Оценка восприятия и взаимодействия с искусственным интеллектом среди медицинских педагогов и клиницистов в Саудовской Аравии: поперечное исследование

Summary

Это поперечное исследование изучало восприятие искусственного интеллекта среди медицинских педагогов и клиницистов в Саудовской Аравии. Хотя сообщалось о сильном интересе, формальное обучение ИИ было ограниченным, а опора на неформальные источники была обычной практикой, что подчёркивало потенциальную необходимость структурированного образования по ИИ.

Abstract

Искусственный интеллект (ИИ) трансформирует здравоохранение благодаря достижениям в диагностике и принятии решений, однако большинство исследований сосредоточены на восприятии студентов-медиков, уделяя ограниченное внимание медицинским педагогам и практикующим клиницистам. Понимание этих точек зрения крайне важно для разработки учебных программ, готовящих будущих врачей к практике с использованием ИИ. В этом исследовании изучались осведомлённость об ИИ, его воздействие и воспринимаемое влияние медицинских педагогов, интернов, ординаторов, специалистов и консультантов в Саудовской Аравии. Было проведено поперечное исследование с использованием валидированного онлайн-опроса, распространённого в нескольких саудовских медицинских школах и больницах. Опрос собрал демографические данные, предыдущее образование в области ИИ, самооценочные знания и интерес к ИИ. Участники также оценили свою способность перечислять клинически значимые приложения ИИ, оценили ожидаемое влияние ИИ на различные специальности и указали, будет ли обучение концепциям ИИ полезным. Групповые различия анализировались с помощью тестов хи-квадрата, ANOVA и логистической регрессии, учитывая возраст и пол. Среди 229 респондентов (60 медицинских педагогов, 78 интернов/ординаторов и 91 специалист/консультант) медицинские педагоги чаще сообщали о возможности указывать преимущества ИИ (63,3% против 38,5% и 39,6%) и выражали этические опасения по поводу использования ИИ в здравоохранении (76,6% против 51,3% и 51,6%) по сравнению с другими группами. Только 32,3% сообщили о получении формального образования в области ИИ, при этом большинство получали знания через неформальные источники, такие как СМИ. Радиология и патология были определены как специальности, наиболее вероятные для трансформации ИИ. В целом, восприятие ИИ среди медицинских педагогов и клиницистов выявило высокий интерес, но ограниченное формальное обучение. Несмотря на энтузиазм во всех группах, участники опирались на неформальные источники и не обладали базовыми знаниями об ИИ. Эти результаты подчёркивают потенциальную важность внедрения структурированного ИИ образования в медицинские учебные программы и ординатуру для поддержки готовности к клинической помощи, интегрированной с ИИ.

Introduction

Термин «искусственный интеллект» (ИИ) впервые был введён на конференции в Дартмуте в 1956 году и сейчас признан во всём мире одним из ведущих^{технологических 1}. ИИ в широком смысле относится к технологиям, способным имитировать человеческий^{интеллект 2} и обычно делится на четыре области: обработка естественного языка для распознавания и генерации речи и текста; компьютерное зрение для интерпретации изображений; машинное обучение на основе нейронных сетей; и системы, основанные на знаниях, основанные на семантических технологиях или когнитивном^{моделировании 3}.

Одно из самых быстро развивающихся применений ИИ — это здравоохранение. ИИ описывается как способный революционизировать здравоохранение через интеграцию в клиническую^{практику 4}. Повышая точность диагностики и оптимизируя решения по лечению, ИИ также может изменить способ оказания врачами^{медицинской помощи.} Для эффективной реализации этих приложений медицинские работники должны обладать достаточными знаниями и осведомлением о технологиях ИИ. Его успешное применение задокументировано в различных областях, включая радиологию, патологию, офтальмологию, онкологию и^{стоматологию 6}. В медицинском образовании ИИ также поддерживает обучение через виртуальные симуляции пациентов с целью развития коммуникативных и клинических^{навыков 7}.

