جلد 28، شماره 1 - ( 3-1404 )
جلد 28 شماره 1 صفحات 55-40 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Moallem E, Ghavami V, Moghri J, Marvi A, Najafi M, Tabatabaee S S. Medical Students’ Attitudes towards Artificial Intelligence and Educational Needs: A Cross-sectional Study. jha 2025; 28 (1) :40-55
URL: http://jha.iums.ac.ir/article-1-4660-fa.html
URL: http://jha.iums.ac.ir/article-1-4660-fa.html
معلم احسان، قوامی وحید، مقری جواد، مروی ابوالفضل، نجفی محبوبه، طباطبایی سید سعید. نگرش دانشجویان پزشکی نسبت به هوش مصنوعی و نیازهای آموزشی: یک مطالعه مقطعی. فصلنامه مدیریت سلامت. 1404; 28 (1) :40-55
احسان معلم1 
، وحید قوامی2 ، جواد مقری3 ، ابوالفضل مروی1 ، محبوبه نجفی4 ، سید سعید طباطبایی5
، وحید قوامی2 ، جواد مقری3 ، ابوالفضل مروی1 ، محبوبه نجفی4 ، سید سعید طباطبایی5
1- کمیته تحقیقات دانشجویی، دانشگاه علوم پزشکی مشهد، مشهد، ایران.
2- گروه آمار زیستی، دانشکده بهداشت، دانشگاه علوم پزشکی مشهد، مشهد، ایران.
3- گروه علوم مدیریت و اقتصاد سلامت، دانشکده بهداشت، دانشگاه علوم پزشکی مشهد، مشهد، ایران. و مرکز تحقیقات عوامل اجتماعی موثر بر سلامت، دانشگاه علوم پزشکی مشهد، مشهد، ایران.
4- گروه بهداشت عمومی، دانشکده بهداشت، دانشگاه علوم پزشکی تربت حیدریه، تربت حیدریه، ایران.
5- گروه علوم مدیریت و اقتصاد سلامت، دانشکده بهداشت، دانشگاه علوم پزشکی مشهد، مشهد، ایران. & مرکز تحقیقات عوامل اجتماعی موثر بر سلامت، دانشگاه علوم پزشکی مشهد، مشهد، ایران. ،tabatabaees@mums.ac.ir
2- گروه آمار زیستی، دانشکده بهداشت، دانشگاه علوم پزشکی مشهد، مشهد، ایران.
3- گروه علوم مدیریت و اقتصاد سلامت، دانشکده بهداشت، دانشگاه علوم پزشکی مشهد، مشهد، ایران. و مرکز تحقیقات عوامل اجتماعی موثر بر سلامت، دانشگاه علوم پزشکی مشهد، مشهد، ایران.
4- گروه بهداشت عمومی، دانشکده بهداشت، دانشگاه علوم پزشکی تربت حیدریه، تربت حیدریه، ایران.
5- گروه علوم مدیریت و اقتصاد سلامت، دانشکده بهداشت، دانشگاه علوم پزشکی مشهد، مشهد، ایران. & مرکز تحقیقات عوامل اجتماعی موثر بر سلامت، دانشگاه علوم پزشکی مشهد، مشهد، ایران. ،
متن کامل [PDF 1090 kb]
(1314 دریافت)
| چکیده (HTML) (2739 مشاهده)
از هوش مصنوعی بهعنوان انقلابیترین فناوری قرن بیستویکم یاد میشود [1]. امروزه، این فناوری در مراقبتهای سلامت مورد استفاده قرار میگیرد و این قابلیت را دارد که مراقبتهای بالینی را متحول سازد [2]. مطالعه منتشر شده در نشریه نیچر (Nature) نشان داد که هوش مصنوعی در کشف سرطان پستان در ماموگرافی نسبت به رادیولوژیستها بهتر عمل میکند [3]. سایر پژوهشها دلالت بر این دارند که هوش مصنوعی به کاهش خطاهای تشخیصی و درمانی کمک میکند [4] و در کاهش بار کاری کارکنان، کاهش هزینهها و بهبود کیفیت زندگی بیماران تاثیرگذار است [1]. هر تحولی در کنار منافع و مزایای گسترده، بهندرت بدون عوارض است. در زمینه هوش مصنوعی نیز چالشهایی از جمله لطمه به محرمانگی و امنیت دادههای سلامت، مخدوش شدن رابطه بین بیمار و پزشک و افزایش بیکاری پزشکان مطرح است [1,5,6]. بنابراین، پزشکان باید با بهرهگیری از مزیتهای هوش مصنوعی، رویکردهای مناسبی را در پاسخ به چالشها و مخاطرات آن در پیشگیرند [7]؛ بااینحال، شواهد نشان میدهد نظام کنونی آموزش پزشکی پزشکان آینده را برای انقلاب هوش مصنوعی در مراقبتهای سلامت آماده نمیکند [8] و بهروزرسانی برنامه درسی و آموزشی پزشکی ضروری است [6,9,10]. ازاینرو، انجمن پزشکی جهانی و کمیته دائمی پزشکان اروپایی از بازنگری برنامههای درسی پزشکی و گنجاندن هوش مصنوعی و کاربردهای آن در مراقبتهای سلامت در آموزش پزشکی، آموزش دوره دستیاری و دورههای آموزش مداوم پزشکی حمایت میکنند [6].
برای توسعه برنامههای درسی کارآمد هوش مصنوعی، بررسی نگرش دانشجویان پزشکی نسبت به نقش هوش مصنوعی در پزشکی و مزایا و مخاطرات آن اولین گام مهم است [11]. بههمین منظور مطالعاتی در کشورهای آمریکا [12-14]، انگلیس [15]، استرالیا [16] ترکیه [6]، عراق [17]، لبنان [18,19]، تایوان [20]، عربستان سعودی [21]، مصر [22]، فلسطین [23] و غیره انجام شده است. در ایران، تنها دو مطالعه در زمینه بررسی آگاهی، آمادگی و نگرش دانشجویان پزشکی دانشگاههای علوم پزشکی بابل و مازندران نسبت به هوش مصنوعی انجام شده است که نشاندهنده نگرش کلی مثبت دانشجویان است. این پژوهشها بر اهمیت آموزش هوشمصنوعی تاکید نمودهاند [24,25] ولی نیازسنجی آموزشی از دیدگاه دانشجویان جزء اهداف هیچ یک از آنها نبوده است. بنابراین، مطالعه حاضر بهمنظور پاسخ به این شکاف دانشی و با هدف بررسی نگرش دانشجویان پزشکی دانشگاه علوم پزشکی مشهد نسبت به هوشمصنوعی و ارزیابی نیازهای آموزشی آنان انجام شد. یافتههای این مطالعه به توسعه و بهروزرسانی برنامههای درسی و آموزشی پزشکی متناسب با پیشرفتهای صورتگرفته در حوزه هوش مصنوعی کمک خواهد کرد.
روش ها
طراحی مطالعه: این مطالعه مقطعی و توصیفی- تحلیلی در سال 1403 در دانشگاه علوم پزشکی مشهد انجام شد.
جامعه و نمونه: جامعه مطالعه شامل تمام دانشجویان پزشکی دانشگاه علوم پزشکی مشهد شامل دانشجویان مقطع عمومی و تخصص بود. معیارهای ورود به مطالعه عبارت بودند از: دانشجویان شاغل به تحصیل در مقاطع عمومی و تخصص رشتههای پزشکی در دانشگاه علوم پزشکی مشهد در سال تحصیلی 1403-1402. دانشجویانی که تمایل و رضایت به شرکت در مطالعه نداشتند یا پرسشنامه را بهصورت ناقص تکمیل کرده بودند، از مطالعه کنار گذاشته شدند. دانشجویان به روش نمونه گیری در دسترس انتخاب شدند و حجم نمونه بر اساس جدول مورگان محاسبه شد که با توجه به حجم جامعه (3438 نفر)، حجم نمونه 246 نفر تعیین شد.
