הערכת תפיסות וחשיפה לבינה מלאכותית בקרב מחנכי רפואה וקלינאים בערב הסעודית: מחקר רוחבי

Summary

מחקר חתך זה בחן תפיסות של בינה מלאכותית בקרב מחנכי רפואה וקלינאים בערב הסעודית. למרות שדווח על עניין רב, ההכשרה הפורמלית בבינה מלאכותית הייתה מוגבלת, והסתמכות על מקורות בלתי פורמליים הייתה נפוצה, מה שהדגיש את הצורך הפוטנציאלי בחינוך מובנה בתחום הבינה המלאכותית.

Abstract

הבינה המלאכותית (AI) משנה את מערכת הבריאות באמצעות התקדמות באבחון וקבלת החלטות, אך רוב המחקרים התמקדו בתפיסות של סטודנטים לרפואה, עם תשומת לב מוגבלת למחנכים רפואיים וקלינאים פעילים. הבנת נקודות המבט הללו היא קריטית לפיתוח תוכניות לימוד שמכינות רופאים עתידיים לפרקטיקה משודרגת בינה מלאכותית. מחקר זה חקר את המודעות, החשיפה וההשפעה הנתפסת של בינה מלאכותית בקרב מחנכים רפואיים, מתמחים, מתמחים, מומחים ויועצים בערב הסעודית. מחקר חתך נערך באמצעות סקר מקוון מאומת שהופץ למספר בתי ספר לרפואה ובתי חולים סעודיים. הסקר אסף נתונים דמוגרפיים, חינוך קודם בבינה מלאכותית, ידע עצמי בבינה מלאכותית, ועניין בבינה מלאכותית. המשתתפים גם דירגו את יכולתם לרשום יישומי בינה מלאכותית רלוונטיים קלינית, העריכו את ההשפעה הצפויה של הבינה המלאכותית על תחומים שונים, והצביעו האם הכשרה במושגי בינה מלאכותית תהיה מועילה. ההבדלים בקבוצות נותחו באמצעות מבחני חי-ריבוע (ANOVA), ורגרסיה לוגיסטית, תוך שליטה בגיל ומין. מבין 229 המשיבים (60 מחנכים רפואיים, 78 מתמחים/מתמחים, ו-91 מומחים/יועצים), מחנכים רפואיים נטו יותר לדווח על היכולת לפרט יתרונות בינה מלאכותית (63.3% לעומת 38.5% ו-39.6%) ולהביע חששות אתיים לגבי השימוש בבינה מלאכותית בבריאות (76.6% לעומת 51.3% ו-51.6%) בהשוואה לקבוצות האחרות. רק 32.3% דיווחו שקיבלו חינוך פורמלי בבינה מלאכותית, כאשר רובם רכשו ידע ממקורות בלתי פורמליים כמו התקשורת. רדיולוגיה ופתולוגיה זוהו כתחומים שסביר להניח שישתנו על ידי בינה מלאכותית. בסך הכול, תפיסות לגבי בינה מלאכותית בקרב מחנכים רפואיים וקלינאים חשפו עניין רב אך הכשרה פורמלית מוגבלת. למרות ההתלהבות מכל הקבוצות, המשתתפים הסתמכו על מקורות בלתי פורמליים וחסרו ידע בסיסי על בינה מלאכותית. ממצאים אלו מדגישים את החשיבות הפוטנציאלית של שילוב חינוך מובנה בינה מלאכותית בתוכניות הלימודים הרפואיות ובתוכניות הכשרה להתמחות כדי לתמוך בהיערכות לטיפול קליני משולב בבינה מלאכותית.

Introduction

המונח "בינה מלאכותית" (AI) הוצג לראשונה בכנס דארטמות' בשנת 1956 וכיום נחשב עולמית^{לטכנולוגיה} מובילה. בינה מלאכותית מתייחסת באופן רחב לטכנולוגיות המסוגלות לחקות את האינטליגנציה האנושית² ומסווגת בדרך כלל לארבעה תחומים: עיבוד שפה טבעית לזיהוי ויצירת דיבור וטקסט; ראיית מחשב לפרשנות תמונות; למידת מכונה המבוססת על רשתות עצביות; ומערכות מבוססות ידע התלויות בטכנולוגיות סמנטיות או במודלים קוגניטיביים³.

