Percepties en blootstelling aan kunstmatige intelligentie onder medische docenten en clinici in Saoedi-Arabië beoordelen: een cross-sectionele studie

Summary

Deze cross-sectionele studie onderzocht de percepties van kunstmatige intelligentie onder medische docenten en clinici in Saoedi-Arabië. Hoewel er veel belangstelling was, was formele AI-training beperkt en was het gebruikelijk van informele bronnen, wat de potentiële noodzaak van gestructureerd AI-onderwijs benadrukte.

Abstract

Kunstmatige intelligentie (AI) transformeert de gezondheidszorg door vooruitgang in diagnostiek en besluitvorming, maar de meeste studies richten zich op de percepties van geneeskundestudenten, met beperkte aandacht voor medische docenten en praktiserende clinici. Het begrijpen van deze perspectieven is cruciaal voor het ontwikkelen van curricula die toekomstige artsen voorbereiden op AI-ondersteunde praktijk. Deze studie onderzocht het bewustzijn, de blootstelling en de waargenomen impact van medische docenten, stagiairs, arts-assistenten, specialisten en consultants in Saoedi-Arabië. Er werd een cross-sectioneel onderzoek uitgevoerd met behulp van een gevalideerde online enquête die werd verspreid naar verschillende Saoedische medische fakultities en ziekenhuizen. De enquête verzamelde demografische gegevens, eerdere AI-opleiding, zelfbeoordeelde AI-kennis en interesse in AI. De deelnemers beoordeelden ook hun vermogen om klinisch relevante AI-toepassingen op te sommen, beoordeelden de verwachte invloed van AI op verschillende specialismen en gaven aan of training in AI-concepten nuttig zou zijn. Groepsverschillen werden geanalyseerd met chi-kwadraattests, ANOVA en logistische regressie, waarbij leeftijd en geslacht gecontroleerd werden. Onder de 229 respondenten (60 medische opleiders, 78 stagiairs/arts-assistenten en 91 specialisten/consultants) gaven medische docenten vaker aan dat ze AI-voordelen konden opsommen (63,3% versus 38,5% en 39,6%) en ethische zorgen konden uiten over het gebruik van AI in de gezondheidszorg (76,6% versus 51,3% en 51,6%) vergeleken met de andere groepen. Slechts 32,3% gaf aan formele AI-opleiding te volgen, waarbij de meesten kennis opdoen via informele bronnen zoals de media. Radiologie en pathologie werden geïdentificeerd als de specialismen die het meest waarschijnlijk door AI zouden worden getransformeerd. Over het algemeen toonden de percepties van AI onder medische docenten en clinici een sterke interesse, maar beperkte formele opleiding. Ondanks enthousiasme in alle groepen vertrouwden de deelnemers op informele bronnen en misten ze basiskennis over AI. Deze bevindingen benadrukken het potentiële belang van het integreren van gestructureerde AI-educatie in medische curricula en opleidingsprogramma's voor de residentie ter ondersteuning van paraatheid voor AI-geïntegreerde klinische zorg.

Introduction

De term "kunstmatige intelligentie" (AI) werd voor het eerst geïntroduceerd op de Dartmouth Conference in 1956 en wordt nu wereldwijd beschouwd als een van de^{beste technologieën}. AI verwijst in brede zin naar technologieën die menselijke intelligentie² kunnen nabootsen en wordt gewoonlijk ingedeeld in vier domeinen: natuurlijke taalverwerking voor spraak- en tekstherkenning en -generatie; computer vision voor het interpreteren van beelden; machine learning gebaseerd op neurale netwerken; en kennisgebaseerde systemen die vertrouwen op semantische technologieën of cognitieve modellering³.

Een van de snelst evoluerende toepassingen van AI is in de gezondheidszorg. AI wordt beschreven als iemand met het potentieel om de gezondheidszorg te revolutioneren door integratie in de klinische praktijk⁴. Door de diagnostische nauwkeurigheid te verbeteren en behandelbeslissingen te optimaliseren, kan AI ook de manier waarop artsen zorg verlenen^{transformeren 5}. Om deze toepassingen effectief te implementeren, moeten zorgprofessionals beschikken over voldoende kennis en kennis van AI-technologieën. De succesvolle toepassing ervan is gedocumenteerd in meerdere specialismen, waaronder radiologie, pathologie, oogheelkunde, oncologie en tandheelkunde⁶. In het medisch onderwijs heeft AI ook leren ondersteund via virtuele patiëntsimulaties met als doel communicatie- en klinische vaardigheden te ontwikkelen⁷.

