XiaoMi-AI文件搜索系统
World File Search System医学生
智力：横断面调查医学生对人工智能的知识和态度：
机器人系统是基于统计数据设计的，用于执行类似人类行为的功能。人工智能有改善医学和医疗保健的潜力。人工智能用于外科手术和医学教育等医学领域。未来，它将在医学领域发挥更大的作用，就像在许多其他领域一样。然而，在今天的医学教育中，对人工智能的讨论还不够。本研究的目的是分析医学生对医学人工智能的知识和态度。方法：通过在线问卷对所有东地中海大学与马尔马拉大学联合开展的国际医学项目医学生进行了横断面研究。在调查前被告知的学生被要求填写调查问卷，如果他们同意参加。问卷包括 3 个部分：参与者的人口统计、关于人工智能的知识和对人工智能的态度。结果通过 Microsoft Excel 收集和检查。使用 SPSS v26 对调查数据进行卡方检验分析。结果：88 名医学生参加了在线调查。大多数调查受访者（77%）已经知道与医学人工智能相关的信息。大多数参与者主要从社交媒体和媒体获取这些信息。只有 26.1% 的学生表示他们从讲座中学到了一些关于人工智能的知识。29.5% 的临床前阶段学生认为人类医生将在可预见的未来被人工智能取代，但临床阶段学生的比例下降到 18.5%。男性学生明显表示他们对人工智能有基本的了解（p<0.05）。此外，了解这些技术的参与者明显认为这些发展使医学更加令人兴奋（p<0.05）。
ORIGINALRESEARCH 印度尼西亚医生和医学生对基因组编辑的态度
目的：本研究旨在衡量印尼医生和学生对基因组编辑新技术的态度。材料和方法：通过研究人员网络、电子邮件和专门针对医生和学生的社交媒体分发在线问卷，调查他们对体细胞和胚胎健康和非健康状况基因组编辑的态度。处理了 1055 份有效问卷的数据；对社会人口因素和对基因组编辑的态度进行了描述性和关联分析。通过电子邮件进行深入访谈，以探讨受访者的答案。结果：结果显示，印尼医生和学生对基因组编辑的了解有限，并且与性别、居住地、宗教、教育、婚姻状况、生育和海外经历有关。超过一半的受访者支持基因组编辑用于治疗体细胞和胚胎的致命和衰弱性疾病，这意味着他们同意编辑基因遗传。然而，当应用于外貌、智力和力量等非健康相关方面时，这种认可度下降。影响他们对基因组编辑态度的因素包括他们是医生还是学生、性别、年龄、教育、宗教、经济状况和居住地。结论：提高印度尼西亚医生和学生对基因组编辑的了解和认识非常重要。尽管大多数受访者支持将其应用于健康相关事务，但需要从伦理和宗教角度进行讨论，以确保人们接受。关键词：发展中国家、CRISPR/Cas、良好的健康和福祉
医学生使用人工智能工具进行研究：叙述性综述
随着数字化时代的到来，人工智能 (AI) 驱动的工具/算法的开发打开了一扇新的大门，这些工具/算法可以帮助分析上传到云端的大量数据。基于 AI 的工具/算法在研究领域创造了一个利基市场。AI 使研究人员和从业者能够更有效地访问和评估大量科学论文。这可以链接过去的类似研究并突出研究差距，从而加速文献综述、证据生成和知识发现过程。医学生可以从各种基于 AI 的文献组织和引用解决方案中获得帮助。这些工具/算法促进了多个研究中心之间的安全信息交换、协作研究和沟通。然而，AI 驱动的研究需要人类专家的指导和监督，以提高进入科学数据库的内容的准确性、连贯性和可信度。本评论的主要目标是讨论和评估各种基于人工智能的工具/算法及其可帮助医学生进行医学研究的主要功能。
弯腰驼背对医学生心率变异性和心血管健康的影响
背景：医学生经常采取不良姿势，例如弯腰驼背，可能会影响健康。心率变异性（HRV）是自主神经系统功能的指标，与心血管健康相关。目的和目标：本研究的目的是比较医学生在三种姿势下的 HRV 参数：端坐、轻松姿势（盘腿）和弯腰驼背（低头和弯肩）。材料和方法：一项比较横断面研究招募了 26 名男医学生。要求参与者保持每个姿势 5 分钟，同时使用 Polar V800 记录 HRV。使用 Friedman 检验和事后检验进行成对比较，分析了不同姿势之间的时域和频域参数。P<0.05 被认为具有显著性。数据以中位数四分位距表示。结果：不同姿势之间的 HRV 参数存在显著差异。轻松姿势下连续 RR 间隔差的均方根中值（48.28 毫秒 vs. 35.35 毫秒）和 pNN50% 中值（24.40% vs. 13.62%）明显高于懒散姿势。频域分析显示，轻松姿势下高频 (HF) 功率中值（626.56 毫秒² vs. 378.15 毫秒²）和 HF 标准化单位（33.78 vs. 22.55）明显高于懒散姿势。轻松姿势下低频 (LF)/HF 比率较低（1.96 vs. 3.43）和 LF 标准化单位较低（66.18 vs. 77.30）。虽然统计上并不显著，但与懒散姿势相比，直立坐姿下 HRV 的副交感神经指标更高。结论：对于医学生来说，采取轻松的姿势（盘腿而坐）似乎可以增强 HRV，从而增加副交感神经活动，而采取懒散的姿势则会降低 HRV。
