تعیین آمادگی، ادراک و دانش استفاده از هوش مصنوعی پزشکی در میان دانشجویان پزشکی دانشگاه علوم پزشکی زاهدان در سال 1403

با رشد فزاینده داده ها در حوزه های مختلف پزشکی، انتظار می رود هوش مصنوعی چشم انداز پزشکی را در جنبه های مختلف مراقبت بالینی، از تشخیص بیمار تا درمان و تحقیقات زیست پزشکی تغییر دهد. با توجه به نقش حیاتی هوش مصنوعی در حوزه سلامت، ضروری است که آموزش‌های بهداشتی نیز از پیشرفت‌های این حوزه بهره‌مند شود. با توجه به اینکه هوش مصنوعی بصورت اساسی بر آموزش تاثیرگذار است و دانشجویان رشته های پزشکی نظیر پرستاری به عنوان نیروی کار آینده در بخش سلامت می توانند از قابلیتهای هوش مصنوعی در درمان و مراقبت بهینه از بیماران استفاده نمایند. این مطالعه به بررسی میزان آمادگی، ادراک و دانش از هوش مصنوعی پزشکی در میان دانشجویان پرستاری دانشگاه علوم پزشکی زاهدان می پردازد. در این مطالعه داده ها با کمک دو پرسشنامه بررسی ادراک و دانش هوش مصنوعی دانشجویان و پرسشنامه آمادگی هوش مصنوعی پزشکی(MAIRS-MS) دانشجویان مورد بررسی قرار خواهد گرفت.

"With the exponential growth of data in various medical fields, artificial intelligence (AI) is poised to revolutionize the medical landscape across all aspects of patient care, from diagnosis to treatment and biomedical research. Given the pivotal role of AI in healthcare, it is imperative that healthcare education also benefits from these advancements. Considering the profound impact of AI on education and the fact that medical students, such as nursing students, represent the future healthcare workforce, it is crucial that they be equipped with the skills to leverage AI for optimal patient care and treatment. This study aims to investigate the level of readiness, perception, and knowledge of medical AI among nursing students at Zahedan University of Medical Sciences. Data will be collected using two questionnaires: one to assess students' perception and knowledge of AI, and the other, the Medical AI Readiness Scale for Medical Students (MAIRS-MS), to evaluate their readiness for medical AI."

هوش مصنوعی، علم ساخت ماشینهای هوشمندی است که میتواند رفتار انسان را با استفاده از تواناییهای یادگیر ی و تصمیم گیری، با کمترین مداخله خارجی تقلید کند. (1)هوش مصنوعی (AI) شاخه ای از علوم کامپیوتر است که هدف آن دیجیتالی کردن و خودکارسازی فعالیت های انسانی است. از زمان اولین پیشنهاد برای استفاده از هوش مصنوعی در پزشکی در دهه 1950(2)، هوش مصنوعی در ز مینه های مختلف پزشکی ازجمله تصویربردار ی پزشکی و تجزیه وتحلیل الگوهای بیان ژن استفاده شده است. تحقیقات در زمینه استفاده از هوش مصنوعی در حوزه مراقبت سلامت در سطح جهانی به سرعت در حال افزایش است و موارد استفاده بالقوه در بخش مراقبتهای بهداشتی اعم از سلامت جسمی و روانی ازجمله کشف دارو، مشاوره بالینی مجازی، تشخیص بیماری، پیش آگهی، مدیریت دارو و نظارت بر سلامت نشان داده شده است.(3) با هجوم مداوم و تدریجی فزاینده داده ها در حوزه های مختلف پزشکی، انتظار می رود هوش مصنوعی چشم انداز پزشکی را در جنبه های مختلف مراقبت بالینی، از تشخیص بیمار تا درمان(4) و تحقیقات زیست پزشکی تغییر دهد.به عبارت ساده، هوش مصنوعی می‌تواند به بیماران و ارائه دهندگان خدمات بهداشتی در تشخیص بیماری، ارزیابی خطر بیماری، تخمین موفقیت درمان، مدیریت عوارض و حمایت از بیمار کمک کند. (5)
