Valutare le percezioni e l'esposizione all'intelligenza artificiale tra educatori medici e clinici in Arabia Saudita: uno studio trasversale

Summary

Questo studio trasversale ha esplorato le percezioni dell'intelligenza artificiale tra educatori medici e clinici in Arabia Saudita. Sebbene fosse stato segnalato un forte interesse, la formazione formale sull'IA era limitata e la dipendenza da fonti informali era comune, evidenziando la potenziale necessità di un'educazione strutturata sull'IA.

Abstract

L'intelligenza artificiale (IA) sta trasformando la sanità attraverso i progressi nella diagnostica e nel processo decisionale, ma la maggior parte degli studi si è concentrata sulle percezioni degli studenti di medicina, con un'attenzione limitata agli educatori medici e ai clinici praticanti. Comprendere queste prospettive è fondamentale per sviluppare curricula che preparino i futuri medici alla pratica potenziata dall'IA. Questo studio ha indagato la consapevolezza, l'esposizione e l'impatto percepito sull'IA tra educatori medici, tirocinanti, specializzandi, specialisti e consulenti in Arabia Saudita. Uno studio trasversale è stato condotto utilizzando un sondaggio online validato distribuito a diverse scuole e ospedali sauditi. Il sondaggio ha raccolto dati demografici, educazione pregressa all'IA, conoscenze autovalutate sull'IA e interesse per l'IA. I partecipanti hanno inoltre valutato la loro capacità di elencare applicazioni di IA clinicamente rilevanti, valutato l'influenza attesa dell'IA su varie specialità e indicato se la formazione nei concetti di IA sarebbe stata vantaggiosa. Le differenze di gruppo sono state analizzate utilizzando test chi-quadrato, ANOVA e regressione logistica, controllando età e sesso. Tra i 229 intervistati (60 educatori medici, 78 tirocinanti/specializzandi e 91 specialisti/consulenti), gli educatori medici erano più propensi a dichiarare la possibilità di elencare i benefici dell'IA (63,3% contro 38,5% e 39,6%) e di esprimere preoccupazioni etiche sull'uso dell'IA in ambito sanitario (76,6% contro 51,3% e 51,6%) rispetto agli altri gruppi. Solo il 32,3% ha dichiarato di aver ricevuto un'educazione formale sull'IA, con la maggior parte che ha acquisito conoscenza tramite fonti informali come i media. Radiologia e patologia sono state identificate come le specialità più probabili di essere trasformate dall'IA. Nel complesso, la percezione dell'IA tra educatori medici e clinici ha rivelato un forte interesse ma una formazione formale limitata. Nonostante l'entusiasmo in tutti i gruppi, i partecipanti si sono affidati a fonti informali e mancavano di conoscenze fondamentali sull'IA. Questi risultati evidenziano la potenziale importanza di integrare l'educazione strutturata all'IA nei programmi medici e di specializzazione per supportare la preparazione all'assistenza clinica integrata dall'IA.

Introduction

Il termine "intelligenza artificiale" (IA) fu introdotto per la prima volta alla Conferenza di Dartmouth nel 1956 ed è oggi considerato a livello globale una delle tecnologie^{di alto livello.} L'IA si riferisce in modo ampio alle tecnologie capaci di imitare l'intelligenza^{umana 2} ed è comunemente suddivisa in quattro domini: elaborazione del linguaggio naturale per il riconoscimento e la generazione del parlato e del testo; visione artificiale per l'interpretazione delle immagini; apprendimento automatico basato su reti neurali; e sistemi basati sulla conoscenza che si basano su tecnologie semantiche o modellazione^{cognitiva 3}.

Una delle applicazioni dell'IA che si evolve più rapidamente è nel settore sanitario. L'IA è stata descritta come avendo il potenziale di rivoluzionare l'assistenza sanitaria grazie alla sua integrazione nella pratica^{clinica 4}. Migliorando l'accuratezza diagnostica e ottimizzando le decisioni terapeutiche, l'IA può anche trasformare il modo in cui i medici erogano le^{cure 5}. Perché queste applicazioni siano implementate efficacemente, i professionisti sanitari devono possedere una conoscenza e una consapevolezza adeguate delle tecnologie di IA. La sua candidatura di successo è stata documentata in molteplici specialità, tra cui radiologia, patologia, oftalmologia, oncologia e^{odontoiatria 6}. Nell'educazione medica, l'IA ha anche supportato l'apprendimento tramite simulazioni virtuali con il paziente con l'obiettivo di sviluppare competenze comunicative e^{cliniche 7}.