ابزار گردآوری دادهها: از پرسشنامه استاندارد مطالعه سیوانر و همکاران [6] استفاده شد. نخست، دو مترجم مسلط این پرسشنامه را بهصورت مستقل به فارسی ترجمه کردند و ترجمهها با هم تطبیق داده شد. سپس، پرسشنامه ترجمه شده مجدد توسط مترجمی مستقل از دو مترجم اول به زبان انگلیسی بازترجمه شد و با مطابقت با نسخه اصلی مورد تایید نهایی قرارگرفت. سپس، پرسشنامه در اختیار تعدادی از اساتید صاحبنظر و متخصص رشتههای پزشکی، آموزش پزشکی، انفورماتیک پزشکی، مدیریت خدمات بهداشتی و درمانی و سیاستگذاری سلامت قرار داده شد و از آنها خواسته شد نظرات خود را بهصورت مکتوب در رابطه با پوشش محتوا، رعایت دستور زبان، استفاده از عبارات مناسب و محل مناسب سوالها در هر یک از حوزهها ارائه دهند. از این طریق، روایی صوری و محتوای پرسشنامه مورد تایید قرار گرفت. بهمنظور تایید پایایی پرسشنامه نیز روش آزمون- بازآزمون بر روی 30 نفر از جامعه هدف در فاصله دو هفتهای انجام شد که ضریب همبستگی درون طبقهای (ICC) برابر با 82/0(فاصله اطمینان 95% : 88/0-75/0) بهدست آمد. برای اطمینان از سازگاری درونی نیز از ضریب آلفای کرونباخ استفاده شد که مقدار 84/0 بهدست آمد که نشان میدهد پرسشنامه از پایایی و قابلیت اعتماد مطلوبی برخوردار است.
پرسشنامه نهایی شامل پنج بخش به این شرح بود. بخش اول: معرفی اجمالی پژوهش و اهداف آن، بخش دوم: اطلاعات جمعیتشناختی شرکتکنندگان، بخش سوم: تجارب آموزشی دانشجویان در زمینه هوش مصنوعی (یک گویه) و خودارزیابی سطح آگاهی هوش مصنوعی (یک گویه)، بخش چهارم: نگرش دانشجویان نسبت به تاثیر احتمالی هوش مصنوعی بر پزشکی (18 گویه)، بخش پنجم: نظرسنجی در مورد موضوعاتی با محور هوش مصنوعی که باید در آموزش پزشکی گنجانده شوند (16 گویه). در نهایت، پرسشنامه با درج ایمیل دانشجویان (بهعنوان گزینه اختیاری) و پیشنهاد و نظرات آنان پایان مییافت.
گویههای مربوط به سنجش نگرش بر اساس مقیاس لیکرت پنج گزینهای (از کاملا مخالفم تا کاملا موافقم) امتیازبندی شد و با توجهبه دامنه نمره نگرش (90-18)، نمرات نگرش به مقیاس 100 تبدیل شد. نیازسنجی موضوعات آموزشی نیز بر اساس مقیاس لیکرت پنج گزینهای (از بههیچوجه نباید گنجانده شود تا حتما باید گنجانده شود) امتیازبندی شد.
روش گردآوری دادهها: پس از طراحی پرسشنامه و تایید روایی و پایایی آن، پرسشنامه نهایی در گوگل فرم طراحی شد و از طریق شبکههای اجتماعی و ایمیل دانشگاهی برای دانشجویان ارسال شد. همچنین، برای رسیدن به حد نصاب نمونه (246 نفر)، دو نفر از اعضای تیم پژوهش به دانشکده پزشکی و بیمارستانهای آموزشی،درمانی مراجعه کردند و بهصورت مستقیم پرسشنامه را در اختیار دانشجویان قرار دادند. به منظور جلوگیری از تکمیل پرسشنامه تکراری از سوی دانشجویان، همزمان با تحویل پرسشنامه و ضمن تشریح اهداف مطالعه به آنان توضیح داده شد که درصورت تکمیل پرسشنامه، اعلام نمایند. در خصوص پرسشنامههای ارسالی از طریق الکترونیکی نیز اطلاعات سیستمی (IP) که دادهها از طریق آن ثبت شده بود، کنترل شد. دادهها در بازه زمانی خرداد تا مهر سال 1403 گردآوری شد و اطلاعرسانیهای لازم برای تکمیل حداکثری آن و پاسخ به سوالات و ابهامات دانشجویان صورت گرفت. به دانشجویان اطمینان دادهشد که پرسشنامه بدون نام است و محرمانگی اطلاعات آنها محفوظ میماند.
تحلیل دادهها: از شاخصهای مرکزی و پراکندگی شامل میانگین، انحرافمعیار، فراوانی و درصد استفاده شد. با توجه به نرمال بودن توزیع دادهها، برای مقایسه نگرش در متغیرهای دوسطحی (مانند جنسیت) از آزمون تی مستقل و در متغیرهای با بیش از دو سطح (مانند سال تحصیلی) از تحلیل واریانس یک طرفه استفاده شد. تمام تحلیلهای آماری در سطح معنیداری 05/0 و با استفاده از نرم افزار SPSS نسخه 26 انجام شد.
یافته ها
متغیرهای دموگرافیک شرکتکنندگان: بیشتر شرکتکنندگان (76 درصد) زیر 25 سال و اکثر آنان (69 درصد) مرد بودند. همچنین، 93 درصد آنان در مقطع پزشکی عمومی مشغول به تحصیل بودند (جدول 1).
جدول 1. ویژگیهای جمعیتشناختی دانشجویان پزشکی شرکتکننده در مطالعه
منبع آموزشهای دریافتی دانشجویان و خود ارزیابی سطح آگاهی در زمینه هوش مصنوعی: بیشتر دانشجویان (76 درصد) اظهار کردند که در زمینه هوش مصنوعی هیچگونه آموزشی ندیدهاند. سایر دانشجویان سمینارها و کنفرانسها را مهمترین منبع آموزشی خود ذکر کردند. 94 درصد دانشجویان سطح آگاهی خود را اندک و کمتر از آن ارزیابی کردند (جدول 2).
جدول 2. منبع و سطح آگاهی دانشجویان در زمینه هوش مصنوعی
جدول 3. ارتباط ویژگیهای جمعیتشناختی و نگرش نسبت به هوش مصنوعی
.PNG)
نمودار 1. نیازسنجی آموزشی دانشجویان در زمینه هوش مصنوعی (برای نمایش سادهتر دادهها، پاسخهای "حتما باید گنجانده شود" و "گنجاندن آن خوب خواهد بود" در دسته "گنجانده شود" و پاسخهای "نباید گنجانده شود" و "بههیچوجه نباید گنجانده شود" نیز در دسته " گنجانده نشود" ادغام شدهاند.)
متن کامل: (332 مشاهده)
مقدمه
از هوش مصنوعی بهعنوان انقلابیترین فناوری قرن بیستویکم یاد میشود [1]. امروزه، این فناوری در مراقبتهای سلامت مورد استفاده قرار میگیرد و این قابلیت را دارد که مراقبتهای بالینی را متحول سازد [2]. مطالعه منتشر شده در نشریه نیچر (Nature) نشان داد که هوش مصنوعی در کشف سرطان پستان در ماموگرافی نسبت به رادیولوژیستها بهتر عمل میکند [3]. سایر پژوهشها دلالت بر این دارند که هوش مصنوعی به کاهش خطاهای تشخیصی و درمانی کمک میکند [4] و در کاهش بار کاری کارکنان، کاهش هزینهها و بهبود کیفیت زندگی بیماران تاثیرگذار است [1]. هر تحولی در کنار منافع و مزایای گسترده، بهندرت بدون عوارض است. در زمینه هوش مصنوعی نیز چالشهایی از جمله لطمه به محرمانگی و امنیت دادههای سلامت، مخدوش شدن رابطه بین بیمار و پزشک و افزایش بیکاری پزشکان مطرح است [1,5,6]. بنابراین، پزشکان باید با بهرهگیری از مزیتهای هوش مصنوعی، رویکردهای مناسبی را در پاسخ به چالشها و مخاطرات آن در پیشگیرند [7]؛ بااینحال، شواهد نشان میدهد نظام کنونی آموزش پزشکی پزشکان آینده را برای انقلاب هوش مصنوعی در مراقبتهای سلامت آماده نمیکند [8] و بهروزرسانی برنامه درسی و آموزشی پزشکی ضروری است [6,9,10]. ازاینرو، انجمن پزشکی جهانی و کمیته دائمی پزشکان اروپایی از بازنگری برنامههای درسی پزشکی و گنجاندن هوش مصنوعی و کاربردهای آن در مراقبتهای سلامت در آموزش پزشکی، آموزش دوره دستیاری و دورههای آموزش مداوم پزشکی حمایت میکنند [6].