با توجه به نقش حیاتی هوش مصنوعی در حوزه سلامت، ضروری است که آموزش‌های بهداشتی نیز از پیشرفت‌های این حوزه بهره‌مند شوند.(6) در سال 2007، انجمن کالج های پزشکی آمریکا (AAMC) توصیه کرد که دانشکده های پزشکی باید از فناوری در آموزش پزشکی استفاده کنند، مانند استفاده از فناوری های شبیه سازی(7). با ظهور هوش مصنوعی مبتنی بر یادگیری ماشین، آموزش پزشکی نیاز دارد که از عصر اطلاعات به عصر هوش مصنوعی منتقل شود تا از عمل بالینی با پشتیبانی تصمیم گیری مناسب پشتیبانی کند(8). تحقیقات در مورد نگرش دانشجویان پزشکی نسبت به هوش مصنوعی، علاقه گسترده و شناخت تأثیر بالقوه آن بر روی عملکرد پزشکی آینده را نشان داده است. مطالعه‌ای که در استرالیای غربی انجام شد نشان داد که اگرچه دانشجویان پزشکی به هوش مصنوعی ابراز علاقه کردند، اما بسیاری احساس کردند که درک جامعی از اصول و محدودیت‌های محاسباتی آن ندارند(9). این امر نیاز به آموزش هوش مصنوعی در برنامه های درسی پزشکی را برای آماده سازی پزشکان آینده برای چشم انداز مراقبت های بهداشتی در حال تحول نشان می دهد. علاوه براین در مطالعه‌ای توسط بیگی و همکاران انجام شد نتایج نشان داد که دانشجویان پزشکی نگرش مثبتی نسبت به هوش مصنوعی در حوزه پزشکی دارند؛ با این حال، اکثر دانشجویان دانش کم و مهارت محدودی در کار با هوش مصنوعی داشتند(10). این موضوع همچنین توسط تونگ و همکاران تایید شده است که نتایج آنها نشان داد دانشجویان پزشکی در مالزی آگاهی بالایی از هوش مصنوعی داشتند اما نیاز به آگاهی و آشنایی بیشتر با هوش مصنوعی پزشکی دارند.(11)
به طور کلی ادبیات کافی در مورد دانش، نگرش و درک متخصصان مراقبت های بهداشتی و دانشجویان پزشکی نسبت به پذیرش هوش مصنوعی و یادگیری ماشین در عمل بالینی و آموزش پزشکی، به ترتیب، وجود دارد. این شامل مطالعاتی است که هر دو طرف را منعکس می کند، یعنی آگاهی از هوش مصنوعی و همچنین کمبود دانش هوش مصنوعی در پزشکان و دانشجویان. به عنوان مثال، یک مطالعه کره ای نگرش پزشکان را نسبت به پذیرش سیستم های هوش مصنوعی در مراقبت های بهداشتی بررسی کرد و نتیجه گرفت که اکثر آنها با هوش مصنوعی آشنا نبودند اما با مفید بودن هوش مصنوعی در عمل پزشکی موافق بودند؛ علاوه بر این، پزشکان همچنین اظهار داشتند که هوش مصنوعی نمی تواند جایگزین نقش آنها شود (12). از سوی دیگر، درک نادرست در مورد هوش مصنوعی می تواند ترس را در بین کاربران در مورد پذیرش آن در آینده ایجاد کند. این نتایج در یک مطالعه سوئیسی گزارش شده است که کمبود دانش هوش مصنوعی را در میان گروه کوچکی از دانشجویان پزشکی  نشان داد، که این امر به عنوان یک تهدید بالقوه برای کاربرد هوش مصنوعی در رادیولوژی تشخیصی تلقی می شود (13). بنابراین، با توجه به اینکه پذیرش هوش مصنوعی در مراقبتهای بهداشتی رو به افزایش است، آموزش پزشکی نه تنها باید اصول علوم زیست پزشکی و بالینی را آموزش دهد، بلکه باید طیف گسترده ای از مهارت هایی را که برای پزشکان آینده برای استفاده موثر از سیستم های هوش مصنوعی در عمل بالینی مورد نیاز است، پوشش دهد(6, 14).