Diversi studi hanno valutato la percezione degli studenti di medicina sull'IA nella sanità e^{nell'istruzione} 5,8,9,10. Questi studi hanno suggerito un crescente interesse tra gli studenti, ma hanno anche evidenziato le lacune educative. Tuttavia, solo uno studio ha esaminato specificamente l'esposizione degli studenti all'educazione formale dell'IA⁸. Analogamente, diversi studi hanno esplorato la percezione dei clinici sauditi praticanti sull'IA ^11,12,13,14, ma nessuno ha valutato l'esposizione all'educazione formale sull'IA. Rimane una notevole carenza di ricerche specificamente focalizzate sugli educatori medici e su come percepiscono l'IA e il suo ruolo nell'educazione medica.

Per colmare questa lacuna, questo studio ha valutato le conoscenze attuali, l'esposizione, le percezioni e le fonti di informazione relative all'IA tra educatori medici e clinici in attività in Arabia Saudita, nonché le loro opinioni sulla sua influenza nelle specialità mediche. Abbiamo condotto un'indagine trasversale per valutare questi domini all'interno di questa popolazione. I risultati potrebbero aiutare a guidare i futuri sforzi per integrare competenze legate all'IA nei programmi di formazione medica^{e di specializzazione 15, 16, 17}. Per quanto ne sappiamo, il presente studio è uno dei primi in Arabia Saudita a esaminare contemporaneamente l'esposizione di educatori medici e clinici praticanti all'educazione formale sull'IA, così come le loro percezioni e la conoscenza auto-riportata dell'IA.

Protocol

Modellazione dello studio
L'approvazione etica per questo studio è stata ottenuta dall'Institutional Review Board dell'Università King Abdulaziz (Riferimento n. 500-23). I partecipanti idonei includevano professionisti medici di età pari o superiore a 18 anni (educatori medici, specializzandi, specializzandi, specialisti e consulenti) che esercitavano in Arabia Saudita. Sono stati esclusi gli individui che non erano laureati in medicina o non esercitavano attivamente. Tutti i partecipanti hanno fornito il consenso informato prima della raccolta dei dati e la loro partecipazione è stata interamente volontaria. Una dichiarazione elettronica di consenso informato è stata presentata nella prima pagina del sondaggio e i partecipanti sono stati tenuti a indicare il consenso prima di procedere. Ai partecipanti è stato comunicato che potevano ritirarsi in qualsiasi momento prima della presentazione del sondaggio senza conseguenze. Per mantenere la riservatezza, non sono state raccolte informazioni personali identificabili e tutti i dati raccolti sono stati de-identificati e conservati in modo sicuro.

Strumenti di raccolta dati
I dati sono stati raccolti tramite un sondaggio precedentemente validato, consegnato online tramite Google Forms. I partecipanti sono stati reclutati tramite campionamento di convenienza pubblicando materiali di reclutamento senza una lista di contatto mirata. I materiali di reclutamento contenenti il link del sondaggio sono stati distribuiti tramite pubblicità elettroniche, email istituzionali e piattaforme di messaggistica online condivise con professionisti sanitari nelle scuole e ospedali sauditi. Pertanto, non è stato possibile calcolare un tasso di risposta formale.

La prima sezione del questionario raccoglieva informazioni demografiche, tra cui data di nascita, sesso, ruolo nel campo medico, specialità e—per i specializzandi—anno di formazione. La seconda sezione si è concentrata sull'esposizione precedente dei partecipanti all'IA. È stato chiesto loro se avessero ricevuto un'istruzione formale in IA (come corsi universitari o universitari). Questo punto era volutamente ampio e si basava sull'auto-interpretazione dei partecipanti di cosa costituisse un'educazione AI 'formale'. Ai partecipanti è stato inoltre chiesto di identificare le proprie fonti di esposizione all'IA.

Per valutare le percezioni e la comprensione dell'IA dei partecipanti, abbiamo utilizzato un sondaggio precedentemente validato, originariamente progettato per valutare l'impatto percepito dell'uso dell'IA in medicina tra gli studenti^{di medicina 8}. Il sondaggio includeva voci sull'influenza dell'IA in diverse specialità mediche. I partecipanti hanno inoltre valutato la loro comprensione percepita dei concetti fondamentali dell'IA, incluse le reti neurali convoluzionali (CNN), la validazione incrociata, le curve delle caratteristiche operative del ricevitore (ROC) e l'area sotto la curva (AUC). Questo approccio ci ha permesso di esplorare il divario tra l'interesse dei partecipanti per l'IA e il loro livello di preparazione formale.