אחד היישומים המתפתחים במהירות ביותר של בינה מלאכותית הוא בתחום הבריאות. תואר בינה מלאכותית כבעלת פוטנציאל לחולל מהפכה בתחום הבריאות באמצעות שילובה בפרקטיקה הקלינית⁴. על ידי שיפור דיוק האבחון ואופטימיזציה של החלטות טיפול, הבינה המלאכותית יכולה גם לשנות את האופן שבו רופאים^{מספקים טיפול.} כדי שהיישומים הללו ייושמו ביעילות, על אנשי מקצוע בתחום הבריאות להחזיק בידע ומודעות מספקת לטכנולוגיות בינה מלאכותית. היישום המוצלח שלו תועד במגוון תחומים, כולל רדיולוגיה, פתולוגיה, עיניים, אונקולוגיה ורפואת שיניים⁶. בחינוך הרפואי, הבינה המלאכותית גם תמכה בלמידה באמצעות סימולציות וירטואליות של מטופלים במטרה לפתח מיומנויות תקשורת וקליניות^.

מספר מחקרים העריכו את תפיסות הסטודנטים לרפואה לגבי בינה מלאכותית בבריאות ובחינוך 5,8,9,10. מחקרים אלו הצביעו על עניין גובר בקרב הסטודנטים אך גם הדגישו פערים חינוכיים. עם זאת, רק מחקר אחד בחן במפורש את חשיפת התלמידים לחינוך פורמלי בינה מלאכותית⁸. באופן דומה, מספר מחקרים בחנו את תפיסות הרופאים הסעודים לגבי AI 11,12,13,14, אך אף אחד מהם לא העריך חשיפה לחינוך פורמלי בתחום הבינה המלאכותית. עדיין קיימת מחסור בולט במחקר המתמקד במיוחד במחנכי רפואה ובאופן שבו הם תופסים את הבינה המלאכותית ואת תפקידה בחינוך הרפואי.

כדי להתמודד עם הפער הזה, המחקר העריך את הידע, החשיפה, התפיסות ומקורות המידע הנוכחיים הקשורים לבינה מלאכותית בקרב מחנכי רפואה וקלינאים פעילים בערב הסעודית, וכן את דעותיהם לגבי השפעתה בין תחומי ההתמחות הרפואיים. ערכנו סקר חתך כדי להעריך את התחומים הללו בתוך אוכלוסייה זו. הממצאים עשויים לסייע בהכוונת מאמצים עתידיים לשילוב מיומנויות הקשורות לבינה מלאכותית בתוכניות חינוך רפואי והתמחות 15,16,17. למיטב ידיעתנו, המחקר הנוכחי הוא מהראשונים בערב הסעודית שבוחנים בו-זמנית את החשיפה של מחנכים רפואיים וקלינאים פעילים לחינוך פורמלי בבינה מלאכותית, וכן את תפיסותיהם ואת הידע המדווח שלהם על בינה מלאכותית.

Protocol

מודלים למחקר
אישור אתי למחקר זה התקבל מוועדת הביקורת המוסדית של אוניברסיטת המלך עבדולעזיז (רפרנס מס' 500-23). המשתתפים הזכאים כללו אנשי מקצוע רפואיים בגיל 18 ומעלה (מחנכים רפואיים, מתמחים, מתמחים, מומחים ויועצים) העוסקים בערב הסעודית. אנשים שלא היו בוגרי רפואה או שלא עסקו באופן פעיל הוצאו מהלימודים. כל המשתתפים נתנו הסכמה מדעת לפני איסוף הנתונים, וההשתתפות שלהם הייתה וולונטרית לחלוטין. הצהרת הסכמה מדעת אלקטרונית הוצגה בעמוד הראשון של הסקר, והמשתתפים נדרשו להצביע על הסכמה לפני ההמשך. המשתתפים קיבלו הודעה כי הם יכולים לפרוש בכל עת לפני הגשת הסקר ללא השלכות. כדי לשמור על סודיות, לא נאסף מידע אישי מזהה, וכל הנתונים שנאספו הוסרקו מהזיהוי ונשמרו בצורה מאובטחת.