در حوزه پزشکی، هوش مصنوعی به سرعت در حال متحول کردن بخش‌های مختلفی از جمله مراقبت‌های بهداشتی است. هوش مصنوعی پتانسیل عظیمی برای بهبود برنامه‌ریزی درمان، تشخیص بیماری‌ها و مراقبت از بیمار دارد. با این حال، یکی از عوامل تعیین‌کننده موفقیت ادغام هوش مصنوعی در مراقبت‌های بهداشتی، آمادگی، دانش و ادراک متخصصان پزشکی، به ویژه دانشجویان پزشکی که نیروی کار آینده هستند، است. با ارزیابی آمادگی، دانش و ادراک دانشجویان پرستاری نسبت به هوش مصنوعی در مراقبت‌های بهداشتی، می‌توانیم گامی اساسی در آماده‌سازی نیروی کار آینده برای بهره‌برداری کامل از پتانسیل فناوری‌های هوش مصنوعی برداریم؛ و در نتیجه ادغام مؤثر هوش مصنوعی را امکان‌پذیر سازیم که در نهایت از مراقبت از بیمار و ارائه خدمات بهداشتی پشتیبانی می‌کند. لذا مطالعه حاضر با هدف بررسی میزان آمادگی، ادراک و دانش از هوش مصنوعی پزشکی در میان دانشجویان پزشکی دانشگاه علوم پزشکی زاهدان در سال 1403 انجام خواهد شد.
پیشینه پژوهش:
حاجی اسفندیاری و همکاران در سال 2024 در مطالعه ای به بررسی میزان پذیرش هوش مصنوعی در رشته پزشکی در بین پزشکان و دانشجویان پزشکی پرداخت. این مطالعه مقطعی در چندین موسسه پزشکی در ایران انجام شد و شامل 535 شرکت‌کننده (351 دانشجوی پزشکی و 184 پزشک) بود که پرسشنامه‌ای آنلاین را تکمیل کردند و آگاهی، تجربه، نگرش و تمایل به پذیرش هوش مصنوعی را در بخش بالینی ارزیابی می‌کرد. دانشجویان پزشکی به طور قابل توجهی استفاده بیشتری از سیستم های پشتیبانی تصمیم مبتنی بر هوش مصنوعی (89.5٪) را نسبت به پزشکان (45.1٪) گزارش کردند (p = 0.038). هر دو گروه اغلب با خطاهای هوش مصنوعی مواجه می شدند (پزشکان: 65.1٪، دانش آموزان: 68.5٪). نگرش نسبت به هوش مصنوعی به طور کلی مثبت بود، بدون تفاوت قابل توجهی بر اساس جنسیت یا تخصص جراحی. با این حال، پزشکان متخصص با تجربه کمتر، نگرش‌های مثبت‌تری نسبت به استفاده از هوش مصنوعی را نشان دادند. (15)
در مطالعه آل خالدی و همکاران که در سال 2023 به سنجش تجربیات و دیدگاه های دانشجویان فارغ التحصیل پزشکی در مورد ChatGPT و AI در آموزش و آینده شغلی آنها پرداخت. یک نظرسنجی مبتنی بر وب از دانشجویان پزشکی که اخیراً فارغ‌التحصیل شده‌اند در یک مرکز پزشکی دانشگاهی بین‌المللی انجام شد و از آمار توصیفی برای جدول‌بندی فراوانی‌های متغیر استفاده شد. در کل 265 نفر نظرسنجی را تکمیل کردند. اکثریت قریب به اتفاق پاسخ دهندگان اظهار داشتند که از ChatGPT در دانشکده پزشکی استفاده نکردند، 20.4٪ (n=54) از آن برای کمک به تکمیل ارزیابی های کتبی استفاده کردند و تنها 9.4٪ از این فناوری در کار بالینی خود استفاده کردند (n=25). دانش‌آموزاجویان در طول دوره رزیدنتی، عمدتاً برای کاوش در موضوعات جدید پزشکی و تحقیقات (n=168، 63.4%) و آمادگی برای امتحان (n=151، 57%) از هوش مصنوعی استفاده کردند. دانشجویان پسر به طور قابل توجهی بیشتر بر این باور بودند که هوش مصنوعی موجب افزایش دقت تشخیصی، کاهش خطای پزشگی و بهبود مراقبت از بیمار می گردد. (16)