برای توسعه برنامههای درسی کارآمد هوش مصنوعی، بررسی نگرش دانشجویان پزشکی نسبت به نقش هوش مصنوعی در پزشکی و مزایا و مخاطرات آن اولین گام مهم است [11]. بههمین منظور مطالعاتی در کشورهای آمریکا [12-14]، انگلیس [15]، استرالیا [16] ترکیه [6]، عراق [17]، لبنان [18,19]، تایوان [20]، عربستان سعودی [21]، مصر [22]، فلسطین [23] و غیره انجام شده است. در ایران، تنها دو مطالعه در زمینه بررسی آگاهی، آمادگی و نگرش دانشجویان پزشکی دانشگاههای علوم پزشکی بابل و مازندران نسبت به هوش مصنوعی انجام شده است که نشاندهنده نگرش کلی مثبت دانشجویان است. این پژوهشها بر اهمیت آموزش هوشمصنوعی تاکید نمودهاند [24,25] ولی نیازسنجی آموزشی از دیدگاه دانشجویان جزء اهداف هیچ یک از آنها نبوده است. بنابراین، مطالعه حاضر بهمنظور پاسخ به این شکاف دانشی و با هدف بررسی نگرش دانشجویان پزشکی دانشگاه علوم پزشکی مشهد نسبت به هوشمصنوعی و ارزیابی نیازهای آموزشی آنان انجام شد. یافتههای این مطالعه به توسعه و بهروزرسانی برنامههای درسی و آموزشی پزشکی متناسب با پیشرفتهای صورتگرفته در حوزه هوش مصنوعی کمک خواهد کرد.
روش ها
طراحی مطالعه: این مطالعه مقطعی و توصیفی- تحلیلی در سال 1403 در دانشگاه علوم پزشکی مشهد انجام شد.
جامعه و نمونه: جامعه مطالعه شامل تمام دانشجویان پزشکی دانشگاه علوم پزشکی مشهد شامل دانشجویان مقطع عمومی و تخصص بود. معیارهای ورود به مطالعه عبارت بودند از: دانشجویان شاغل به تحصیل در مقاطع عمومی و تخصص رشتههای پزشکی در دانشگاه علوم پزشکی مشهد در سال تحصیلی 1403-1402. دانشجویانی که تمایل و رضایت به شرکت در مطالعه نداشتند یا پرسشنامه را بهصورت ناقص تکمیل کرده بودند، از مطالعه کنار گذاشته شدند. دانشجویان به روش نمونه گیری در دسترس انتخاب شدند و حجم نمونه بر اساس جدول مورگان محاسبه شد که با توجه به حجم جامعه (3438 نفر)، حجم نمونه 246 نفر تعیین شد.
ابزار گردآوری دادهها: از پرسشنامه استاندارد مطالعه سیوانر و همکاران [6] استفاده شد. نخست، دو مترجم مسلط این پرسشنامه را بهصورت مستقل به فارسی ترجمه کردند و ترجمهها با هم تطبیق داده شد. سپس، پرسشنامه ترجمه شده مجدد توسط مترجمی مستقل از دو مترجم اول به زبان انگلیسی بازترجمه شد و با مطابقت با نسخه اصلی مورد تایید نهایی قرارگرفت. سپس، پرسشنامه در اختیار تعدادی از اساتید صاحبنظر و متخصص رشتههای پزشکی، آموزش پزشکی، انفورماتیک پزشکی، مدیریت خدمات بهداشتی و درمانی و سیاستگذاری سلامت قرار داده شد و از آنها خواسته شد نظرات خود را بهصورت مکتوب در رابطه با پوشش محتوا، رعایت دستور زبان، استفاده از عبارات مناسب و محل مناسب سوالها در هر یک از حوزهها ارائه دهند. از این طریق، روایی صوری و محتوای پرسشنامه مورد تایید قرار گرفت. بهمنظور تایید پایایی پرسشنامه نیز روش آزمون- بازآزمون بر روی 30 نفر از جامعه هدف در فاصله دو هفتهای انجام شد که ضریب همبستگی درون طبقهای (ICC) برابر با 82/0(فاصله اطمینان 95% : 88/0-75/0) بهدست آمد. برای اطمینان از سازگاری درونی نیز از ضریب آلفای کرونباخ استفاده شد که مقدار 84/0 بهدست آمد که نشان میدهد پرسشنامه از پایایی و قابلیت اعتماد مطلوبی برخوردار است.
پرسشنامه نهایی شامل پنج بخش به این شرح بود. بخش اول: معرفی اجمالی پژوهش و اهداف آن، بخش دوم: اطلاعات جمعیتشناختی شرکتکنندگان، بخش سوم: تجارب آموزشی دانشجویان در زمینه هوش مصنوعی (یک گویه) و خودارزیابی سطح آگاهی هوش مصنوعی (یک گویه)، بخش چهارم: نگرش دانشجویان نسبت به تاثیر احتمالی هوش مصنوعی بر پزشکی (18 گویه)، بخش پنجم: نظرسنجی در مورد موضوعاتی با محور هوش مصنوعی که باید در آموزش پزشکی گنجانده شوند (16 گویه). در نهایت، پرسشنامه با درج ایمیل دانشجویان (بهعنوان گزینه اختیاری) و پیشنهاد و نظرات آنان پایان مییافت.
گویههای مربوط به سنجش نگرش بر اساس مقیاس لیکرت پنج گزینهای (از کاملا مخالفم تا کاملا موافقم) امتیازبندی شد و با توجهبه دامنه نمره نگرش (90-18)، نمرات نگرش به مقیاس 100 تبدیل شد. نیازسنجی موضوعات آموزشی نیز بر اساس مقیاس لیکرت پنج گزینهای (از بههیچوجه نباید گنجانده شود تا حتما باید گنجانده شود) امتیازبندی شد.
روش گردآوری دادهها: پس از طراحی پرسشنامه و تایید روایی و پایایی آن، پرسشنامه نهایی در گوگل فرم طراحی شد و از طریق شبکههای اجتماعی و ایمیل دانشگاهی برای دانشجویان ارسال شد. همچنین، برای رسیدن به حد نصاب نمونه (246 نفر)، دو نفر از اعضای تیم پژوهش به دانشکده پزشکی و بیمارستانهای آموزشی،درمانی مراجعه کردند و بهصورت مستقیم پرسشنامه را در اختیار دانشجویان قرار دادند. به منظور جلوگیری از تکمیل پرسشنامه تکراری از سوی دانشجویان، همزمان با تحویل پرسشنامه و ضمن تشریح اهداف مطالعه به آنان توضیح داده شد که درصورت تکمیل پرسشنامه، اعلام نمایند. در خصوص پرسشنامههای ارسالی از طریق الکترونیکی نیز اطلاعات سیستمی (IP) که دادهها از طریق آن ثبت شده بود، کنترل شد. دادهها در بازه زمانی خرداد تا مهر سال 1403 گردآوری شد و اطلاعرسانیهای لازم برای تکمیل حداکثری آن و پاسخ به سوالات و ابهامات دانشجویان صورت گرفت. به دانشجویان اطمینان دادهشد که پرسشنامه بدون نام است و محرمانگی اطلاعات آنها محفوظ میماند.
تحلیل دادهها: از شاخصهای مرکزی و پراکندگی شامل میانگین، انحرافمعیار، فراوانی و درصد استفاده شد. با توجه به نرمال بودن توزیع دادهها، برای مقایسه نگرش در متغیرهای دوسطحی (مانند جنسیت) از آزمون تی مستقل و در متغیرهای با بیش از دو سطح (مانند سال تحصیلی) از تحلیل واریانس یک طرفه استفاده شد. تمام تحلیلهای آماری در سطح معنیداری 05/0 و با استفاده از نرم افزار SPSS نسخه 26 انجام شد.
یافته ها
متغیرهای دموگرافیک شرکتکنندگان: بیشتر شرکتکنندگان (76 درصد) زیر 25 سال و اکثر آنان (69 درصد) مرد بودند. همچنین، 93 درصد آنان در مقطع پزشکی عمومی مشغول به تحصیل بودند (جدول 1).
