores médicos tenían más probabilidades de informar de la capacidad de listar los beneficios de la IA (63,3% frente a 38,5% y 39,6%) y de expresar preocupaciones éticas sobre el uso de la IA en la sanidad (76,6% frente a 51,3% y 51,6%) en comparación con los otros grupos. Solo el 32,3% informó haber recibido educación formal en IA, y la mayoría obtuvo conocimientos a través de fuentes informales como los medios de comunicación. La radiología y la patología fueron identificadas como las especialidades más propensas a ser transformadas por la IA. En general, las percepciones sobre la IA entre educadores médicos y clínicos revelaron un gran interés pero una formación formal limitada. A pesar del entusiasmo en todos los grupos, los participantes confiaron en fuentes informales y carecieron de conocimientos básicos sobre IA. Estos hallazgos ponen de manifiesto la posible importancia de integrar la educación estructurada en IA en los planes de estudio médicos y los programas de residencia para apoyar la preparación para la atención clínica integrada con IA.

Introduction

El término "inteligencia artificial" (IA) se introdujo por primera vez en la Conferencia de Dartmouth en 1956 y ahora es considerado mundialmente como una tecnología^{de primer nivel.} La IA se refiere en términos generales a tecnologías capaces de imitar la inteligencia^{humana 2} y comúnmente se categoriza en cuatro dominios: procesamiento del lenguaje natural para el reconocimiento y generación de voz y texto; visión por ordenador para interpretar imágenes; aprendizaje automático basado en redes neuronales; y sistemas basados en el conocimiento que dependen de tecnologías semánticas o modelado^{cognitivo 3}.

Una de las aplicaciones de la IA que más evoluciona es en el ámbito sanitario. Se ha descrito que la IA tiene el potencial de revolucionar la atención sanitaria gracias a su integración en la práctica^{clínica 4}. Al mejorar la precisión diagnóstica y optimizar las decisiones de tratamiento, la IA también puede transformar la forma en que los médicos prestan atención⁵. Para que estas aplicaciones se implementen eficazmente, los profesionales sanitarios deben poseer un conocimiento y conocimiento adecuados sobre las tecnologías de IA. Su aplicación exitosa ha sido documentada en múltiples especialidades, incluyendo radiología, patología, oftalmología, oncología y^{odontología 6}. En la educación médica, la IA también ha apoyado el aprendizaje mediante simulaciones virtuales de pacientes con el objetivo de desarrollar habilidades de comunicación y^{clínicas 7}.

Varios estudios han evaluado la percepción que tienen los estudiantes de medicina sobre la IA en la sanidad y^{la educación} 5,8,9,10. Estos estudios han sugerido un creciente interés entre los estudiantes, pero también han puesto de manifiesto las carencias educativas. Sin embargo, solo un estudio ha examinado específicamente la exposición de los estudiantes a la educación formal en IA⁸. De manera similar, varios estudios han explorado la percepción de los clínicos saudíes en ejercicio sobre la IA^{11, 12, 13 y 14}, pero ninguno ha evaluado la exposición a la educación formal en IA. Sigue existiendo una notable falta de investigación centrada específicamente en los educadores médicos y en cómo perciben la IA y su papel en la educación médica.

Para abordar esta brecha, este estudio evaluó el conocimiento actual, la exposición, las percepciones y las fuentes de información relacionadas con la IA entre educadores médicos y clínicos en ejercicio en Arabia Saudí, así como sus opiniones sobre su influencia en las especialidades médicas. Realizamos una encuesta transversal para evaluar estos dominios dentro de esta población. Los hallazgos podrían ayudar a guiar futuros esfuerzos para integrar competencias relacionadas con la IA en los programas de educación médica y residencia^{15, 16, 17}. Hasta donde sabemos, este estudio es uno de los primeros en Arabia Saudí que examina simultáneamente la exposición de educadores médicos y clínicos en ejercicio a la educación formal en IA, así como sus percepciones y conocimientos autoinformados sobre IA.

Protocol

Modelado de estudios
La aprobación ética para este estudio fue obtenida por parte del Comité de Revisión Institucional de la Universidad King Abdulaziz (Referencia nº 500-23). Los participantes elegibles incluían profesionales médicos de 18 años o más (educadores médicos, internos, residentes, especialistas y consultores) que ejercían en Arabia Saudí. Se excluyeron a las personas que no eran graduadas en medicina o que no ejercían activamente. Todos los participantes dieron su consentimiento informado antes de la recogida de datos, y su participación fue completamente voluntaria. En la primera página de la encuesta se presentó una declaración electrónica de consentimiento informado, y se requirió que los participantes indicaran su consentimiento antes de proceder. Se informó a los participantes de que podían retirarse en cualquier momento antes de la presentación de la encuesta sin consecuencias. Para mantener la confidencialidad, no se recopiló información personal identificable y todos los datos recogidos fueron desidentificados y almacenados de forma segura.

Herramientas de recogida de datos
Los datos se recogieron mediante una encuesta previamente validada y entregada en línea a través de Google Forms. Los participantes fueron reclutados mediante muestreo por conveniencia, publicando materiales de reclutamiento sin una lista de alcance específica. Los materiales de reclutamiento que contenían el enlace de la encuesta se distribuyeron mediante anuncios electrónicos, correos institucionales y plataformas de mensajería en línea compartidas con profesionales sanitarios de escuelas y hospitales médicos saudíes. Por tanto, no se pudo calcular una tasa formal de respuesta.

