医学生对生成式AI在医学活动中应用的认知情况调查

Survey on medical students’ cognition regarding the application of Generative AI in medical activities:A case study of second-semester freshmen

摘要

目的 了解大一第二学期医学生对生成式AI在医疗或科研（学习）中的认知和使用情况，提出医学相关教育改进的建议，促进医学生未来职业发展。 方法 采用自行设计的问卷，共调查255名大一第二学期医学生对生成式AI在医疗或科研（学习）中的认知和使用情况。 结果 医学生对生成式AI的认知率较高（94.10%），但使用率一般（56.50%）。80.03%的医学生明确表示在未来有使用生成式AI的意愿。在不同专业中，预防医学（88.20%）、精神医学（71.80%）与临床医学（64.80%）专业的学生使用率较高（均P<0.001）。关于产品信息的获取途径，通过互联网直接了解的方式占比最高（47.29%）。医学生在使用中主要的困难为“答案缺乏个性化”（68.10%），不使用的主要影响因素为“不了解或不熟悉该技术”（49.50%）。医学生认为生成式AI的主要风险是降低个人能力（50.53%）。 结论 大部分医学生希望在未来专业中使用生成式AI，并对生成式AI的应用与风险有初步的认知。高校应开展相关教育，辅助医学生成长。

Abstract

Objective To understand the cognition and usage of generative AI in medical or research (learning) among second-semester freshmen medical students, to propose suggestions for medical education reform, and to promote the future career development of medical students. Methods A self-designed questionnaire was used to investigate the cognition and usage of generative AI in medical or research learning among second-semester freshmen medical students. Results The awareness rate of generative AI among medical students was high (94.10%), but the usage rate was moderate (56.50%). 80.03% of medical students expressed clear willingness to use it in the future. Preventive medicine(88.20%), psychiatry(71.80%), and clinical medicine(64.80%) had higher usage rates among different majors (P<0.001). The most common way of obtaining product information was through the internet (47.29%). The main difficulty for medical students in using the technology was “lack of personalized answers” (68.10%), and the primary factor influencing non-use was “lack of knowledge or familiarity with the technology” (49.50%). Medical students thought the main risk of generative AI was the reduction of personal capabilities (50.53%). Conclusion Most medical students hope to use generative AI in the future and they have a primary understanding on the application and risks of generative AI. Universities should carry out relevant education to help medical students grow up.

关键词

生成式AI / 医学生 / 认知情况 / 高等教育

Key words

generative AI / medical students / cognitive situation / higher education

生成式人工智能（generative artificial intelligence，Gen AI）是一种计算技术，它能够从训练数据中生成看似新的、有意义的内容，如文本、图像或音频。这种技术的广泛应用（如ChatGPT、文心一言等）正在彻底改变我们的工作和交流方式。在医学领域，生成式AI可以帮助完成许多医疗辅助工作，如挂号、获取医疗知识、医疗保健教育、给出诊断建议、治疗方案、辅助临床决策，以及帮助医学生获取医学信息、阅读文献、自动进行文献回顾、生成结构化大纲和草稿等任务^[1-6]。大一第二学期的医学生正处于医学知识的积累阶段，已经对医学领域产生了初步的认知，开始在医学知识学习中寻找自己的方向，并通过各种途径完善自身职业认知、寻找学习方法。因此，这个时期可能是医学生接触生成式AI并将其运用于专业方面欲望最强的时期。对这一阶段的医学生进行生成式AI在医学活动中应用的认知情况调查，有助于发现现有医学教育体系的不足，推动医学教育改革，提高医学生对生成式AI的认知水平和实践能力，为中国医学事业的发展奠定坚实基础。本研究拟调查大一第二学期医学生对生成式AI在医疗或科研学习中的认知和使用情况，提出医学教育改进建议，促进医学生未来职业发展。

1 研究对象与方法

1.1 研究对象

便利选取广州某医科大学大一第二学期医学生共255人为研究对象。

1.2 调查方法

自行设计调查问卷。调查内容分为三个部分。

第一部分（一般情况）包括：性别；专业；对生成式AI使用或了解情况、了解途径；不同产品的使用情况、使用频率、使用时所遇困难、不使用的原因等。

第二部分（对生成式AI的认知情况）包括：生成式AI在医学/科研（学习）活动中的现状认知；潜在价值或可提供的帮助（社会层面与个人层面）；目前可能存在的风险。

第三部分（今后对生成式AI的使用期望）包括：生成式AI在医疗/科研（学习）领域的发展前景；需进一步强化的能力；未来继续使用的意图。

此次调研由研究者统一向研究对象解释研究目的及调查内容后，采用问卷星进行问卷发放与回收。

1.3 统计分析方法

使用Excel 2019软件完成数据录入，采用SPSS 27.0软件对数据进行整理和分析。计数资料和等级资料采用n(%)进行统计描述，计数资料的组间比较采用χ²检验或Fisher确切概率法，等级资料的比较采用秩和检验。以P<0.05为差异具有统计学意义。