جدول 1. ویژگیهای جمعیتشناختی دانشجویان پزشکی شرکتکننده در مطالعه
| متغیر | فراوانی | درصد | |
| سن (سال) | زیر ۲۵ | ۱۹۲ | ۷۶ |
| بالای ۲۵ | ۵۹ | ۲۴ | |
| جنسیت | مرد | ۱۷۳ | ۶۹ |
| زن | ۷۸ | ۳۱ | |
| ملیت | ایرانی | ۲۴۰ | ۹۶ |
| غیر ایرانی | ۱۱ | ۴ | |
| مقطع تحصیلی | عمومی | ۲۳۳ | ۹۳ |
| تخصصی | ۱۸ | ۷ | |
| سال تحصیلی | اول | ۱۸ | ۷ |
| دوم | ۲۹ | ۱۲ | |
| سوم | ۱۸ | ۷ | |
| چهارم | ۶۵ | ۲۶ | |
| پنجم | ۶۰ | ۲۴ | |
| ششم | ۲۸ | ۱۱ | |
| هفتم و بالاتر | ۳۳ | ۱۳ | |
منبع آموزشهای دریافتی دانشجویان و خود ارزیابی سطح آگاهی در زمینه هوش مصنوعی: بیشتر دانشجویان (76 درصد) اظهار کردند که در زمینه هوش مصنوعی هیچگونه آموزشی ندیدهاند. سایر دانشجویان سمینارها و کنفرانسها را مهمترین منبع آموزشی خود ذکر کردند. 94 درصد دانشجویان سطح آگاهی خود را اندک و کمتر از آن ارزیابی کردند (جدول 2).
جدول 2. منبع و سطح آگاهی دانشجویان در زمینه هوش مصنوعی
| متغیر | فراوانی | درصد | |
| منبع آگاهی | آموزش ندیده | ۱۹۲ | ۷۶ |
| درس اختیاری | ۱۴ | ۶ | |
| سمینار یا کنفرانس | ۲۲ | ۹ | |
| دوره اجباری | 0 | 0 | |
| آنلاین | ۱۸ | ۷ | |
| سایر | ۵ | ۲ | |
| سطح آگاهی | چیزی در مورد هوش مصنوعی نشنیدهام. | ۸ | ۳ |
| در مورد هوش مصنوعی چیزهایی شنیدهام اما نمیدانم چیست. | ۴۷ | ۱۹ | |
| آگاهی اندک | ۱۸۱ | ۷۲ | |
| آگاهی کامل | ۱۴ | ۶ | |
| متخصص | ۱ | 0 | |
نگرش دانشجویان نسبت به تاثیر احتمالی هوش مصنوعی بر پزشکی: بیشتر دانشجویان نگرش مثبتی نسبت به هوش مصنوعی داشتند (7/8±8/72 از 100 نمره). بر اساس آزمونهای آماری، نمره نگرش بین دو مقطع عمومی و تخصص معنادار بود (002/0P= ) اما
اختلاف معناداری در نگرش دانشجویان در بین دانشجویان زن و مرد، گروه سنی زیر 25 سال و بالای 25 سال و دانشجویان ایرانی نسبت به دانشجویان غیر ایرانی، مشاهده نشد (جدول 3).
اختلاف معناداری در نگرش دانشجویان در بین دانشجویان زن و مرد، گروه سنی زیر 25 سال و بالای 25 سال و دانشجویان ایرانی نسبت به دانشجویان غیر ایرانی، مشاهده نشد (جدول 3).
جدول 3. ارتباط ویژگیهای جمعیتشناختی و نگرش نسبت به هوش مصنوعی
بیشتر دانشجویان (65 درصد) معتقد بودند که هوش مصنوعی بر انتخاب رشته آنان در مقطع تخصص و فوق تخصص تاثیرگذار است. قریب به اتفاق پاسخدهندگان (94/4 درصد) معتقد بودند که هوش مصنوعی دسترسی پزشکان به اطلاعات را تسهیل میکند اما از سوی دیگر، 73/7 درصد اظهار نمودند که هوش مصنوعی ارزش حرفه پزشکی را پایین میآورد (جدول 4).
جدول 4. گویههایی از پرسشنامه با بیشترین موافقت (بیش از ۷۰٪) و بیشترین مخالفت (بیش از ۵۰٪)
.PNG)
* برای نمایش سادهتر دادهها، پاسخهای "کاملا مخالفم" و "مخالفم" در یک دسته تحت عنوان "مخالف" و پاسخهای "موافقم" و "کاملا موافقم" در دسته "موافق" ادغام شدهاند.
نیازهای آموزشی دانشجویان در حوزه هوش مصنوعی: از نظر دانشجویان شرکتکننده، دانش و مهارت در مورد برنامههای کاربردی هوش مصنوعی بالاترین اولویت را کسب کرد (2/91 درصد). هوش مصنوعی در تحقیقات علمی (2/89 درصد) و برنامههای کاربردی هوش مصنوعی برای کاهش خطاهای پزشکی (8/88 درصد) اولویتهای بعدی دانشجویان بود. نمودار 1 نشاندهنده موضوعاتی است که بیش از 70 درصد دانشجویان موافق گنجاندن آن موضوع در برنامه آموزشی بودهاند.
نمودار 1. نیازسنجی آموزشی دانشجویان در زمینه هوش مصنوعی (برای نمایش سادهتر دادهها، پاسخهای "حتما باید گنجانده شود" و "گنجاندن آن خوب خواهد بود" در دسته "گنجانده شود" و پاسخهای "نباید گنجانده شود" و "بههیچوجه نباید گنجانده شود" نیز در دسته " گنجانده نشود" ادغام شدهاند.)
بحث
در این مطالعه، آگاهی و نگرش دانشجویان پزشکی شاغل به تحصیل در دانشگاه علوم پزشکی مشهد نسبت به هوش مصنوعی و تاثیر احتمالی آن بر پزشکی مورد بررسی قرار گرفت. علاوهبراین، نیازهای آموزشی دانشجویان در زمینه هوش مصنوعی شناسایی شد.
میزان آگاهی دانشجویان در زمینه هوش مصنوعی: در این پژوهش، بیشتر دانشجویان (94 درصد) سطح آگاهی خود را اندک ارزیابی کردهاند. بهطور مشابهی، مرور نظاممند موسوی بایگی و همکاران [26] به این نتیجه رسید که اکثر دانشجویان مراقبتهای سلامت دانش و مهارتهای محدودی در زمینه هوش مصنوعی دارند. مطالعه بینالمللی چن و همکاران [27] نیز نشانداد که بیش از نیمی از دانشجویان پزشکی فاقد دانش پایه در زمینه هوش مصنوعی هستند. بنابراین، بهنظر میرسد سطح آگاهی دانشجویان پزشکی در زمینه هوش مصنوعی اندک است و میتوان این مسئله را به تمرکز بیشتر برنامه درسی و آموزشی پزشکی بر دانش و مهارتهای بالینی نسبت داد؛ بهگونهای که دانشجویان فرصت لازم برای کسب دانش و مهارت در سایر حوزهها را پیدا نمیکنند.
منبع آموزشهای دریافتی دانشجویان در زمینه هوش مصنوعی: در مطالعه حاضر، 76 درصد از دانشجویان اظهار کردند در زمینه هوش مصنوعی هیچ گونه آموزشی ندیدهاند. این نتیجه با یافته مطالعه علام و همکاران [28] تا حدودی مطابقت دارد که نشان داد بیش از 92 درصد دانشجویان پزشکی در کشورهای عربی هیچ آموزش رسمی در زمینه هوش مصنوعی ندیدهاند. در مطالعه حاضر، دانشجویان آموزش دیده سمینارها و کنفرانسها (9 درصد)، آموزش آنلاین( 7 درصد) و دروس اختیاری ( 6 درصد) را بهترتیب بهعنوان اصلیترین منابع اطلاعاتی خود ذکر کردند. مطالعهای در سال 2021 در آمریکا بر روی 121 دانشجوی پزشکی نشان داد که بیشتر دانشجویان (72 درصد) از رسانهها و شبکههای اجتماعی درباره هوش مصنوعی آگاهی کسب کردهاند[13] اما پارک و همکاران [8] با هشدار نسبت به دریافت منفعلانه اطلاعات حوزه هوش مصنوعی از رسانهها و اینترنت، بر ضرورت توانمندسازی دانشجویان پزشکی جهت تشخیص اطلاعات صحیح از تبلیغات و اخبار اشتباه تاکید کردند. بنابراین، با توجه به سطح آگاهی، دانش و مهارت اندک دانشجویان پزشکی در زمینه هوش مصنوعی و آموزشهای رسمی ناکافی از یک سو و وجود اخبار و اطلاعات کاذب در رسانهها و اینترنت از سوی دیگر، دانشکدهها و دانشگاههای علوم پزشکی باید نقش فعالانهتری در آموزش این فناوری نوظهور ایفا کنند تا در نهایت، اطمینان حاصل شود که پزشکان از این فناوری بهنحو موثری در تشخیص، درمان و مدیریت بیماریها استفاده مینمایند.