כלי איסוף נתונים
הנתונים נאספו באמצעות סקר מאומת קודם שנשלח באינטרנט דרך Google Forms. המשתתפים גויסו באמצעות דגימה נוחה, על ידי פרסום חומרי גיוס ללא רשימת הגעה ממוקדת. חומרי הגיוס שכללו את קישור הסקר הופצו באמצעות פרסומות אלקטרוניות, מיילים מוסדיים ופלטפורמות הודעות מקוונות ששותפו עם אנשי מקצוע בתחום הבריאות בבתי ספר לרפואה ובבתי חולים סעודיים. לכן, לא ניתן היה לחשב שיעור תגובה פורמלי.

החלק הראשון של השאלון אסף מידע דמוגרפי, כולל תאריך לידה, מין, תפקיד בתחום הרפואה, התמחות, ועבור המתמחים – שנת הכשרה. החלק השני התמקד בחשיפה הקודמת של המשתתפים לבינה מלאכותית. נשאלו האם קיבלו השכלה פורמלית בבינה מלאכותית (כגון קורסים במכללות או אוניברסיטאות). הפריט הזה היה רחב במכוון והסתמך על פרשנות עצמית של המשתתפים לגבי מה נחשב לחינוך 'פורמלי' בבינה מלאכותית. המשתתפים התבקשו גם לזהות את מקורות החשיפה שלהם לבינה מלאכותית.

כדי להעריך את תפיסות המשתתפים והבנתם את הבינה המלאכותית, השתמשנו בסקר שכבר אומת בעבר, שנועד במקור להעריך את ההשפעה הנתפסת של השימוש בבינה מלאכותית ברפואה בקרב סטודנטים לרפואה⁸. הסקר כלל פריטים על השפעת הבינה המלאכותית על תחומים רפואיים שונים. המשתתפים גם דירגו את ההבנה העצמית שלהם של מושגי יסוד בבינה מלאכותית, כולל רשתות עצביות קונבולוציוניות (CNNs), אימות צולב, עקומות מאפייני פעולה של מקלט (ROC) ושטח מתחת לעקומה (AUC). גישה זו אפשרה לנו לחקור את הפער בין העניין של המשתתפים בבינה מלאכותית לבין רמת המוכנות הפורמלית שלהם.

תגובות לסקר נרשמו אוטומטית בתוך Google Forms ויוצאו למיקרוסופט אקסל לארגון נתונים. הנתונים נבדקו לשלמות לפני ניתוח סטטיסטי. מערכי נתונים שלא מזוהים הוצפנו ונשמרו על כונן מוגן בסיסמה שהיה נגיש רק לחברי צוות המחקר.

ניתוח סטטיסטי
המשתתפים סווגו כמחנכים רפואיים, מתמחים/מתמחים, או מומחים/יועצים. כל השאלות בסולם לייקרט סווגו כהסכמה (הסכמה או הסכמה חזקה) או לא הסכמה (נייטרלית, לא מסכימה או לא מסכימים בתוקף) להשוואות קבוצתיות.

סטטיסטיקה תיאורית כללה את הממוצע והסטיית התקן של משתנים ותדירויות רציפים עם פרופורציות למשתנים קטגוריים. משתנים דמוגרפיים בין קבוצות הושוו באמצעות ANOVA למשתנים רציפים ובדיקת חי-ריבוע למשתנים קטגוריים. תגובות הסקר (הסכמה או אי-הסכמה) של הקבוצות הושוו באמצעות מודל רגרסיה לוגיסטית (הסכמה או אי-הסכמה כתוצאה) עם בדיקות לאחר מכן. כל הבדיקות יישמו את תיקון בונפרוני כדי להתאים השוואות מרובות בין קבוצות. אסוציאציות נבדקו מול משתנים רציפים (גיל) באמצעות מידול רגרסיה מרובה ליניארית, ומול משתנים קטגוריים (אם היה להם או לא היה להם השכלה פורמלית בבינה מלאכותית) באמצעות רגרסיה לוגיסטית מרובה. כל מודלי הרגרסיה נשלטו לפי גיל ומין המשתתפים.