2 结果

2.1 研究对象的一般情况

调查对象中，男性79人（31.00%），女性176人（69.00%）。其中，临床医学专业91人（35.70%），医学检验技术专业69人（27.10%），精神医学专业39人（15.30%），预防医学专业17人（6.70%），护理学专业11人（4.30%），公共事业管理专业16人（6.20%），健康服务与管理专业12人（4.70%）。

2.1.1 不同性别和专业对生成式AI的使用或了解情况

从调查结果看，使用过生成式AI的医学生人数为144人（56.50%），有一定了解的医学生为240人（94.10%）。对于是否使用过生成式AI，男性的使用率为70.90%，高于女性的50.00%，差异具有统计学意义（χ²=9.676，P=0.002）；不同专业中，预防医学（88.20%）、精神医学（71.80%）与临床医学（64.80%）医学生的使用率较高，差异具有统计学意义（均P<0.001）。对于生成式AI的了解情况，94.90%的男性对生成式AI有一定了解，女性为93.75%，各专业均在91.00%以上，不同性别（P=0.527）或不同专业之间的差异无统计学意义（P=0.918），如表1所示。

2.1.2 医学生对各类生成式AI产品的了解及使用情况

医学生了解和使用较多的生成式AI产品依次为ChatGPT（85.90%和46.30%）、文心一言（48.60%和16.10%）、讯飞星火（24.70%和13.30%）、天工AI（23.50%和13.30%），如表2所示。

在了解途径中，通过互联网了解的占比最高（47.29%），朋友推荐占比28.38%，教师推荐占比12.84%，学术会议与讲座占比10.81%，家长推荐占比0.23%，其他途径占比0.45%。

2.1.3 不同性别和专业的医学生在使用生成式AI频率上的差异

在使用过生成式AI的医学生中，男性每天及每周使用情况分别占男性总人数的14.30%、19.60%；而女性则为2.30%、12.50%，男性的使用频率高于女性，且差异具有统计学意义（U=2023.5, P=0.037）。不同专业之间（H=10.862，P=0.093）使用频率上的差异不具有统计学意义。如表3所示。

2.1.4 医学生在使用生成式AI时遇到的困难或不使用的原因

在使用过生成式AI的医学生中，最常遇到的挑战或困难为“答案缺乏个性化”，其中有42名（29.20%）学生表示“经常”遇到这个问题。加上“有时”遇到的学生人数，总共有98名（68.10%）学生遇到过这个问题。第二为“无法总结出准确性和可靠性信息”，共有83名（57.60%）学生遇到过（经常和有时）。第三为“数据来源不明或数据真实性问题”，共有76名（52.80%）学生遇到过（经常和有时）。如表4所示。

对于未曾使用生成式AI的医学生，主要影响因素为“不了解或不熟悉该技术”，其中15名（13.50%）学生表示影响很大。加上认为影响较大的学生，总共有55名（49.50%）学生表示受到影响。如表5所示。

2.2 对生成式AI的认知情况

2.2.1 不同性别和专业对生成式AI在医疗/科研（学习）领域应用现状的认知

从调查结果看，医学生普遍认为生成式AI已经在医疗/科研（学习）领域中有了一定程度的应用，认为生成式AI“基本无应用”的比例均小于6.30%，且这些看法之间的差异不具有统计学意义（均P>0.05）。如表6所示。

2.2.2 对生成式AI存在或可能存在的风险认知

从调查结果来看，在四个风险大类中，风险最大的为“降低个人能力”，其“较大”和“极大”风险总和的均值（50.53%）最高。其中，降低个人能力的不同情况中“降低使用者深度思考能力”风险总和占比最高，为53.40%。

在隐私风险大类中，风险最大的小类是“模型训练过程中可能泄露隐私信息”，其“较大”和“极大”风险的总和为47.40%。医疗领域大类中，风险最大的小类是“数据隐私泄露”，其“较大”和“极大”风险的总和为45.90%。科研（学习）领域大类中，风险最大的小类是“产生虚假信息”，其“较大”和“极大”风险的总和为43.50%。如表7所示。

2.2.3 医学生对生成式AI将在整体社会或自身的医学活动中提供的潜在价值或帮助的认知

在提升社会整体功能层面中，针对所列举的每种场合，均有97.00%以上的医学生认为其有价值（极有价值、价值有限、价值较少）。说明医学生对生成式AI在未来医学活动中的各种应用均充满了期待。如表8所示。