La primera sección del cuestionario recopiló información demográfica, incluyendo fecha de nacimiento, sexo, papel en el campo médico, especialidad y—para los residentes—año de formación. La segunda sección se centró en la exposición previa de los participantes a la IA. Se les preguntó si habían recibido educación formal en IA (como cursos universitarios o de colegio). Este ítem fue intencionadamente amplio y se basó en la autointerpretación de los participantes sobre lo que constituye la educación 'formal en IA'. También se pidió a los participantes que identificaran sus fuentes de exposición a la IA.

Para evaluar las percepciones y comprensión de los participantes sobre la IA, utilizamos una encuesta previamente validada diseñada originalmente para evaluar el impacto percibido del uso de la IA en medicina^{entre estudiantes de medicina 8}. La encuesta incluyó elementos sobre la influencia de la IA en diferentes especialidades médicas. Los participantes también valoraron su comprensión autopercibida de conceptos fundamentales de IA, incluyendo redes neuronales convolucionales (CNNs), validación cruzada, curvas de características de funcionamiento del receptor (ROC) y área bajo la curva (AUC). Este enfoque nos permitió explorar la brecha entre el interés de los participantes en la IA y su nivel de preparación formal.

Las respuestas a la encuesta se registraron automáticamente dentro de Google Forms y se exportaron a Microsoft Excel para la organización de datos. Los datos se revisaron para verificar su completitud antes del análisis estadístico. Los conjuntos de datos desidentificados se cifraron y almacenaron en una unidad protegida por contraseña que solo era accesible para los miembros del equipo de investigación.

Análisis estadístico
Los participantes fueron categorizados como educadores médicos, internos/residentes o especialistas/consultores. Todas las preguntas de la escala de Likert se clasificaron como de acuerdo (de acuerdo o totalmente de acuerdo) o de no acuerdo (neutral, en desacuerdo o fuertemente en desacuerdo) para las comparaciones de grupo.

La estadística descriptiva incluía la media y desviación estándar de variables continuas y frecuencias con proporciones para variables categóricas. Las variables demográficas entre grupos se compararon utilizando ANOVA para variables continuas y pruebas de chi-cuadrado para variables categóricas. Las respuestas a la encuesta (de acuerdo o no) de los grupos se compararon utilizando modelado de regresión logística (acuerdo o no acuerdo como resultado) con pruebas post hoc. Todas las pruebas aplicaron la corrección de Bonferroni para ajustar las comparaciones múltiples entre grupos. Se evaluaron las asociaciones contra variables continuas (edad) mediante modelado de regresión múltiple lineal, y contra variables categóricas (con o no formación formal en IA) mediante regresión múltiple logística. Todos los modelos de regresión controlaron la edad y el sexo de los participantes.

La multicolinealidad se probó calculando el factor de inflación de la varianza (VIF) y se encontró despreciable en todos los modelos. Se confirmó que los residuos del modelo de regresión lineal se distribuyen normalmente mediante la prueba de Kolmogorov–Smirnov. Los análisis estadísticos se completaron en la versión 4.3.1 de R, con todo el modelado usando el paquete base de estadísticas, excepto las evaluaciones de multicolinealidad, que usaban el paquete usdm. Todas las pruebas de significancia usaron un umbral de α = 0,05. Los resultados finales del modelo se exportaron y se utilizaron para generar los análisis, tablas y figuras presentadas en la sección de Resultados.

Results

Ejemplo
Esta encuesta transversal presenta comparaciones observacionales entre grupos de participantes de origen natural, coherentes con la naturaleza exploratoria del estudio. La muestra estaba compuesta por 229 participantes (60 educadores médicos, 78 internos/residentes y 91 especialistas/consultores). Los grupos no diferían significativamente en cuanto al sexo (47,6% hombres, p=0,088 entre grupos) ni en haber recibido una educación formal en IA (32,3% con formació...

Discussion

Que sepamos, este es uno de los primeros estudios en Arabia Saudí que examina cómo los educadores médicos y los clínicos en ejercicio perciben la IA. El fuerte interés reportado se alinea con la adopción más amplia de la IA en la sanidad, que ha sido documentada tanto en entornos clínicos como^{educativos 18}. Esta tendencia ha sido recibida con una aceptación positiva entre los educadores médicos, especialmente en el contexto de la educación médica, donde herramient...

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
Google Forms	Google LLC	N/A	Se utiliza para distribuir y recopilar respuestas para la encuesta online
Microsoft Excel	Microsoft Corporation	N/A	Utilizado para la organización y exportación de datos antes del análisis
Base de Datos PubMed	Biblioteca Nacional de Medicina de EE. UU.	N/A	Utilizado para revisión bibliográfica y recuperación de referencias
Cuestionario	Liu D, Sawyer J, Luna A, Aoun J, Wang J, Boachie L, Halabi S, Joe B Percepciones de los estudiantes de medicina estadounidenses sobre la inteligencia artificial en medicina: Estudio de Encuestas de Métodos Mixtos JMIR Med Educ 2022; 8(4):e38325 URL: https://mededu.jmir.org/2022/4/e38325 DOI: 10.2196/38325	N/A	Cuestionario validado que evalúa las percepciones de la IA en la medicina, adaptado de un estudio previamente publicado en JMIR Medical Education (2022)
R (Software estadístico)	Fundación R para la Computación Estadística	N/A	Utilizado para análisis estadístico y visualización de datos