نگرش دانشجویان به هوش مصنوعی: در این مطالعه، 5/72 درصد دانشجویان نگرش مثبتی نسبت به هوش مصنوعی داشتند. این یافته با سایر مطالعات همخوانی دارد؛ از جمله مطالعه مروری امیری و همکاران [29] نشان داد که 65 درصد دانشجویان نگرش مثبتی نسبت به هوش مصنوعی دارند. در مطالعهای در سودان نیز مشخص شد حدود 80 درصد دانشجویان پزشکی معتقد بودند که هوش مصنوعی در پزشکی ضروری است [30]. این یافتهها بر خلاف یافتههای مطالعه علام و همکاران [22] در مصر است، بهطوری که آنان دریافتند نگرش بیشتر دانشجویان نسبت به هوش مصنوعی منفی است و نگران بهکارگیری آن در محیط بالینی هستند.
بیشتر دانشجویان (8/88 درصد) معتقد بودند که هوش مصنوعی دسترسی پزشکان به اطلاعات را تسهیل میکند. این مقوله در مطالعه سیوانر و همکاران [6] نیز بهعنوان یکی از مزایای اصلی هوش مصنوعی از سوی دانشجویان پزشکی مطرح شده است. همچنین، به باور دانشجویان هوش مصنوعی پزشک را قادر میسازد تا تصمیمهای دقیقتری اتخاذ کند تا خطاها کاهش یابد که این مورد در مطالعه درخشانیان و همکاران [31] نیز بهعنوان یکی از مزایای هوش مصنوعی در پزشکی ذکر شده است. بنابراین، بهنظر می رسد دانشجویان پزشکی دیدگاه مثبتی نسبت به منافع و مزایای هوش مصنوعی دارند.
بیشتر دانشجویان (65 درصد) معتقد بودند که هوش مصنوعی و نحوه استفاده از آن بر انتخاب رشته آنان در مقطع تخصص و فوق تخصص تاثیرگذار است. مطالعهای در آمریکا نشان داد که یکی از نگرانیهای مهم دانشجویان تاثیر هوش مصنوعی بر برخی از تخصصها همچون رادیولوژی و بازار کار آنها است [14]. بااینحال، طبق یافتههای دو مطالعه در کشورهای لبنان و ترکیه، کمتر از 30 درصد دانشجویان اظهار داشتند که انتخاب رشته تخصصی آنها تحت تأثیر نحوه استفاده از هوش مصنوعی در آن رشته خواهد بود [6,18]. بنابراین، با توجه به ظهور فناوری هوش مصنوعی و تحت تاثیر قراردادن برخی از تخصصها از یک طرف و نگرانی دانشجویان ایرانی از طرف دیگر، لازم است که سیاستگذاری و برنامهریزیهای مناسبی در راستای عدالت در تربیت، توزیع و دسترسی به متخصصین رشتههای مختلف پزشکی صورت گیرد.
مخاطرات هوش مصنوعی از دیدگاه دانشجویان: در این مطالعه، 5/86 درصد دانشجویان معتقد بودند که هوش مصنوعی نمیتواند جایگزین پزشک شود اما میتواند به او کمک کند. این یافته با سایر مطالعات مطابقت دارد. برای نمونه، مطالعه بینالمللی بیسداس و همکاران [9] از این حکایت دارد که اکثر دانشجویان پزشکی هوش مصنوعی را بهعنوان شریک (نه رقیب) خود قلمداد میکنند. پژوهش سانتوس و همکاران [32] نیز نشان داد که برخلاف برخی روایتهای رسانهای، اکثر دانشجویان پزشکی هوش مصنوعی را ابزاری میدانند که میتواند به آنها کمک کند تا اینکه بخواهد جایگزین آنان شود. بیش از نیمی از دانشجویان شرکتکننده در مطالعه حاضر (2/52 درصد) از مخدوش شدن رابطه بین بیمار و پزشک بهعنوان یکی از عوارض هوش مصنوعی در پزشکی یاد کردهاند که در مطالعات دیگر نیز این مسئله بهعنوان چالشی اساسی در بهکارگیری هوش مصنوعی مطرح شده است [6,33]. بنابراین، لازم است تدابیری اندیشیده شود تا هوش مصنوعی بهعنوان تهدید در نظر گرفته نشود و برعکس، فرصتی قلمداد شود که به کمک آن میتوان رابطه بین بیمار و پزشک را مستحکمتر و بیشتر کرد.
بازنگری برنامه درسی رشته پزشکی در پاسخ به پیشرفتهای هوش مصنوعی: بر اساس نیازسنجی آموزشی این مطالعه، موضوع "دانش و مهارت در مورد برنامههای کاربردی هوش مصنوعی" بالاترین اولویت (2/91 درصد) را از نظر دانشجویان کسب کرد. این یافته مشابه با پژوهش سیوانر و همکاران [6] میباشد بهطوریکه این موضوع از سوی 2/96 درصد دانشجویان بهعنوان مهمترین موضوع تلقی شده بود. استفاده از هوش مصنوعی در تحقیقات علمی (2/89 درصد) و برنامههای کاربردی هوش مصنوعی برای کاهش خطاهای پزشکی (8/88 درصد) دو اولویت بعدی دانشجویان بود. در مرور نظاممند پوپیک و همکاران [34]، موضوعاتی همچون دانش و مهارت هوش مصنوعی، مسائل اخلاقی و استفاده از هوش مصنوعی در تصمیمگیری بالینی بهعنوان موضوعات حائز اهمیت آموزشی قلمداد شد که تا حدودی با یافتههای مطالعه حاضر همسو است. شباهت یا تفاوت یافتههای این دو مطالعه را میتوان به پرسشنامه گردآوری دادهها و تفاوت در سطح دانشی دانشجویان به دلیل تفاوتهای زمینهای کشورها نسبت داد. با توجه به یافتههای مطالعه حاضر، بهنظر میرسد دانشجویان پزشکی در ایران نیاز به آموزش در زمینههای فنی، کاربردی و اخلاقی هوش مصنوعی دارند تا از این طریق درک جامعی از هوش مصنوعی پیدا کنند و قادر باشند تا در کنار استفاده موثر از ابزارهای هوش مصنوعی برای پیشگیری، تشخیص و درمان بیماریها، پاسخگوی نگرانیهای بیماران نیز باشند.
محدودیتها
این مطالعه بهعنوان یک پیمایش نیازسنجی آموزشی هوش مصنوعی در پزشکی در یک دانشگاه علوم پزشکی بزرگ و بینالمللی در ایران، بینش جامعی ارائه میکند، بااینحال یک مطالعه تک مرکزی است و یافتههای آن ممکن است قابل تعمیم به کل کشور نباشد. بنابراین، پیشنهاد میشود مطالعات مشابهی در سایر دانشگاهها و با نظرسنجی از دانشجویان پزشکی، پزشکان، متخصصین حوزه آموزش و برنامهریزی درسی انجام شود. همچنین، از آنجایی که شرکتکنندگان پرسشنامه را داوطلبانه و با رضایت شخصی تکمیل کردند، ممکن است پرسشنامهها بیشتر توسط دانشجویان علاقهمند به هوش مصنوعی تکمیل شده باشد.
نتیجه گیری
دانشجویان پزشکی، با وجود آگاهی اندک و آموزشهای ناکافی در زمینه هوش مصنوعی، نگرش مثبتی نسبت به آن دارند. آنان بهعنوان پزشکان آینده باید قادر باشند که به نگرانیها، ابهامات و سوالات بیماران و عموم جامعه درباره کاربرد هوش مصنوعی در پزشکی پاسخ مناسب دهند و این ممکن نیست مگر با ارتقای دانش و مهارت آنان. با توجه به تمایل زیاد دانشجویان به افزایش آگاهی از یک طرف و وجود اخبار و اطلاعات اشتباه درباره هوش مصنوعی در رسانهها و اینترنت از طرف دیگر، گنجاندن مطالب و موضوعات هوش مصنوعی در برنامه درسی و آموزشی یک ضرورت است. این مهم میتواند از طریق گنجاندن دو واحد درس هوش مصنوعی در برنامه درسی (بهصورت اختیاری) و همچنین آموزشهای فوقبرنامه همچون برگزاری همایشها، سمینارها و کنگرهها پیگیری شود. برای آموزش دانشجویان، مشارکت تیمهای آموزشی چند تخصصی متشکل از متخصصین بالینی، علوم کامپیوتر، انفورماتیک پزشکی، مهندسی و سایر رشتههای مرتبط ضروری است.