巴西医学生关于 HPV 及其疫苗的知识差距和获取
为了评估所用工具的内部一致性，使用了 Cronbach 的 alpha 方程，得出该人群的 alpha 值 (α) = 0.74。该值证明使用此问卷获得的答案具有很高的一致性并且是可以接受的。在完成调查的 518 名医学生中，大多数为男性 312 名（60.4%），平均年龄为 23（±2.8）岁；199 名（38.3%）学生是毕业的最后一年（第 5 年和第 6 年）。与毕业最后一年的学生相比，一、二、三年级的学生出现知识差距的风险高 51% [PR 1.51（1.3:1.8）；p < 0.001]。男性知识不满意的风险比女性高 22% [PR 1.22（1.07:1.39）]。医学院学习期间没有获得以下问题的知识（p < 0.05）：艾滋病毒感染者的疫苗适应症和孕妇的禁忌症。
医学生希望将人工智能融入医学教育：一篇观点文章
医学正处于变革的边缘。人工智能 (AI) 和机器学习 (ML) 算法的进步正在重塑医生和医疗保健提供者的医疗实践方式。近年来，人工智能已迅速发展成为适用于临床实践的适用医疗技术。这些系统现在正在处理越来越多的复杂数据，提高可穿戴生物识别设备的可行性，优化诊断算法的使用，并在电子健康记录 (EHR) 等大型数据集中利用模式识别 (1 – 4)。这些系统的速度和效率有可能在特定任务上胜过医生，这可以让医生有更多时间从事其他重要工作，例如与患者进行有针对性的咨询和教育，以及解决国内外的健康不平等问题。与许多创新一样，随着人工智能技术的扩展，医生和医疗保健工作者也遇到了阻力。缺乏理解、潜在的行政负担、缺乏法律框架以及对工作保障的担忧都导致了这种反对（5-8）。无论目前对人工智能的看法和效用存在什么分歧，我们认为，由于医疗保健业务部门的激励措施以及它将为患者护理提供的改进，人工智能在临床实践中的应用是不可避免的。包括谷歌和 IBM 在内的科技巨头正在投资用于挖掘医疗记录的人工智能技术（9）。此外，Enlitic 等初创公司正在使用深度学习 (DL) 算法来解释医学图像，速度比普通放射科医生快得多，使放射科医生能够完成其他任务并发展其角色以加强患者护理（9）。鉴于大企业和初创企业都在开发能够实现更有效、更高效的医疗服务的技术，AI 与医学的整合是不可避免的。因此，医学界必须成为引领者，引导 AI 的整合，确保这些技术能够改善健康结果，并提供更公平的患者护理分配。正如本文所述，我们认为这种变革的最佳起点是医学院。我们团队的成员在精准医疗、药物研发、诊断和医院管理方面拥有丰富的经验，我们利用这些经验为 AI 如何融入医疗行业提供独特的视角。作为未来的医生，我们的团队呼吁将人工智能课程融入医学教育中。
附录2：药理学摘要和医学生的教育干预措施
基于任务的学习组和教学学习的学生之间的平均分数明显高于基于小组的学习（p <0.001）。基于任务的学习组在与其他两组相比列出了与药物溃疡的p-药物选择和处方相关的问题中的表现明显更好（P <0.001）。基于案例的学习最有趣，受到学生的喜爱（p <0.001）。总体而言，来自所有三个小组的大多数学生都认为干预措施可用于获得知识和技能，以选择患者的P-grug。
研究文章 医学生人工智能教育的循证方法：系统评价
过去二十年，人工智能 (AI) 呈指数级增长，许多人认为这是改善患者护理质量的机会。然而，医学教育系统在适应人工智能时代方面进展缓慢，导致医学院缺乏针对人工智能的专项教育。本系统评价的目的是评估当前基于证据的建议，以将人工智能教育课程纳入本科医学。从建库到 2022 年 4 月 23 日，我们在六个数据库中搜索了纽卡斯尔-渥太华量表上质量一般或更高的横断面和队列研究、系统、范围界定和综合评价、随机对照试验和关于本科医学课程中人工智能教育的德尔菲研究。搜索产生了 991 条结果，其中 27 条符合所有标准，另外 7 条通过参考挖掘纳入。尽管研究类型之间存在高度异质性，且缺乏评估当前人工智能战略影响的后续研究，但对人工智能关键原则的主题分析确定了在医学院课程中成功实施人工智能所需的六个主题。这些主题包括伦理、理论与应用、沟通、协作、质量改进以及感知与态度。伦理、理论与应用和沟通主题进一步细分为子主题，包括以患者为中心和以数据为中心的伦理；实践知识和沟通知识；临床决策沟通、实施沟通和知识传播沟通。根据调查研究，通常对人工智能基础知识较低的医疗专业人员和学生一直强烈支持将正规的人工智能教育纳入医学课程，这表明需要进行更多研究来推动这一议程。
