《Journal of Medical Imaging and Radiation Sciences》：Awareness, perceptions, and educational preferences for AI among radiography students: A cross sectional survey
编辑推荐：
背景：人工智能（AI）在放射学领域日益重要。然而，放射学专业的本科生通常对AI原理接触有限，对其能力和局限性的理解也不全面。本研究评估了放射学学生对AI的自我报告熟悉度、对其在医学影像中作用的看法以及教育偏好。方法：于2024年3月至8月在约旦的一个单一机构开
背景：人工智能（AI）在放射学领域日益重要。然而，放射学专业的本科生通常对AI原理接触有限，对其能力和局限性的理解也不全面。本研究评估了放射学学生对AI的自我报告熟悉度、对其在医学影像中作用的看法以及教育偏好。方法：于2024年3月至8月在约旦的一个单一机构开展了一项描述性横断面调查。研究人员向参加定期教学课程的学生发放了基于先前已发表调查改编的自填式纸质问卷，并在现场完成。使用频数和百分比对回答进行描述性分析。结果：在接触的217名学生中，180人参与（应答率82.9%）。仅有46.1%的受访者报告对AI具有良好的熟悉度。大多数学生认为AI在医学影像中有用，并支持将其纳入大学培训。然而，当AI输出与人类判断冲突时，60.0%的学生表示会寻求专家意见，这反映出对AI辅助决策持谨慎态度。结论：放射学学生对AI持积极态度并强烈支持课程整合，同时对常规依赖AI进行决策持谨慎态度。提供实践接触、明确适当使用案例并强调人类监督的结构化教育活动，有助于学生在未来实践中安全有效地使用AI。
**论文解读文章**
**研究背景、存在问题与研究意义**
随着人工智能（AI）在医疗领域的广泛应用，其在放射学中的角色日益凸显，已用于图像判读、病变检测、协议优化等工作流优化。然而，放射学专业本科生对AI原理、能力及局限性的了解通常有限，且早期对AI的认知和期望多形成于本科阶段。现有国际研究显示，放射技师对AI的认知水平不一，正式培训机会匮乏，且针对放射学学生的结构化AI教育资源稀缺。尤其在中东及阿拉伯教育背景下，针对放射学学生的机构层面证据不足，缺乏描述学生对AI熟悉度、看法及教育偏好的本地化数据。为此，研究人员在约旦哈希姆大学开展了这项横断面调查，旨在评估放射学学生对AI的自我报告熟悉度、对其在医学影像中作用的看法、信息来源以及教育偏好，以期为课程开发和教育规划提供参考。论文发表在《Journal of Medical Imaging and Radiation Sciences》。
**主要关键技术方法**
本研究采用描述性横断面调查设计，于2024年3月至8月在约旦哈希姆大学单一机构进行。研究人员使用改编自先前已发表调查问卷的结构化自填式纸质问卷，在课堂教学前后向在册的放射学专业本科生发放。问卷包含14个条目，涵盖四个领域：人口统计学、AI熟悉度（Likert量表）、教育与培训（是否题）、以及对AI在放射学中作用和决策的看法（Likert量表与多选题）。问卷经高级学术人员审核以保证表面效度和内容效度，但未进行正式心理测量学验证。共接触217名学生，获得180份有效问卷（应答率82.9%）。数据分析采用IBM SPSS Statistics 20.0，以频数和百分比进行描述性统计，未进行推断性检验或亚组比较。
**研究结果**
- **参与者人口统计学特征**：180名参与者中，79.4%年龄在18–22岁，48.3%为四年级学生，31.1%为三年级学生，其余年级分布较少。
- **对人工智能（AI）的熟悉度**：46.1%的学生同意自己对AI具有良好熟悉度，53.9%不同意。76.6%同意AI在放射学中有用，78.3%不同意AI的诊断能力优于医生临床经验，70.6%不同意未来总会使用AI做决策。
- **AI在教育与大学实践中的应用**：66.7%认为AI应成为大学培训的一部分，36.7%报告对AI技术有先前知识，55.0%偏好接受AI培训，70.6%认为AI有能力革新放射学。
- **AI信息来源与感知作用**：64.4%的学生主要从互联网和媒体获取AI信息；关于AI在实践中可能扮演的角色，50.0%认为AI会在特定病例中指导决策，47.2%认为其能弥补人类认知局限，18.3%认为支持循证决策，14.4%认为无帮助，7.2%认为会取代医生判断。
- **AI诊断能力评估与冲突解决**：33.3%认为AI诊断能力低于临床经验，27.2%认为不优于，14.4%认为相当，18.3%认为优于，6.7%认为高度优于。当自身判断与AI建议冲突时，60.0%的学生表示会寻求专家临床意见，16.7%依赖自身判断，8.9%咨询另一AI系统，8.3%让患者决定，6.1%遵循AI推荐。
**讨论总结与结论翻译**
讨论部分指出，放射学学生对AI持有普遍积极态度，但同时对其在日常临床决策中的常规使用持明确保留。学生将AI视为支持性工具而非专业判断的替代，倾向于在不确定时寻求专家监督。这种谨慎模式可能源于有限的正式AI接触以及对AI性能的不确定性。研究强调了结构化本科AI教育的必要性，包括技术基础、伦理、治理和人类监督等内容的早期纵向整合。学生偏好实践案例、有指导的图像判读反馈和针对性技能发展。结论部分翻译如下：在这项单一机构研究中，尽管放射学学生自我报告对AI技术的先前接触有限，但他们普遍对AI持积极态度并支持其纳入大学培训。当AI建议与人类判断冲突时，学生偏好专家监督，这表明AI被视为支持性工具而非专业决策的替代。综合考虑，有限的先前接触、对AI特定培训的中等兴趣以及对课程纳入的强烈支持，表明存在明显的教育差距，可通过结构化本科AI教育加以解决。鉴于单中心设计，未来研究应纳入多机构样本并使用经过验证的调查工具，以增强可推广性和测量稳健性。
