生成式人工智能对医学生临床技能和知识获取的影响：一项系统评价和元分析

时间：2026年5月21日

来源：BMC Medical Education

编辑推荐：

摘要背景目前，越来越多的研究正在探讨生成式人工智能（GenAI）在医学本科生教育中的作用。然而，这些研究的结果存在相当大的差异性。因此，本综述旨在系统地评估GenAI工具在提高医学生的基础知识与临床技能方面的有效性，以与传统教学方法进行比较。方法系统地检索了11个在线数据库（例如

摘要

背景

目前，越来越多的研究正在探讨生成式人工智能（GenAI）在医学本科生教育中的作用。然而，这些研究的结果存在相当大的差异性。因此，本综述旨在系统地评估GenAI工具在提高医学生的基础知识与临床技能方面的有效性，以与传统教学方法进行比较。

方法

系统地检索了11个在线数据库（例如Medline、Embase、CINAHL、APA PsycArticle、APA PsycInfo、ERIC、Scopus、CNKI、WanFang Database、VIP和SinoMed），检索时间从研究开始直至2025年10月30日，并更新至2026年4月24日。使用Cochrane偏倚风险工具（ROB 2）和医学教育研究质量工具（MERSQI）进行了风险评估。数据分析使用RevMan 5.3和Stata 15.0软件完成。总体效应通过固定效应模型或随机效应模型进行估计。证据质量评估采用了推荐、评估、发展和评价（GRADE）框架。

结果

这项系统综述和荟萃分析包括了31项研究，涉及2615名医学生。研究发现，GenAI组与对照组在医学知识考试成绩上没有显著差异（效应量较小：n = 1592，P = 0.22，I² = 92%，SMD = 0.22，95%CI：-0.13至0.56，14项研究，随机效应模型）。然而，护理专业学生在使用GenAI后表现出显著提升（效应量中等：n = 205，P = 0.0002，I² = 76%，SMD = 1.11，95%CI：0.54至1.69，随机效应模型）。与传统教学方法相比，GenAI并未显著提高医学生的临床技能（效应量较小：n = 726，P = 0.18，I² = 88%，SMD = 0.27，95%CI：-0.13至0.66，随机效应模型）。通过留一法敏感性分析发现，一项关于精细运动临床技能的研究对结果有显著影响；即当排除该研究后，结果变得具有统计学意义（P = 0.03）。由于方法学质量较差以及结果不一致性，主要结局（医学生的基础知识与临床技能）的证据质量被降级为低水平，而其他证据的质量被评为非常低。

结论

GenAI的教育效益取决于具体情境和领域。其优势主要体现在认知临床技能、学术写作和护理教育方面，而在精细操作技能方面，其与高保真视频教学的比较结果尚不确定。这些发现支持采用差异化整合策略，而非统一采用GenAI。未来仍需要高质量、多中心、大样本和长期的随机对照试验（RCT），以充分验证其对医学生知识获取、临床技能和学术写作表现的影响。