背景(Background)：人工智能(AI)日益融入医疗服务，影响临床实践、医学教育与科研。尽管技术快速发展，关于各培训阶段医学受训者对AI的认知、使用准备度及负责任整合所需的教育、伦理与系统层面条件的实证依据仍有限。目的(Objective)：本研究旨在调查阿拉伯联合酋长国(UAE)医学及牙科受训者关于医疗AI的知识、态度、真实体验及教育需求，重点关注信任(trust)、工作流整合(workflow integration)、人类监督(human oversight)及机构治理(institutional governance)。方法(Methods)：采用解释性序贯混合方法设计(explanatory sequential mixed-methods design)。向UAE本科及研究生医学与牙科受训者发放结构化在线问卷调查(n=154)，定量数据行描述性分析；对目的性子样本进行半结构化访谈(n=16)，采用Braun和Clarke框架行归纳反思性主题分析(inductive reflexive thematic analysis)；开放式问卷回答用于三角互证(triangulation)，并通过联合展示(joint display)整合定量结果与定性主题。结果(Results)：问卷调查(n=154)显示受训者对AI应用有中等程度认知、正式AI培训有限且强烈支持结构化AI教育。定性访谈(n=16)提炼出四大主题：(1)感知价值与AI常态化；(2)AI作为临床支持与工作流优化工具；(3)信任、信心与人类监督；(4)伦理、教育及系统层面先决条件。受训者视AI为学习与科研的辅助省时工具，对高利害临床决策持情境依赖型信任(context-dependent trust)，强调常规验证、人类判断及对准确性、偏倚(bias)、数据安全、问责(accountability)和保留医患共情的关注。结论(Conclusion)：受训者认可AI变革潜力，但强调需纵向、具临床相关性的教育，健全伦理治理、机构支持及持续人类监督。这些发现提示，为未来医师备战AI赋能医疗，需采取以人为中心(human-centered)、伦理立足且系统就绪之路径，统筹教育、工作流整合与治理。
论文解读：《Preparing tomorrow's physicians for AI-driven healthcare: insights from a study on medical students', interns', and residents' knowledge, attitudes, and educational needs》
一、研究背景与立题依据
人工智能（Artificial Intelligence, AI）已在疾病诊断、影像分析、工作流优化及医学教育中展现出变革性潜力，有助于减轻临床文书负担并使医师将更多时间投入以患者为中心的照护。然而现有医学教育课程系统性整合AI培训滞后，受训者多通过非正式途径接触AI，存在AI素养（AI literacy）缺口及恰当使用上的不确定性。既往文献多为概念性综述或能力框架提议，缺乏基于受训者真实体验的实证证据；且多聚焦医学生，较少关注处于高压力临床环境中的实习医生（interns）与住院医师（residents）。此外既有研究多源于西方语境，对中东地区（如阿联酋/UAE）医疗体系下受训者视角的混合方法（mixed-methods）研究尤为匮乏。因此，研究人员开展此项解释性序贯混合方法研究，以明确UAE医学及牙科受训者对医疗AI的知识水平、态度、实际使用经验及教育需求，并探讨机构治理与系统因素对AI整合准备度的影响。该研究发表于《Frontiers in Medicine》。
二、主要关键技术方法概述
研究人员在阿联酋多所教学医院及医学院校采用解释性序贯混合方法设计（explanatory sequential mixed-methods design）：先通过REDCap向2151名医学/牙科受训者（含医学生、实习医生、住院医师）发放经专家内容效度检验的结构化自评问卷（n=154返卷，响应率约7.0%），评估自我报告AI知识等级、医疗AI应用知晓度、使用准备度（preparedness）、隐私意识及培训需求，行描述性统计分析；再对问卷中表明愿参与者行最大差异抽样（maximum variation sampling），对16人做半结构化访谈（semi-structured interviews），采用Braun & Clarke六步框架行归纳反思性主题分析（inductive reflexive thematic analysis），并将开放式问卷回答导入NVivo与访谈转录本同框架编码以三角互证（triangulation），最终通过联合展示（joint display）整合量化趋势与质性主题。
三、研究结果
Participant characteristics（受试者特征）
调查样本n=154，含医学生(n=17)、实习医生(n=11)、住院医师(n=126)，女性占72.1%，来自阿联酋多酋长国机构。访谈子样本n=16（住院医师10人、实习医生4人、医学生2人）。
Knowledge and awareness of artificial intelligence（AI知识与认知）