Verschillende studies hebben de percepties van geneeskundestudenten over AI in de gezondheidszorg en het onderwijs beoordeeld 5,8,9,10. Deze studies suggereren een groeiende interesse onder studenten, maar hebben ook onderwijskloofjes aan het licht gebracht. Echter, slechts één studie heeft specifiek de blootstelling van studenten aan formeel AI-onderwijs^{onderzocht 8}. Evenzo hebben meerdere studies de percepties van Saoedische praktiserende clinici van AI ^11,12,13,14 onderzocht, maar geen enkele heeft blootstelling aan formeel AI-onderwijs beoordeeld. Er blijft een opvallend gebrek aan onderzoek dat specifiek gericht is op medische docenten en hoe zij AI en de rol ervan in medische opleiding zien.

Om deze kloof te dichten, beoordeelde deze studie de huidige kennis, blootstelling, percepties en informatiebronnen met betrekking tot AI onder medische docenten en praktiserende clinici in Saoedi-Arabië, evenals hun opvattingen over de invloed ervan binnen medische specialismen. We hebben een cross-sectionele enquête uitgevoerd om deze domeinen binnen deze populatie te evalueren. De bevindingen kunnen toekomstige inspanningen sturen om AI-gerelateerde competenties te integreren in medische opleidingen en opleidingsprogramma's voor specialisaties 15,16,17. Voor zover wij weten is deze studie een van de eerste in Saoedi-Arabië die tegelijkertijd de blootstelling van medische docenten en praktiserende clinici aan formele AI-educatie onderzoekt, evenals hun percepties en zelfgerapporteerde kennis van AI.

Protocol

Studiemodellering
Ethische goedkeuring voor deze studie werd verkregen van de Institutional Review Board van King Abdulaziz University (referentienummer 500-23). In aanmerking komende deelnemers waren onder andere medische professionals van 18 jaar of ouder (medisch docenten, stagiairs, arts-assistenten, specialisten en consultants) die in Saoedi-Arabië werkzaam waren. Personen die geen medische afgestudeerden waren of niet actief praktiseerden, werden uitgesloten. Alle deelnemers gaven geïnformeerde toestemming voorafgaand aan de gegevensverzameling, en hun deelname was volledig vrijwillig. Op de eerste pagina van de enquête werd een elektronische verklaring van geïnformeerde toestemming gepresenteerd, en de deelnemers moesten toestemming aangeven voordat ze verder gingen. De deelnemers kregen te horen dat ze zich op elk moment vóór het indienen van de enquête konden terugtrekken zonder gevolgen. Om de vertrouwelijkheid te waarborgen werd geen persoonlijk identificeerbare informatie verzameld en werden alle verzamelde gegevens gedeïdentificeerd en veilig opgeslagen.

Hulpmiddelen voor gegevensverzameling
De gegevens werden verzameld via een eerder gevalideerde enquête die online via Google Forms werd afgeleverd. Deelnemers werden gerekruteerd via gemakssteekproeven door wervingsmateriaal te plaatsen zonder een gerichte outreach-lijst. De wervingsmaterialen met de enquêtelink werden verspreid via elektronische advertenties, institutionele e-mails en online berichtenplatforms die werden gedeeld met zorgprofessionals in Saoedische medische faculteiten en ziekenhuizen. Daarom kon er geen formele responsfrequentie worden berekend.

Het eerste deel van de vragenlijst verzamelde demografische informatie, waaronder geboortedatum, geslacht, rol in de medische sector, specialisme en—voor arts-assistenten—het opleidingsjaar. De tweede sectie richtte zich op de eerdere blootstelling van de deelnemers aan AI. Ze werden gevraagd of ze formeel onderwijs in AI hadden gevolgd (zoals college- of universiteitscursussen). Dit onderdeel was bewust breed en steunde op de zelfinterpretatie van de deelnemers over wat 'formele' AI-educatie uitmaakte. De deelnemers werden ook gevraagd hun bronnen van blootstelling aan AI te identificeren.

Om de percepties en het begrip van AI van deelnemers te beoordelen, gebruikten we een eerder gevalideerde enquête die oorspronkelijk was ontworpen om de waargenomen impact van AI-gebruik in de geneeskunde onder geneeskundestudenten^te evalueren. De enquête bevatte vragen over de invloed van AI op verschillende medische specialismen. De deelnemers beoordeelden ook hun zelfwaargenomen begrip van fundamentele AI-concepten, waaronder convolutionele neurale netwerken (CNN's), kruisvalidatie, receiver operating characteristic (ROC) curves en area under the curve (AUC). Deze aanpak stelde ons in staat de kloof te onderzoeken tussen de interesse van deelnemers in AI en hun niveau van formele paraatheid.