پیوست: پرسشنامه
اعلانها
ملاحظاتاخلاقی: این مطالعه برگرفته شده از طرح تحقیقاتی مصوب در دانشگاه علوم پزشکی مشهد میباشد (کد اخلاق: IR.MUMS.REC.1402.332 )
حمایت مالی: این پژوهش با حمایت مالی دانشگاه علوم پزشکی مشهد انجام شده است (کد طرح: 4020482). حامی مالی نقشی در گردآوری و تحلیل داده و نگارش مقاله نداشته است.
تضاد منافع: نویسندگان اظهار داشتند که هیچ گونه تضاد منافعی وجود ندارد.
در این مطالعه، آگاهی و نگرش دانشجویان پزشکی شاغل به تحصیل در دانشگاه علوم پزشکی مشهد نسبت به هوش مصنوعی و تاثیر احتمالی آن بر پزشکی مورد بررسی قرار گرفت. علاوهبراین، نیازهای آموزشی دانشجویان در زمینه هوش مصنوعی شناسایی شد.
میزان آگاهی دانشجویان در زمینه هوش مصنوعی: در این پژوهش، بیشتر دانشجویان (94 درصد) سطح آگاهی خود را اندک ارزیابی کردهاند. بهطور مشابهی، مرور نظاممند موسوی بایگی و همکاران [26] به این نتیجه رسید که اکثر دانشجویان مراقبتهای سلامت دانش و مهارتهای محدودی در زمینه هوش مصنوعی دارند. مطالعه بینالمللی چن و همکاران [27] نیز نشانداد که بیش از نیمی از دانشجویان پزشکی فاقد دانش پایه در زمینه هوش مصنوعی هستند. بنابراین، بهنظر میرسد سطح آگاهی دانشجویان پزشکی در زمینه هوش مصنوعی اندک است و میتوان این مسئله را به تمرکز بیشتر برنامه درسی و آموزشی پزشکی بر دانش و مهارتهای بالینی نسبت داد؛ بهگونهای که دانشجویان فرصت لازم برای کسب دانش و مهارت در سایر حوزهها را پیدا نمیکنند.
منبع آموزشهای دریافتی دانشجویان در زمینه هوش مصنوعی: در مطالعه حاضر، 76 درصد از دانشجویان اظهار کردند در زمینه هوش مصنوعی هیچ گونه آموزشی ندیدهاند. این نتیجه با یافته مطالعه علام و همکاران [28] تا حدودی مطابقت دارد که نشان داد بیش از 92 درصد دانشجویان پزشکی در کشورهای عربی هیچ آموزش رسمی در زمینه هوش مصنوعی ندیدهاند. در مطالعه حاضر، دانشجویان آموزش دیده سمینارها و کنفرانسها (9 درصد)، آموزش آنلاین( 7 درصد) و دروس اختیاری ( 6 درصد) را بهترتیب بهعنوان اصلیترین منابع اطلاعاتی خود ذکر کردند. مطالعهای در سال 2021 در آمریکا بر روی 121 دانشجوی پزشکی نشان داد که بیشتر دانشجویان (72 درصد) از رسانهها و شبکههای اجتماعی درباره هوش مصنوعی آگاهی کسب کردهاند[13] اما پارک و همکاران [8] با هشدار نسبت به دریافت منفعلانه اطلاعات حوزه هوش مصنوعی از رسانهها و اینترنت، بر ضرورت توانمندسازی دانشجویان پزشکی جهت تشخیص اطلاعات صحیح از تبلیغات و اخبار اشتباه تاکید کردند. بنابراین، با توجه به سطح آگاهی، دانش و مهارت اندک دانشجویان پزشکی در زمینه هوش مصنوعی و آموزشهای رسمی ناکافی از یک سو و وجود اخبار و اطلاعات کاذب در رسانهها و اینترنت از سوی دیگر، دانشکدهها و دانشگاههای علوم پزشکی باید نقش فعالانهتری در آموزش این فناوری نوظهور ایفا کنند تا در نهایت، اطمینان حاصل شود که پزشکان از این فناوری بهنحو موثری در تشخیص، درمان و مدیریت بیماریها استفاده مینمایند.
نگرش دانشجویان به هوش مصنوعی: در این مطالعه، 5/72 درصد دانشجویان نگرش مثبتی نسبت به هوش مصنوعی داشتند. این یافته با سایر مطالعات همخوانی دارد؛ از جمله مطالعه مروری امیری و همکاران [29] نشان داد که 65 درصد دانشجویان نگرش مثبتی نسبت به هوش مصنوعی دارند. در مطالعهای در سودان نیز مشخص شد حدود 80 درصد دانشجویان پزشکی معتقد بودند که هوش مصنوعی در پزشکی ضروری است [30]. این یافتهها بر خلاف یافتههای مطالعه علام و همکاران [22] در مصر است، بهطوری که آنان دریافتند نگرش بیشتر دانشجویان نسبت به هوش مصنوعی منفی است و نگران بهکارگیری آن در محیط بالینی هستند.
بیشتر دانشجویان (8/88 درصد) معتقد بودند که هوش مصنوعی دسترسی پزشکان به اطلاعات را تسهیل میکند. این مقوله در مطالعه سیوانر و همکاران [6] نیز بهعنوان یکی از مزایای اصلی هوش مصنوعی از سوی دانشجویان پزشکی مطرح شده است. همچنین، به باور دانشجویان هوش مصنوعی پزشک را قادر میسازد تا تصمیمهای دقیقتری اتخاذ کند تا خطاها کاهش یابد که این مورد در مطالعه درخشانیان و همکاران [31] نیز بهعنوان یکی از مزایای هوش مصنوعی در پزشکی ذکر شده است. بنابراین، بهنظر می رسد دانشجویان پزشکی دیدگاه مثبتی نسبت به منافع و مزایای هوش مصنوعی دارند.
بیشتر دانشجویان (65 درصد) معتقد بودند که هوش مصنوعی و نحوه استفاده از آن بر انتخاب رشته آنان در مقطع تخصص و فوق تخصص تاثیرگذار است. مطالعهای در آمریکا نشان داد که یکی از نگرانیهای مهم دانشجویان تاثیر هوش مصنوعی بر برخی از تخصصها همچون رادیولوژی و بازار کار آنها است [14]. بااینحال، طبق یافتههای دو مطالعه در کشورهای لبنان و ترکیه، کمتر از 30 درصد دانشجویان اظهار داشتند که انتخاب رشته تخصصی آنها تحت تأثیر نحوه استفاده از هوش مصنوعی در آن رشته خواهد بود [6,18]. بنابراین، با توجه به ظهور فناوری هوش مصنوعی و تحت تاثیر قراردادن برخی از تخصصها از یک طرف و نگرانی دانشجویان ایرانی از طرف دیگر، لازم است که سیاستگذاری و برنامهریزیهای مناسبی در راستای عدالت در تربیت، توزیع و دسترسی به متخصصین رشتههای مختلف پزشکی صورت گیرد.
مخاطرات هوش مصنوعی از دیدگاه دانشجویان: در این مطالعه، 5/86 درصد دانشجویان معتقد بودند که هوش مصنوعی نمیتواند جایگزین پزشک شود اما میتواند به او کمک کند. این یافته با سایر مطالعات مطابقت دارد. برای نمونه، مطالعه بینالمللی بیسداس و همکاران [9] از این حکایت دارد که اکثر دانشجویان پزشکی هوش مصنوعی را بهعنوان شریک (نه رقیب) خود قلمداد میکنند. پژوهش سانتوس و همکاران [32] نیز نشان داد که برخلاف برخی روایتهای رسانهای، اکثر دانشجویان پزشکی هوش مصنوعی را ابزاری میدانند که میتواند به آنها کمک کند تا اینکه بخواهد جایگزین آنان شود. بیش از نیمی از دانشجویان شرکتکننده در مطالعه حاضر (2/52 درصد) از مخدوش شدن رابطه بین بیمار و پزشک بهعنوان یکی از عوارض هوش مصنوعی در پزشکی یاد کردهاند که در مطالعات دیگر نیز این مسئله بهعنوان چالشی اساسی در بهکارگیری هوش مصنوعی مطرح شده است [6,33]. بنابراین، لازم است تدابیری اندیشیده شود تا هوش مصنوعی بهعنوان تهدید در نظر گرفته نشود و برعکس، فرصتی قلمداد شود که به کمک آن میتوان رابطه بین بیمار و پزشک را مستحکمتر و بیشتر کرد.