87.0%受训者能正确定义AI；63.6%自评为基础（Basic）使用经验，仅2.0%达高级。51.9%知晓医疗中AI应用（实习医生72.7%、医学生70.6%高于住院医师47.6%）。最受认可的应用为疾病诊断（44.2%）与文书自动化（43.5%）。仅0.6%认为AI会完全取代医生。结论：概念理解良好但医疗场景AI应用知晓不均，低年级受训者自报告知晓率更高。
Perceived preparedness for AI use（感知使用准备度）
61.0%感自觉准备好使用AI（实习医生81.8%最高），23.4%不确定。70.1%未接受过任何AI培训，仅12.3%接受过正式培训。43.5%希望AI课为必修，32.5%首选工作坊（workshop），27.6%选模拟训练（simulation）；最感兴趣主题为临床用例（clinical use cases, 34.2%）与AI工具评估（evaluating AI tools, 26.2%）。结论：正式AI教育缺失，受训者强烈要求结构化、以应用为导向的必修/工作坊式课程。
Trainee attitude toward AI in healthcare（对医疗AI的态度）
76%~82%同意AI可提升诊断准确性且应纳入医学教育；78.9%~90.9%认同"AI不能替代人类共情（empathy）"；69.8%承认AI引发重要伦理关切；约22%住院医师担忧影响职业安全。84.9%表示有兴趣深入学习AI。结论：总体态度积极且认可人文边界，但对伦理风险与职业影响存在不确定。
AI use and clinical exposure（AI使用与临床接触）
AI高频用于学术任务——生成解释（residents 68.6%有时/经常）、总结文献（residents 63.7%）、生成多选题（MCQs）及学术写作；临床决策支持系统（Clinical Decision Support Systems, CDSS）使用少（33.9%住院医师及41.2%医学生从未使用），放射/诊断AI工具临床轮转中暴露有限。结论：AI于学术场景已常态化，但临床环境整合与暴露不足。
Privacy and data sharing（隐私与数据共享）
81.8%~88.2%识别患者ID、姓名不可分享，但仅约52.9%~63.6%认识到临床笔记（clinical notes）为敏感信息，32.5%~41.2%识别影像元数据风险；9.5%~11.8%误选"以上均不可共享"即无禁忌。结论：直接标识符意识强，对间接标识符（indirect identifiers）及数据治理认知薄弱。
Main theme 1: perceived value and normalization of AI（主题一：感知价值与AI常态化）
受训者视AI为提效减负、节省时间的变革工具，日常用于学习、总结、出题备考及辅助文献检索/学术写作，但坚持人工复核（cognitive offloading with verification）。
Main theme 2: AI as a tool for clinical support and workflow optimization（主题二：AI作为临床支持与工作流优化工具）
认为AI宜用于辅助心电/影像判读、分诊（triage）、早预警及自动化病历书写以减轻行政负担，使医师专注患者，而非取代临床判断。
Main theme 3: trust, confidence, and human oversight（主题三：信任、信心与人类监督）
呈现情境依赖型信任（context-dependent trust）——学术低利害任务高度信任，高利害临床决策存疑并要求常规交叉核对。一致认为AI为辅助非自主决策者，最终诊疗责任归医师。
Main theme 4: ethical, educational, and system-level preconditions（主题四：伦理、教育及系统层面先决条件）
关注保密性、算法偏倚（algorithmic bias）、透明度（explainability）及责任归属（liability）；指出现行课程缺正式AI教学，呼吁带实操的工作坊、伦理与批判性评估（critical appraisal）训练；提出采纳障碍含资源受限、时间压力、机构政策限制及患者信任顾虑，期望机构提供经认证的安全AI工具。
四、讨论与结论翻译
讨论整合指出：受训者普遍使用AI却缺正规培训，学术使用已内化而临床使用谨慎；信任呈任务依赖性；感知准备度多源自非正式经验而非系统能力构建；伦理认知部分限于直接标识；制度须提供经验证工具与治理框架。上述发现呼应国际文献，具中东语境独特性。
结论（Conclusion）翻译：
本混合方法研究提供了阿联酋医学及牙科受训者如何认知与接触医疗AI的探索性、情境特异性见解。受训者报告广泛（尤于学术目地）使用AI，并对结构化教育表现出强烈兴趣。同时结果表明，正式培训存在重要缺口，准备度参差不齐，对伦理及数据相关考量理解尚不完全。受训者对AI持情境依赖型信任，强调其作为辅助工具而非临床判断替代品之角色。这些发现提示，将AI有效整合入医学教育可受益于在机构与治理体系框架内，采取纵向、具临床相关性及伦理立足之路径。虽属探索性质，本研究提供初步实证依据，可为旨在提升受训者对AI赋能医疗准备度之后续研究与课程开发提供参考。
打赏