黎巴嫩医学生对人工智能的知识和态度：一项全国调查研究
现代医学正在迅速发展，许多领域已经将人工智能融入临床实践：在肿瘤学中用于癌症诊断和分级（Londhe 和 Bhasin，2019 年）；在胃肠病学中利用内窥镜检测和诊断病理病变（Alagappan 等人，2018 年），在放射学中用于检测和解释影像中的各种癌症实体（Hosny 等人，2018 年）。人工智能还进入了医学教育领域，被用于基于案例的电子学习（Khumrina 等人，2017 年）或通过虚拟标准化病人系统进行病史采集（Maicher 等人，2019 年；Randhawa 和 Jackson，2020 年）。这些工具可能会彻底改变医学教育，特别是因为机器和三个人类评分者之间的评分在准确性上具有可比性（Maicher 等人，2019 年）。人们普遍认为人工智能将在医学中发挥不可或缺的作用，但它对医学生及其未来的影响仍不清楚。一些研究表明，人工智能可能会使人们远离医学职业（Park 等人，2020 年）或更容易受到人工智能影响的专业，如放射学（Pinto Dos Santos 等人，2019 年）。其他研究表明，学生们不同意普通医生和放射科医生会被人工智能取代（Pinto Dos Santos 等人，2019 年）。影响医学生对人工智能态度的一个因素可能是他们对人工智能及其在医学中的应用的了解。知识差距源于课程设计不足以适应人工智能等现代医学进步。未能将人工智能材料嵌入课程的失败可以归因于多种因素。首先，缺乏与人工智能相关的认证要求将使管理人员没有动力扩展他们的课程（Kolachalama 和 Garg，2018 年）。随着对额外学术科目的需求和不断增长的生物医学知识体系，医学院在当前框架下已经难以维持其课程设置。医学院缺乏教授这些内容所需的教师专业知识，这使这一问题更加严重，这些内容主要在计算机科学、数学和工程学院教授（Kolachalama 和 Garg，2018 年）。尽管人工智能技术在医学领域迅速发展，有可能彻底改变整个医学教育，但人工智能在黎巴嫩医学中的应用仍然有限，并且在某些临床和外科领域受到限制，例如机器人技术（Labban 等人，2021 年）。同样，医学教育课程提供与人工智能相关的教育内容有限，这可能导致知识受限和对该主题的消极态度。多项研究评估了来自世界各地（包括中东地区）医学生对人工智能的知识和态度（Gong 等人，2019 年；Pinto Dos Santos 等人，2019 年；Sit 等人，2020 年；Ahmed 等人，2022 年；Al
帮助医学生做好应对人工智能对医疗保健影响的准备
人工智能 (AI) 技术有望改变医疗保健 1 。当代人工智能的支柱是机器学习，它涉及在大型数据集上训练算法，以根据输入预测适当的输出 2,3 。人工智能已应用于诊断测试的解释、预测和风险评估以及从电子病历中挖掘信息。临床人工智能算法已证明能够比专家临床医生团队更准确地检测出黑色素瘤 4 ，根据视网膜 CT 图像提前数年预测痴呆症风险 5 ，并根据在明显正常窦性心律下记录的心电图正确识别患有心房颤动的个体 6 。人工智能在提高文书效率（例如图表、账单、日程安排）方面的前景也预计将对医生改善直接患者护理的能力产生深远影响 7,8 。2017 年，加拿大成为全球第一个宣布 AI 国家战略的国家，在五年内投资 1.25 亿美元，在埃德蒙顿、多伦多和蒙特利尔建立卓越中心 9 。2019 年，联邦政府又投资 4900 万美元，推出“数字健康与发现平台”，将健康数据链接起来，用于全加拿大的 AI 研究 10 。鉴于 AI 发展的快速步伐和监管部门的快速审批 11 ，医院环境中正在开发许多 AI 算法，用于不同的应用，例如改进对诊断成像的解释 12 和新生儿败血症的早期检测 13 。截至 2020 年 2 月，已有 35 种 AI 算法获得 FDA 批准在美国用于临床 11 。随着 AI 临床实用性的提高，我们相信医生将越来越多地被期望与 AI 合作 14 。为了充分发挥 AI 在医学领域的优势并降低其风险，本立场文件主张将 AI 能力纳入加拿大各地的本科医学教育 (UGME) 计划。