Le risposte al sondaggio venivano registrate automaticamente all'interno di Google Forms ed esportate su Microsoft Excel per l'organizzazione dei dati. I dati sono stati esaminati per completezza prima dell'analisi statistica. I dataset de-identificati venivano criptati e memorizzati su un disco protetto da password accessibile solo ai membri del team di ricerca.

Analisi statistica
I partecipanti sono stati classificati come educatori medici, tirocinanti/specializzandi o specialisti/consulenti. Tutte le domande sulla scala di Likert venivano classificate come di accordo (d'accordo o fortemente d'accordo) o di non accordo (neutrali, in disaccordo o fortemente in disaccordo) per i confronti di gruppo.

La statistica descrittiva includeva la media e la deviazione standard delle variabili continue e delle frequenze con proporzioni per variabili categoriche. Le variabili demografiche tra i gruppi sono state confrontate utilizzando ANOVA per le variabili continue e test del Chi-quadrato per le variabili categoriche. Le risposte al sondaggio (di accordo o di non-accordo) dei gruppi sono state confrontate utilizzando modellazione di regressione logistica (con accordo o non accordo come risultato) con test post hoc. Tutti i test hanno applicato la correzione di Bonferroni per correggere i confronti multipli tra gruppi. Le associazioni sono state testate contro variabili continue (età) utilizzando la modellazione a regressione multipla lineare, e contro variabili categoriche (avendo o meno avuto una formazione formale in IA) utilizzando la regressione multipla logistica. Tutti i modelli di regressione controllavano l'età e il sesso dei partecipanti.

La multicollinearità è stata testata calcolando il fattore di inflazione della varianza (VIF) ed è risultata trascurabile in tutti i modelli. I residui del modello di regressione lineare sono stati confermati come normalmente distribuiti utilizzando il test di Kolmogorov–Smirnov. Le analisi statistiche sono state completate nella versione R 4.3.1, con tutta la modellazione che utilizzava il pacchetto statistico base, ad eccezione delle valutazioni di multicollinearità, che utilizzavano il pacchetto usdm. Tutti i test di significatività utilizzavano una soglia di α = 0,05. I risultati finali dei modelli venivano esportati e utilizzati per generare le analisi, le tabelle e le figure presentate nella sezione Risultati.

Results

Esempio
Questo sondaggio trasversale presenta confronti osservazionali tra gruppi di partecipanti naturali, coerenti con la natura esplorativa dello studio. Il campione comprendeva 229 partecipanti (60 educatori medici, 78 specializzandi/specializzandi e 91 specialisti/consulenti). I gruppi non differivano significativamente in termini di sesso (47,6% maschi, p=0,088 tra gruppi) né per aver ricevuto un'educazione formale IA (32,3% con addestramento, p=0,067 tra i grup...

Discussion

Per quanto ne sappiamo, questo è uno dei primi studi in Arabia Saudita a esaminare come gli educatori medici e i clinici in attività percepiscono l'IA. Il forte interesse segnalato si allinea con la più ampia adozione dell'IA nell'assistenza sanitaria, documentata sia in contesti clinici che^{educativi 18}. Questa tendenza è stata accolta positivamente dagli educatori medici, specialmente nel contesto dell'educazione medica, dove strumenti come ChatGPT sono stati ric...

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
Google Forms	Google LLC	N/A	Utilizzato per distribuire e raccogliere risposte per il sondaggio online
Microsoft Excel	Microsoft Corporation	N/A	Utilizzato per l'organizzazione e l'esportazione dei dati prima dell'analisi
PubMed Database	Biblioteca Nazionale di Medicina degli Stati Uniti	N/A	Utilizzato per la revisione della letteratura e il recupero di riferimenti
Questionario	Liu D, Sawyer J, Luna A, Aoun J, Wang J, Boachie L, Halabi S, Joe B Percezioni degli studenti di medicina statunitensi sull'intelligenza artificiale in medicina: Mixed Methods Survey Study JMIR Med Educ 2022; 8(4):e38325 URL: https://mededu.jmir.org/2022/4/e38325 DOI: 10.2196/38325	N/A	Questionario validato che valuta le percezioni dell'IA in medicina, adattato da uno studio precedentemente pubblicato su JMIR Medical Education (2022)
R (Software Statistico)	R Foundation for Statistical Computing	N/A	Utilizzato per analisi statistiche e visualizzazione dei dati