بازنگری برنامه درسی رشته پزشکی در پاسخ به پیشرفتهای هوش مصنوعی: بر اساس نیازسنجی آموزشی این مطالعه، موضوع "دانش و مهارت در مورد برنامههای کاربردی هوش مصنوعی" بالاترین اولویت (2/91 درصد) را از نظر دانشجویان کسب کرد. این یافته مشابه با پژوهش سیوانر و همکاران [6] میباشد بهطوریکه این موضوع از سوی 2/96 درصد دانشجویان بهعنوان مهمترین موضوع تلقی شده بود. استفاده از هوش مصنوعی در تحقیقات علمی (2/89 درصد) و برنامههای کاربردی هوش مصنوعی برای کاهش خطاهای پزشکی (8/88 درصد) دو اولویت بعدی دانشجویان بود. در مرور نظاممند پوپیک و همکاران [34]، موضوعاتی همچون دانش و مهارت هوش مصنوعی، مسائل اخلاقی و استفاده از هوش مصنوعی در تصمیمگیری بالینی بهعنوان موضوعات حائز اهمیت آموزشی قلمداد شد که تا حدودی با یافتههای مطالعه حاضر همسو است. شباهت یا تفاوت یافتههای این دو مطالعه را میتوان به پرسشنامه گردآوری دادهها و تفاوت در سطح دانشی دانشجویان به دلیل تفاوتهای زمینهای کشورها نسبت داد. با توجه به یافتههای مطالعه حاضر، بهنظر میرسد دانشجویان پزشکی در ایران نیاز به آموزش در زمینههای فنی، کاربردی و اخلاقی هوش مصنوعی دارند تا از این طریق درک جامعی از هوش مصنوعی پیدا کنند و قادر باشند تا در کنار استفاده موثر از ابزارهای هوش مصنوعی برای پیشگیری، تشخیص و درمان بیماریها، پاسخگوی نگرانیهای بیماران نیز باشند.
محدودیتها
این مطالعه بهعنوان یک پیمایش نیازسنجی آموزشی هوش مصنوعی در پزشکی در یک دانشگاه علوم پزشکی بزرگ و بینالمللی در ایران، بینش جامعی ارائه میکند، بااینحال یک مطالعه تک مرکزی است و یافتههای آن ممکن است قابل تعمیم به کل کشور نباشد. بنابراین، پیشنهاد میشود مطالعات مشابهی در سایر دانشگاهها و با نظرسنجی از دانشجویان پزشکی، پزشکان، متخصصین حوزه آموزش و برنامهریزی درسی انجام شود. همچنین، از آنجایی که شرکتکنندگان پرسشنامه را داوطلبانه و با رضایت شخصی تکمیل کردند، ممکن است پرسشنامهها بیشتر توسط دانشجویان علاقهمند به هوش مصنوعی تکمیل شده باشد.
نتیجه گیری
دانشجویان پزشکی، با وجود آگاهی اندک و آموزشهای ناکافی در زمینه هوش مصنوعی، نگرش مثبتی نسبت به آن دارند. آنان بهعنوان پزشکان آینده باید قادر باشند که به نگرانیها، ابهامات و سوالات بیماران و عموم جامعه درباره کاربرد هوش مصنوعی در پزشکی پاسخ مناسب دهند و این ممکن نیست مگر با ارتقای دانش و مهارت آنان. با توجه به تمایل زیاد دانشجویان به افزایش آگاهی از یک طرف و وجود اخبار و اطلاعات اشتباه درباره هوش مصنوعی در رسانهها و اینترنت از طرف دیگر، گنجاندن مطالب و موضوعات هوش مصنوعی در برنامه درسی و آموزشی یک ضرورت است. این مهم میتواند از طریق گنجاندن دو واحد درس هوش مصنوعی در برنامه درسی (بهصورت اختیاری) و همچنین آموزشهای فوقبرنامه همچون برگزاری همایشها، سمینارها و کنگرهها پیگیری شود. برای آموزش دانشجویان، مشارکت تیمهای آموزشی چند تخصصی متشکل از متخصصین بالینی، علوم کامپیوتر، انفورماتیک پزشکی، مهندسی و سایر رشتههای مرتبط ضروری است.
پیوست: پرسشنامه
اعلانها
ملاحظاتاخلاقی: این مطالعه برگرفته شده از طرح تحقیقاتی مصوب در دانشگاه علوم پزشکی مشهد میباشد (کد اخلاق: IR.MUMS.REC.1402.332 )
حمایت مالی: این پژوهش با حمایت مالی دانشگاه علوم پزشکی مشهد انجام شده است (کد طرح: 4020482). حامی مالی نقشی در گردآوری و تحلیل داده و نگارش مقاله نداشته است.
تضاد منافع: نویسندگان اظهار داشتند که هیچ گونه تضاد منافعی وجود ندارد.
سهم نویسندگان: احسان معلم: طراحی مطالعه، گردآوری داده، تحلیل داده، نگارش-پیشنویس؛ وحید قوامی: روششناسی، تحلیل داده؛ جواد مقری: مفهومسازی، نگارش-اصلاح و تایید نهایی؛ ؛ ابوالفضل مروی: گردآوری داده؛ محبوبه نجفی: نرمافزار، بصریسازی، نگارش-پیشنویس؛ سید سعید طباطبایی: مدیریت پروژه، نگارش-اصلاح و تایید نهایی. نسخه نهایی توسط همه نویسندگان بررسی و تأیید شده است.
رضایت برای انتشار: مورد ندارد.
دسترسی به دادهها: دادههای این مطالعه از طریق ایمیل نویسنده مسئول با ذکر دلیل منطقی در دسترس است.
استفاده از هوش مصنوعی: برای ویرایش بخش انگلیسی این مقاله از سیستم ویرایش Springer Nature و هوش مصنوعی Sider Fusion استفاده شد. محتوای ویرایش شده با این ابزارها توسط نویسندگان به دقت بازبینی و تایید شد.
تشکر و قدردانی: از همه کسانی که بهنحوی در فرآیند پژوهش همکاری نمودند بهویژه دانشجویانی که پرسشنامهها را تکمیل و دیگر دانشجویان را تشویق به تکمیل آن نمودند، سپاسگزاریم.
رضایت برای انتشار: مورد ندارد.
دسترسی به دادهها: دادههای این مطالعه از طریق ایمیل نویسنده مسئول با ذکر دلیل منطقی در دسترس است.
استفاده از هوش مصنوعی: برای ویرایش بخش انگلیسی این مقاله از سیستم ویرایش Springer Nature و هوش مصنوعی Sider Fusion استفاده شد. محتوای ویرایش شده با این ابزارها توسط نویسندگان به دقت بازبینی و تایید شد.
تشکر و قدردانی: از همه کسانی که بهنحوی در فرآیند پژوهش همکاری نمودند بهویژه دانشجویانی که پرسشنامهها را تکمیل و دیگر دانشجویان را تشویق به تکمیل آن نمودند، سپاسگزاریم.