רב-קוליניאריות נבדקה על ידי חישוב מקדם אינפלציית השונות (VIF) ונמצא כזניח בכל המודלים. שאריות מודל רגרסיה ליניארית אושרו כמתפלגות נורמלית באמצעות מבחן קולמוגרוב–סמירנוב. ניתוחים סטטיסטיים בוצעו בגרסת R 4.3.1, כאשר כל המודלים השתמשו בחבילת הסטטיסטיקות הבסיסית, למעט הערכות רב-קוליניאריות, שהשתמשו בחבילת USDM. כל בדיקות המובהקות השתמשו בסף של α = 0.05. פלטי המודל הסופיים יוצאו ושימשו ליצירת הניתוחים, הטבלאות והאיורים שהוצגו בחלק התוצאות.

Results

דוגמה
סקר חתך זה מציג השוואות תצפיתיות בין קבוצות משתתפות טבעיות, בהתאם לאופי החקר של המחקר. המדגם כלל 229 משתתפים (60 מחנכים רפואיים, 78 מתמחים/מתמחים, ו-91 מומחים/יועצים). הקבוצות לא היו שונות באופן מובהק מבחינת מין (47.6% גברים, p=0.088 בין קבוצות) או בחינוך פורמלי בבינה מלאכותית (32.3% עם הכשרה, p=0.067 בין קבוצות). המתמחים והמתמחים היו צעירים משמעותית (גיל ממוצע 28.1 שנים, SD=5.2) מאשר מחנכי רפואה (ממוצע=39.2, SD=8.2) או מומחים/יועצים (ממוצע=39.9, SD=9.2) (F(2,22...

Discussion

למיטב ידיעתנו, זהו אחד המחקרים הראשונים בערב הסעודית שבחנו כיצד מחנכי רפואה וקלינאים פעילים תופסים את הבינה המלאכותית. העניין המדווח החזק תואם את האימוץ הרחב יותר של בינה מלאכותית במערכת הבריאות, שתועד הן בסביבות קליניות והן בסביבות חינוכיות¹⁸. מגמה זו התקבלה בחיוב בקרב מחנכים רפואיים, במיוחד בהקשר של חינוך רפואי, שם כלים כמו ChatGPT זכו להכרה בשימושיות שלהם במשימות כמו סיכום, איסוף מידע ותמיכה בפעילויות הוראה ולמידה. במקביל, מחנכים רפואיים העלו גם חששות אתיים בנו...

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
גוגל טופס	גוגל LLC	לא זמין	משמש להפצה ואיסוף תגובות לסקר המקוון
מיקרוסופט אקסל	מיקרוסופט קורפוריישן	לא זמין	משמש לארגון וייצוא נתונים לפני ניתוח
מסד הנתונים של PubMed	הספרייה הלאומית לרפואה של ארצות הברית	לא זמין	משמש לסקירת ספרות ולשליפת מקורות
שאלון	ליו ד', סוייר ג', לונה א', עאון ג', וונג ג', בואצ'י ל', חלאבי ס', ג'ו ב<בר/> תפיסות סטודנטים לרפואה בארה"ב על בינה מלאכותית ברפואה: סקר שיטות מעורבות JMIR Med Educ 2022; 8(4):e38325 URL: https://mededu.jmir.org/2022/4/e38325 DOI: 10.2196/38325	לא זמין	שאלון מאומת להערכת תפיסות של בינה מלאכותית ברפואה, מותאם ממחקר שפורסם בעבר ב-JMIR Medical Education (2022)
R (תוכנה סטטיסטית)	קרן R למחשוב סטטיסטי	לא זמין	משמש לניתוח סטטיסטי והדמיית נתונים