医学生普遍熟悉数字健康技术，并且认为人工智能将在未来医学中发挥关键作用。然而，他们对数字健康的实践经验有限，其准备进入现实世界的医学能力显著依赖于两个因素：一是他们对基于证据的医学各个组成部分的掌握程度；二是他们对人工智能在医疗保健中日益重要性的看法。
这是研究人员调查蒙特利尔大学医学院1400名学生后得出的关键结论之一。分析了177份回应后，研究团队认为北美医学教育需要重新设计。为了充分准备好下一代医生进行现代实践，作者建议课程应结合基于证据的医学的沉浸式学习与深入的人工智能研究。
该研究报告于1月31日发布在《Medical Education Online》上，高级作者是蒙特利尔大学的IT教授Guy Paré博士，通讯作者是德国班贝格大学商业信息学教授Gerit Wagner博士。
以下是作者在讨论部分提出的七个关键结论：
1. 数字健康和AI技术的胜任力和认知与医学生在基于证据的医学中的行为呈正相关。
“这一见解对医学实践具有重要意义，因为它表明了先进技术与基于证据的医学之间的潜在协同效应，并强调不同的胜任力可以在医学课程中进行教学。”
2. 实践胜任力有显著的正面影响，而知识胜任力与基于证据的医学无关。
“因此，在熟悉医学学生概念和给他们机会实验信息技术系统、远程医疗应用程序、与AI相关的技术和移动医疗应用程序之间存在本质区别。”
3. 个人背景（特别是性别和学术水平）显著影响数字健康胜任力，包括知识和实践方面。
“这突显了将数字健康胜任力整合到医学教育和实践中以适应不同的个人背景和技术进步的必要性。”
4. 医学生的数字健康胜任力和对AI的准确认知可以促进他们对基于证据的医学的掌握。
“这意味着加强医学课程中数字健康和AI领域的教育可能同时加强学生的基于证据的医学教育，并为技术支持的医学未来提供有效基础。”
5. 实践学习可以使未来的医生有效地将先进技术融入他们的实践中，最终支持基于证据的医学的广泛应用。
“尽管先前关于医学教育和AI的研究强调了超越传统教学内容传递方法的必要性，但显然医学院的教职员工需要获得必要的数字健康胜任力，例如通过跨学科倡议、培训或招聘。”
6. 建议广泛涵盖基本的数字健康技术，而不是仅仅关注AI。
“这与先前的课程开发工作相一致，这些工作将AI内容定位为在涵盖基本数据素养或IT基础设施主题之后的高级话题。”
7. 科学文献中出现了强调AI与基于证据的医学之间联系的医学课程提案。
“我们的研究结果因此构成了此类提案的理论和实证基础，因为证据生成和证据综合越来越由AI和机器学习实现——并且随着AI成为未来医生克服其学习和实践基于证据的医学中遇到障碍的手段。”
该研究全文可免费获取。
(全文结束)