نوع مقاله: پژوهشي |
موضوع مقاله:
سیاست گذاری
دریافت: 1403/11/14 | پذیرش: 1404/5/5 | انتشار: 1404/6/12
دریافت: 1403/11/14 | پذیرش: 1404/5/5 | انتشار: 1404/6/12
پیوست [PDF 743 KB] (123 دریافت)
فهرست منابع
1. Schönberger D. Artificial intelligence in healthcare: a critical analysis of the legal and ethical implications. International Journal of Law and Information Technology. 2019;27(2):171-203. [DOI:10.1093/ijlit/eaz004]
2. Lai MC, Brian M, Mamzer MF. Perceptions of artificial intelligence in healthcare: findings from a qualitative survey study among actors in France. Journal of Translational Medicine. 2020;18(1):14. [DOI:10.1186/s12967-019-02204-y]
3. McKinney SM, Sieniek M, Godbole V, Godwin J, Antropova N, Ashrafian H, et al. International evaluation of an AI system for breast cancer screening. Nature. 2020;577(7788):89-94. [DOI:10.1038/s41586-019-1799-6]
4. Jiang F, Jiang Y, Zhi H, Dong Y, Li H, Ma S, et al. Artificial intelligence in healthcare: past, present and future. Stroke and Vascular Neurology. 2017;2(4):230-243. [DOI:10.1136/svn-2017-000101]
5. Aung YY, Wong DC, Ting DS. The promise of artificial intelligence: a review of the opportunities and challenges of artificial intelligence in healthcare. British Medical Bulletin. 2021;139(1):4-15. [DOI:10.1093/bmb/ldab016]
6. Civaner MM, Uncu Y, Bulut F, Chalil EG, Tatli A. Artificial intelligence in medical education: a cross-sectional needs assessment. BMC Medical Education. 2022;22(1):772. [DOI:10.1186/s12909-022-03852-3]
7. McCoy LG, Nagaraj S, Morgado F, Harish V, Das S, Celi LA. What do medical students actually need to know about artificial intelligence? NPJ Digital Medicine. 2020;3(1):86. [DOI:10.1038/s41746-020-0294-7]
8. Park SH, Do KH, Kim S, Park JH, Lim YS. What should medical students know about artificial intelligence in medicine? Journal of Educational Evaluation for Health Professions. 2019;16:18. [DOI:10.3352/jeehp.2019.16.18]
9. Bisdas S, Topriceanu CC, Zakrzewska Z, Irimia AV, Shakallis L, Subhash J, et al. Artificial intelligence in medicine: a multinational multi-center survey on the medical and dental students' perception. Frontiers in Public Health. 2021;9:795284. [DOI:10.3389/fpubh.2021.795284]
10. Kimiafar K, Sarbaz M, Tabatabaei SM, Ghaddaripouri K, Mousavi AS, Mehneh MR, et al. Artificial intelligence literacy among healthcare professionals and students: a systematic review. Frontiers in Health Informatics. 2023;12:168. [DOI:10.30699/fhi.v12i0.524]
11. Imran N, Jawaid M. Artificial intelligence in medical education: are we ready for it? Pakistan Journal of Medical Sciences. 2020;36(5):857. [DOI:10.12669/pjms.36.5.3042]
12. Liu DS, Sawyer J, Luna A, Aoun J, Wang J, Boachie L, et al. Perceptions of US medical students on artificial intelligence in medicine: mixed methods survey study. JMIR Medical Education. 2022;8(4):e38325. [DOI:10.2196/38325]
13. Wood EA, Ange BL, Miller DD. Are we ready to integrate artificial intelligence literacy into medical school curriculum: students and faculty survey. Journal of Medical Education and Curricular Development. 2021;8:23821205211024078. [DOI:10.1177/23821205211024078]
14. Park CJ, Yi PH, Siegel EL. Medical student perspectives on the impact of artificial intelligence on the practice of medicine. Current Problems in Diagnostic Radiology. 2021;50(5):614-619. [DOI:10.1067/j.cpradiol.2020.06.011]
15. Sit C, Srinivasan R, Amlani A, Muthuswamy K, Azam A, Monzon L, et al. Attitudes and perceptions of UK medical students towards artificial intelligence and radiology: a multicentre survey. Insights into Imaging. 2020;11(1):14. [DOI:10.1186/s13244-019-0830-7]
16. Stewart J, Lu J, Gahungu N, Goudie A, Fegan PG, Bennamoun M, et al. Western Australian medical students' attitudes towards artificial intelligence in healthcare. PLoS One. 2023;18(8):e0290642. [DOI:10.1371/journal.pone.0290642]
17. Hawezy DJ, Mahmood KA, Hawezy GA, Sadraldeen GS, Ahmad ST. Medical students' perception toward using AI in medical education in the Kurdistan Region, Iraq: a cross-sectional study. Cureus. 2024;16(9):e70545. [DOI:10.7759/cureus.70545]
18. Doumat G, Daher D, Ghanem NN, Khater B. Knowledge and attitudes of medical students in Lebanon toward artificial intelligence: a national survey study. Frontiers in Artificial Intelligence. 2022;5:1015418. [DOI:10.3389/frai.2022.1015418]
19. Daher OA, Dabbousi AA, Chamroukh R, Saab AY, Al Ayoubi AR, Salameh P. Artificial intelligence: knowledge and attitude among lebanese medical students. Cureus. 2024;16(1):e51466. [DOI:10.7759/cureus.51466]
20. Angkurawaranon S, Inmutto N, Bannangkoon K, Wonghan S, Kham-Ai T, Khumma P, et al. Attitudes and perceptions of Thai medical students regarding artificial intelligence in radiology and medicine. BMC Medical Education. 2024;24(1):1188. [DOI:10.1186/s12909-024-06150-2]
21. Alwadani FAS, Lone A, Hakami MT, Moria AH, Alamer W, Alghirash RA, et al. Attitude and understanding of artificial intelligence among Saudi medical students: an online cross-sectional study. Journal of Multidisciplinary Healthcare. 2024;17:1887-1899. [DOI:10.2147/JMDH.S455260]
22. Allam RM, Abdelfatah D, Khalil MIM, Elsaieed MM, El Desouky ED. Medical students and house officers' perception, attitude and potential barriers towards artificial intelligence in Egypt, cross sectional survey. BMC Medical Education. 2024;24(1):1244. [DOI:10.1186/s12909-024-06201-8]
23. Jebreen K, Radwan E, Kammoun-Rebai W, Alattar E, Radwan A, Safi W, et al. Perceptions of undergraduate medical students on artificial intelligence in medicine: mixed-methods survey study from Palestine. BMC Medical Education. 2024;24(1):507. [DOI:10.1186/s12909-024-05465-4]
24. Rahimi Esbo S, Ghaemi-Amiri M, Mostafazadeh-Bora M. Assessment of medical students' acceptance, knowledge, attitudes, and readiness toward artificial intelligence. Journal of Mazandaran University of Medical Sciences. 2024;34(239):88-95. [In Persian]. Available from: https://jmums.mazums.ac.ir/article-1-21008-en.html
25. Sobhanian P, Eslami S, Ghezel MA. Attitudes and readiness of Iranian medical science students toward artificial intelligence: a cross-sectional Study. Iranian Biomedical Journal. 2024;28(7):115-115. [In Persian]. [DOI:10.61186/ibj.25th-11th-IACRTIMSS]
26. Mousavi Baigi SF, Sarbaz M, Ghaddaripouri K, Ghaddaripouri M, Mousavi AS, Kimiafar K. Attitudes, knowledge, and skills towards artificial intelligence among healthcare students: a systematic review. Health Science Reports. 2023;6(3):e1138. [DOI:10.1002/hsr2.1138]
27. Chen M, Zhang B, Cai Z, Seery S, Gonzalez MJ, Ali NM, et al. Acceptance of clinical artificial intelligence among physicians and medical students: a systematic review with cross-sectional survey. Frontiers in Medicine. 2022;9:990604. [DOI:10.3389/fmed.2022.990604]
28. Allam AH, Eltewacy NK, Alabdallat YJ, Owais TA, Salman S, Ebada MA, et al. Knowledge, attitude, and perception of Arab medical students towards artificial intelligence in medicine and radiology: a multi-national cross-sectional study. European Radiology. 2024;34(7):1-14. [DOI:10.1007/s00330-023-10509-2]
29. Amiri H, Peiravi S, Rezazadeh Shojaee SS, Rouhparvarzamin M, Nateghi MN, Etemadi MH, et al. Medical, dental, and nursing students' attitudes and knowledge towards artificial intelligence: a systematic review and meta-analysis. BMC Medical Education. 2024;24(1):412. [DOI:10.1186/s12909-024-05406-1]
30. Jaber Amin MH, Mohamed Elhassan Elmahi MA, Abdelmonim GA, Fadlalmoula GA, Jaber Amin JH, Khalid Alrabee NH, et al. Knowledge, attitude, and practice of artificial intelligence among medical students in Sudan: a cross-sectional study. Annals of Medicine and Surgery. 2024;86(7):3917-3923. [DOI:10.1097/MS9.0000000000002070]
31. Derakhshanian S, Wood L, Arruzza E. Perceptions and attitudes of health science students relating to artificial intelligence (AI): A scoping review. Health Science Reports. 2024;7(8):e2289. [DOI:10.1002/hsr2.2289]
32. Pinto Dos Santos D, Giese D, Brodehl S, Chon SH, Staab W, Kleinert R, et al. Medical students' attitude towards artificial intelligence: a multicentre survey. European Radiology. 2019;29(4):1640-1646. [DOI:10.1007/s00330-018-5601-1]
33. Jackson P, Ponath Sukumaran G, Babu C, Tony MC, Jack DS, Reshma VR, et al. Artificial intelligence in medical education - perception among medical students. BMC Medical Education. 2024;24(1):804. [DOI:10.1186/s12909-024-05760-0]
34. Pupic N, Ghaffari-Zadeh A, Hu R, Singla R, Darras K, Karwowska A, et al. An evidence-based approach to artificial intelligence education for medical students: a systematic review. PLOS Digital Health. 2023;2(11):e0000255. [DOI:10.1371/journal.pdig.0000255]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