将价值特征整合为有价值（极有价值、价值有限、价值较少）和无价值（基本无价值、完全无价值）两个类别后，预防医学（100.00%）、医学检验技术（100.00%）和临床医学（97.80%）专业医学生相较于其他专业医学生认为生成式AI在疾病诊断中更具有潜在价值，差异具有统计学意义（χ²=11.917，均P=0.022）。如表9所示。

在可以帮助自身提升各种能力的潜在价值中。“快速检索医学信息”的能力“非常显著”的比例（27.80%）以及“非常显著”和“有较大帮助”的总比例均为最高（78.00%）。且在对于所列举的各种能力，均有超过96.00%的医学生都选择了表示有帮助的选项（非常显著、有较大帮助、有一定帮助），表明医学生对未来在医学活动中利用生成式AI技术来增强自身能力的不同方面抱有期待。如表10所示。

在提升科研能力方面，临床医学专业认为提升非常显著的比例最高（34.10%），预防医学专业中“非常显著”和“有较大帮助”的总比例最高（82.40%）。如表11所示。

2.3 医学生对在未来使用生成式AI的期望

2.3.1 对生成式AI在医疗/科研（学习）领域发展前景的期望

医疗领域中，各专业医学生对未来生成式AI发展的前景均保持乐观态度，认为不乐观的未超过3.00%。不同性别、专业、是否了解、是否使用过生成式AI之间的差异不具有统计学意义。

在科研（学习）领域中，各专业医学生均保持乐观态度，认为不乐观的未超过3.00%。而是否了解或使用过生成式AI之间的差异不具有统计学意义。如表12所示。

2.3.2 生成式AI未来在医疗/科研（学习）领域需强化的能力

在医学生对生成式AI能力的需求中，需要强化“智能化和个性化”的占比最高（83.90%），“减少使用成本和增加可获得性”占比最低（51.40%）。如表13所示。

2.3.3 医学生未来使用生成式AI的意愿

医学生对未来使用生成式AI的整体意愿较高，“可以尝试”与“十分期待”两个阶段的意愿总占比为80.03%。女生相较于男生有更高的意愿在未来使用或继续使用生成式AI，（H=6539，P=0.416）。已使用过生成式AI的学生较未使用过的有更高的意愿于未来继续使用（H=6774，P=0.025）。不同专业、是否了解生成式AI中的差异不具有统计学意义。如表14所示。

3 讨论

3.1 大一第二学期医学生对生成式AI有一定了解，但使用率不高

本研究结果显示，94.10%的大一第二学期医学生对生成式AI有一定了解，但只有56.50%的医学生使用生成式AI。这说明当前社会对生成式AI产品的宣传是相对到位的，但获取和使用方法的宣传有所欠缺，未能解决学生的切实问题，导致学生的使用率不高。在不同专业中，使用的情况也存在差异，可能是不同专业的课程规划或任务不同，进而影响了学生寻求额外工具解决问题的积极性，从而影响了产品的使用率。有研究显示，学生对生成式AI的价值认知与其使用意图之间存在强烈的正相关性^[7]。

分析信息获取途径和不同产品的使用情况，可以发现，互联网的宣传力度与学生对产品的了解或使用程度有可能呈正相关。例如，较早出现并开始宣传的ChatGPT和文心一言均有较高的了解程度和使用率。可能是因为目前并未有相对官方或权威的机构集中帮助学生对该类产品进行系统性的讲解或介绍。本研究结果也显示，对于生成式AI的不了解，将会降低其使用期待，甚至成为使用的阻碍因素。

3.2 “担心会降低个人能力”是大一第二学期医学生对生成式AI的主要风险认识

从调查结果可以看出，在生成式AI 可能产生的众多风险中，医学生更担心生成式AI会降低个人能力。这反映医学生对生成式AI当前的不足和风险有一定的认识，并表现出警觉性，同时也说明社会对这类工具的预警已经得到有效传达。因此，在获取信息时，医学生会考虑相关问题，不太可能盲目信任生成的信息，并且他们同时对其他的风险也有着较好的判断力。虽然有研究发现，医学生在使用ChatGPT进行写作评估时可能存在违反学术诚信的行为^[8]，但此问题可以通过学校正确引导的方式得到有效解决。

有研究表明^[9]，通过将技术能力与教育需求相结合，生成式AI可以视为一种由学生驱动的创新工具，具有丰富的潜力以增强学生的学习体验和增加资源。所以，高校教师应该利用好这一技术，发扬其优势并规避风险^[10]，培养学生的高阶思维能力，尤其是跨学科多元思维能力、批判性思维能力与创造性思维能力^[11]。目前，国内外医学院校均开始探索并建设AI与医学领域的交叉融合课程，但大多面向智能医学工程专业的学生^[12]。然而，鉴于这种工具的普遍适用性，它应该被引入通识教育领域。