Несколько исследований оценивали восприятие ИИ студентами-медиками в здравоохранении и^{образовании 5,8,9,10}. Эти исследования свидетельствуют о растущем интересе среди учащихся, но также выявили образовательные пробелы. Однако только одно исследование специально изучало знакомство студентов с формальным образованием в области^{ИИ 8}. Аналогично, многочисленные исследования изучали восприятие саудовскими практикующими клиницистами^ИИ 11,12,13,14, но ни одно из них не оценивало воздействие формального образования в области ИИ. По-прежнему заметно не хватает исследований, специально посвящённых медицинским педагогам и их восприятию ИИ и его роли в медицинском образовании.

Чтобы восполнить этот пробел, в исследовании были оценены текущие знания, опыт, восприятие и источники информации, связанные с ИИ, среди медицинских педагогов и практикующих клиницистов Саудовской Аравии, а также их взгляды на его влияние на медицинские специализации. Мы провели поперечное обследование для оценки этих доменов внутри этой популяции. Результаты могут помочь направить будущие усилия по интеграции компетенций, связанных с ИИ, в медицинское образование и программы ординатуры^{15, 16, 17}. Насколько нам известно, данное исследование является одним из первых в Саудовской Аравии, которое одновременно изучает знакомство медицинских педагогов и практикующих клиницистов с формальным образованием в области ИИ, а также их восприятие и самооценочные знания об ИИ.

Protocol

Моделирование исследования
Этическое одобрение для этого исследования было получено Институциональным обзорным советом Университета короля Абдул-Азиза (номер справки 500-23). Среди допустимых участников были медицинские специалисты в возрасте 18 лет и старше (медицинские педагоги, интерны, ординаторы, специалисты и консультанты), практикующие в Саудовской Аравии. Лица, не имевшие медицинского образования или не практиковавшие активную практику, были исключены. Все участники дали информированное согласие до начала сбора данных, и их участие было полностью добровольным. На первой странице опроса представлялось электронное заявление о информированном согласии, и участники должны были дать согласие перед продолжением. Участникам сообщили, что они могут отказаться в любое время до подачи опроса без последствий. Для сохранения конфиденциальности не собиралась персональная информация, а все собранные данные были деидентификационированы и хранятся в безопасности.

Инструменты сбора данных
Данные были собраны с помощью ранее валидированного опроса, предоставленного онлайн через Google Forms. Участников привлекали через удобный выборочный отбор, публикуя материалы для рекрутинга без целенаправленного списка для взаимодействия. Материалы для набора, содержащие ссылку на опрос, распространялись через электронную рекламу, институциональные электронные письма и онлайн-платформы для обмена сообщениями, которые передавались медицинским специалистам в медицинских школах и больницах Саудовской Аравии. Таким образом, формальная скорость отклика не могла быть рассчитана.

Первый раздел анкеты собирал демографическую информацию, включая дату рождения, пол, роль в медицинской сфере, специальность и — для ординаторов — год обучения. Второй раздел был посвящён предыдущему контакту участников с ИИ. Их спросили, получили ли они формальное образование в области ИИ (например, курсы в колледжах или университетах). Этот пункт был намеренно широким и основывался на самоинтерпретации участниками того, что считается «формальным» образованием в области ИИ. Участников также попросили определить источники воздействия ИИ.

Для оценки восприятия и понимания ИИ участниками мы использовали ранее проверенный опрос, изначально предназначенный для оценки воспринимаемого влияния использования ИИ в медицине среди^{студентов-медиков 8}. В опросе были включены материалы о влиянии ИИ на различные медицинские специальности. Участники также оценили своё самовосприятие базовых концепций ИИ, включая сверточные нейронные сети (CNN), кросс-валидацию, кривые операционной характеристики приёмника (ROC) и область под кривой (AUC). Такой подход позволил нам исследовать разрыв между интересом участников к ИИ и их уровнем формальной готовности.