Enquête-antwoorden werden automatisch geregistreerd in Google Forms en geëxporteerd naar Microsoft Excel voor dataorganisatie. De gegevens werden gescreend op volledigheid voorafgaand aan de statistische analyse. Gedeidentificeerde datasets werden versleuteld en opgeslagen op een met wachtwoord beveiligde schijf die alleen toegankelijk was voor leden van het onderzoeksteam.

Statistische analyse
De deelnemers werden ingedeeld als medisch docenten, stagiairs/residenten, of specialisten/consultants. Alle vragen op Likert-schaal werden gecategoriseerd als ofwel overeenstemming (akkoord of sterk eens) of niet-akkoord (neutraal, oneens of sterk oneens) voor groepsvergelijkingen.

Descriptieve statistieken omvatten het gemiddelde en de standaarddeviatie van continue variabelen en frequenties met verhoudingen voor categorische variabelen. Demografische variabelen tussen groepen werden vergeleken met behulp van ANOVA voor continue variabelen en Chi-kwadraattesten voor categorische variabelen. De enquête-antwoorden (instemming of niet-overeenkomst) van de groepen werden vergeleken met logistische regressiemodellering (overeenkomst of niet-overeenstemming als uitkomst) met post hoc testen. Alle tests pasten de Bonferroni-correctie toe om te corrigeren voor meerdere vergelijkingen tussen groepen. Associaties werden getest op continue variabelen (leeftijd) met lineaire meervoudige regressiemodellering, en op categorische variabelen (met of zonder formele opleiding in AI) met behulp van logistische meervoudige regressie. Alle regressiemodellen controleerden op de leeftijd en het geslacht van de deelnemers.

Multicollineariteit werd getest door de variantie-inflatiefactor (VIF) te berekenen en bleek in alle modellen verwaarloosbaar. Residuen van lineaire regressiemodellen werden bevestigd als normaal verdeeld met behulp van de Kolmogorov–Smirnov-test. Statistische analyses werden uitgevoerd in R versie 4.3.1, waarbij alle modellering gebruikmaakte van het basisstatistiekpakket, behalve de multicollineariteitsbeoordelingen, die gebruikmaakten van het USDM-pakket. Alle significantietests gebruikten een drempel van α = 0,05. De definitieve modelresultaten werden geëxporteerd en gebruikt om de analyses, tabellen en figuren te genereren die in de sectie Resultaten worden gepresenteerd.

Results

Voorbeeld
Deze dwarsdoorsnede-enquête presenteert observatievergelijkingen tussen natuurlijk voorkomende deelnemersgroepen, in overeenstemming met het verkennende karakter van de studie. De steekproef bestond uit 229 deelnemers (60 medisch opvoeders, 78 stagiairs/arts-assistenten en 91 specialisten/consultants). De groepen verschilden niet significant in geslacht (47,6% man, p=0,088 tussen groepen) of het hebben gehad van een formele AI-opleiding (32,3% met training, ...

Discussion

Voor zover wij weten is dit een van de eerste studies in Saoedi-Arabië die onderzoekt hoe medische docenten en praktiserende clinici AI waarnemen. De sterke gerapporteerde interesse sluit aan bij de bredere adoptie van AI in de gezondheidszorg, wat zowel in klinische als educatieve^omgevingen is gedocumenteerd. Deze trend is positief ontvangen door medische docenten, vooral in de context van medisch onderwijs, waar tools zoals ChatGPT erkend worden om hun bruikbaar...

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
Google Forms	Google LLC	N/A	Wordt gebruikt voor het distribueren en verzamelen van antwoorden voor de online enquête
Microsoft Excel	Microsoft Corporation	N/A	Wordt gebruikt voor dataorganisatie en export voorafgaand aan analyse
PubMed Database	U.S. National Library of Medicine	N/A	Wordt gebruikt voor literatuuronderzoek en het ophalen van referenties
Vragenlijst	Liu D, Sawyer J, Luna A, Aoun J, Wang J, Boachie L, Halabi S, Joe B Percepties van Amerikaanse medische studenten over kunstmatige intelligentie in de geneeskunde: Mixed Methods Enquêtestudie JMIR Med Educ 2022;8(4):e38325 URL: https://mededu.jmir.org/2022/4/e38325 DOI: 10.2196/38325	N/A	Gevalde vragenlijst die de percepties van AI in de geneeskunde beoordeelt, aangepast van een eerder gepubliceerd onderzoek in JMIR Medical Education (2022)
R (Statistisch Software)	R Foundation for Statistical Computing	N/A	Wordt gebruikt voor statistische analyse en datavisualisatie