3.3 大一第二学期医学生对生成式AI的未来持乐观态度，期待其更加智能化和个性化

从调查结果来看，超过90.00%的大一第二学期医学生对生成式AI未来在医学/科研（学习）领域的发展前景持乐观态度。医学生对生成式AI在社会层面的发展以及个人层面的帮助持有非常乐观的态度，并表现出较高的使用意愿，这一结果与Chan等^[13]研究的结果一致。在本研究中具体体现在，有97.00%的医学生认为生成式AI在疾病诊断、医学研究、临床决策、患者教育、卫生宣教等场景中将提供潜在价值。有超过96.00%的医学生认为生成式AI在提升自身卫生宣教质量，医疗服务，科研能力，学习效率等方面将提供潜在价值。

调查结果还显示，有83.90%的医学生认为未来生成式AI在更加智能化和个性化方面的能力需要加强。且不同专业学生对生成式AI实现不同功能的预期存在差异，因此其重点使用的方向也可能不同，高校可针对不同专业提供不同的授课方向，让学生可以更加迅速地吸收并掌握相关技能，以更好地适应未来医学的快速变化和发展。

3.4 研究的不足和局限性

本研究在样本范围上存在一定的局限性，主要表现在样本量较小，且集中在一个特定地区的单一学校内。此外，部分专业的样本量较少，这可能导致研究结果的代表性不足。在AI技术迅速发展的背景下，本研究未能找到适合的量表来全面评估相关变量。但本研究的发现为教育者和政策制定者提供了对AI技术在教育领域应用的依据，有助于指导未来的教育实践和政策制定。

4 结束语

总之，本研究为理解AI技术在教育领域的应用提供了一个起点。未来通过大样本、多中心的研究，我们期待能够获得更深入的见解，以促进AI技术在教育中的有效整合和应用。未来的研究应继续探索AI技术在不同教育环境中的作用，以及如何最有效地利用这些技术来提高教育质量和学习效果。

参考文献

[1] DAVE T, ATHALURI S A, SINGH S. ChatGPT in medicine: An overview of its applications, advantages, limitations, future prospects, and ethical considerations[J]. Frontiers in Artificial Intelligence, 2023, 6: 1169595.

[2] LEE P Y, SALIM H, ABDULLAH A, et al. Use of ChatGPT in medical research and scientific writing[J]. Malaysian Family Physician, 2023, 18: 58.

[3] BOHLE S. “Plutchik”: Artificial intelligence chatbot for searching NCBI databases[J]. Journal of the Medical Library Association, 2018(4): 501-503.

[4] REBELO N, SANDERS L, LI K, et al. Learning the treatment process in radiotherapy using an artificial intelligence-assisted chatbot: Development study[J]. JMIR Formative Research, 2022(12): e39443.

[5] KOMAN J, FAUVELLE K, SCHUCK S, et al. Physicians’ perceptions of the use of a chatbot for information seeking: Qualitative study[J]. Journal of Medical Internet Research, 2020(11): e15185.

[6] STATHAKAROU N, NIFAKOS S, KARLGREN K, et al. Students’ perceptions on chatbots’ potential and design characteristics in healthcare education[J]. Studies in Health Technology and Informatics, 2020, 272: 209-212.

[7] CHAN C K Y, ZHOU W X. Deconstructing student perceptions of generative AI (GenAI) through an expectancy value theory (EVT)-based instrument[EB/OL]. [2024-05-17].

[8] TALAUE F G. Dissonance in generative AI use among student writers: How should curriculum managers respond? [J] E3S Web of Conferences, 2023, 426: 5.

[9] DAI Y, LIU A, LIM C P. Reconceptualizing ChatGPT and generative AI as a student-driven innovation in higher education[J].Procedia CIRP, 2023, 119: 84-90.

[10] 王佑镁, 王旦, 梁炜怡, 等. ChatGPT教育应用的伦理风险与规避进路[J]. 开放教育研究, 2023, 29(2): 26-35.

[11] 卢宇, 余京蕾, 陈鹏鹤, 等. 生成式人工智能的教育应用与展望: 以ChatGPT系统为例[J]. 中国远程教育, 2023(4): 24-31.

[12] 王静, 齐惠颖, 王路漫, 等. 医学本科生人工智能通识课程的设计和教学实践[J]. 中华医学教育杂志, 2024(2): 89-92.

[13] CHAN C Y, HU W J. Students’ voices on generative AI: Perceptions, benefits, and challenges in higher education[J]. International Journal of Educational Technology in Higher Education, 2023(1): 1-18.

基金资助

2024年广东省医学科学技术研究基金项目“基于 UTAUT2 的医学相关人员利用大语言模型工具辅助学习与科研的意愿及影响因素分析”(A2024271)