Ответы на опросы автоматически регистрировались в Google Forms и экспортировались в Microsoft Excel для организации данных. Данные были проверены на полноту перед статистическим анализом. Деидентифицированные наборы данных шифровались и хранились на диске, защищённом паролем, который был доступен только членам исследовательской группы.

Статистический анализ
Участники были отнесены к медицинским педагогам, интернам/ординаторам или специалистам/консультантам. Все вопросы по шкале Ликерта классифицировались как либо согласие (согласен или полностью согласен), либо несогласие (нейтральный, не согласен или решительно не согласен) для сравнений групп.

Описательная статистика включала среднее и стандартное отклонение непрерывных переменных и частот с пропорциями для категориальных переменных. Демографические переменные по группам сравнивались с помощью ANOVA для непрерывных переменных и тестирования хи-квадрата для категориальных переменных. Ответы опроса (согласованные или несогласные) групп сравнивались с использованием логистического регрессионного моделирования (согласие или несогласие как результат) с пост-хок тестированием. Все испытания применяли коррекцию Бонферрони для корректировки множественных сравнений между группами. Ассоциации тестировались на непрерывных переменных (возраст) с использованием линейного множественного регрессионного моделирования и с категориальными переменными (имевшими или не имевшими формального образования в области ИИ) с использованием логистической множественной регрессии. Все регрессионные модели учитывали возраст и пол участников.

Мультиколлинеарность была проверена путём вычисления коэффициента инфляции дисперсии (VIF) и оказалась незначительной во всех моделях. Остатки линейной регрессионной модели были подтверждены как нормально распределены с помощью теста Колмогорова–Смирнова. Статистический анализ был проведён в версии R 4.3.1, при этом все моделирование использовалось с использованием базового пакета статистики, за исключением мультиколлинеарных оценок, которые использовали пакет usdm. Все тесты значимости использовали порог α = 0,05. Итоговые результаты модели экспортировались и использовались для генерации анализов, таблиц и цифр, представленных в разделе «Результаты».

Results

Образец
Этот перекресточный опрос представляет наблюдательные сравнения между естественно встречающимися группами участников, что соответствует исследовательскому характеру исследования. Выборка включала 229 участников (60 медицинских педагогов, 78 интернов/ординаторов и 91 специалист/консультант). Группы не отличались существенно по полу (47,6% мужчин, p=0,088 между группами) или по формальному образованию в области ИИ (32,3% с обучением, p=0,067 между группами). Инт...

Discussion

Насколько нам известно, это одно из первых исследований в Саудовской Аравии, изучающее, как медицинские педагоги и практикующие клиницисты воспринимают ИИ. Сильный интерес соответствует более широкому внедрению ИИ в здравоохранении, что было задокументировано как в клинических, так и в^{образовательных условиях 18}. Эта тенденция получила положительное признание среди медицинских педагогов, особенно в контексте медицинского образования, где такие инструменты, как Cha...

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
Google Forms	Google LLC	Н/Д	Используется для распространения и сбора ответов на онлайн-опрос
Microsoft Excel	Microsoft Corporation	Н/Д	Используется для организации и экспорта данных перед анализом
База данных PubMed	Национальная медицинская библиотека США	Н/Д	Используется для обзора литературы и поиска ссылок
Анкета	Лю Д, Сойер Дж., Луна А., Аун Дж., Ванг Дж., Боачи Л., Халаби С., Джо Б<бр/> Восприятие американских студентов-медиков искусственного интеллекта в медицине: исследование с использованием смешанных методов<бр/> JMIR Med Educ 2022; 8(4):e38325 URL: https://mededu.jmir.org/2022/4/e38325 DOI: 10.2196/38325	Н/Д	Валидированный опросник оценки восприятия ИИ в медицине, адаптированный из ранее опубликованного исследования в JMIR Medical Education (2022)
R (статистическое программное обеспечение)	R Foundation для статистических вычислений	Н/Д	Используется для статистического анализа и визуализации данных