همدانی و همکاران در سال 2023 به بررسی دانش، نگرش و پذیرش هوش مصنوعی و برنامه های کاربردی آن در میان پزشکان و پرستاران ایران پرداخت. در این مطالعه مقطعی 8 بیمارستان آموزشی با 400 پزشک و پرستار با پرسشنامه مورد بررسی قرار گرفتند. در این پژوهش میزان آگاهی در بین آزمودنی‌های تحقیق به ‌صورت (53/4 ± 66/14) بود. میانگین سطح نگرش آنها نسبت به هوش مصنوعی نسبتاً مطلوب بود. سطح پذیرش هوش مصنوعی متوسط (70/13 ± 19/103) بود. علاوه بر این، از دیدگاه شرکت‌کنندگان، هوش مصنوعی در پزشکی بیشترین کاربرد را دارد در افزایش دقت تست های تشخیصی (86.5%)، شناسایی تداخلات دارویی (82.75%) و کمک به تجزیه و تحلیل آزمایشات پزشکی و تصویربرداری (80%). علاوه بر این رابطه آماری معنی داری بین متغیر پذیرش هوش مصنوعی و سطح تحصیلات شرکت کننده، شرکت در دوره آموزشی هوش مصنوعی  و بخش بیمارستانی که در آن کار می کردند وجود داشت.(17)
شهولی و همکاران در سال 1403 به بررسی سطح دانش، نگرش و عملکرد دانشجویان با کاربردهای هوش مصنوعی در پرستاری در بین دانشجویان پرستاری دانشگاه علوم پزشکی آبادان پرداختند. در این مطالعه توصیفی از نوع مقطعی  200دانشجوی پرستاری با رضایت آگاهانه پرسشنامه محقق ساخته دانش، نگرش و عملکرد هوش مصنوعی را که روایی و پایایی شده بود را تکمیل نمودند. میانگین سطح دانش دانشجویان نسبت به کاربرد هوش مصنوعی درپرستاری 82/1 ± 38/11 بود که نشان داد 182 نفر( 91 درصد) دانش مثبتی دارند. از نظر عملکرد میانگین نمرات دانشجویان )40/1 ± 49/6 بدست آمد که اشاره به این موضوع دارد که 112نفر عملکرد ضعیفی در این زمینه دارند. از نظر نگرش نیز در اکثر موارد دانشجویان نگرش مثبتی نسبت به کاربرد هوش مصنوعی در پرستاری دارند. در این مطالعه بالارفتن سن با افزایش سطح دانش و جنسیت مرد نیز بر افزایش سطح نگرش و عملکرد تاثیر گذار بوده است. با استفاده از ضریب همبستگی پیرسون بین دانش و نگرش با عملکرد همبستگی معنادار و مستقیمی وجود داشت.(18)
در مطالعه همودی هالت  در سال 2024 که با هدف بررسی آمادگی دانشجویان دندانپزشکی برای استفاده از هوش مصنوعی، درک آنها از هوش مصنوعی در آموزش و مراقبت های بهداشتی و نیازهای آموزشی مرتبط با هوش مصنوعی آنها  پرداخت. در این مطالعه مقطعی که در بین دانشجویان دندانپزشکی کالج دندانپزشکی دانشگاه قطر انجام شد، آمادگی برای هوش مصنوعی را با استفاده از مقیاس آمادگی هوش مصنوعی پزشکی (MAIRS) ارزیابی کرد. همچنین درک دانشجویان از هوش مصنوعی در مراقبت های بهداشتی و آموزش بهداشت و نیازهای آموزشی آنها مورد بررسی قرار گرفت. در مجموع 94 دانشجو در این مطالعه شرکت نمودند .نمرات آمادگی هوش مصنوعی متوسط بود؛ در حالی که شرکت کنندگان بیشتر برای حوزه های تصور(بصیرت)  و اخلاق MAIRS آماده بودند، اما آمادگی کمتری در مورد شناخت و توانایی نشان دادند. شرکت کنندگان در درک هوش مصنوعی  نمره متوسطی کسب کردند. آنها نیاز بالایی به دانش و مهارت های مرتبط با استفاده از هوش مصنوعی در مراقبت های بهداشتی، هوش مصنوعی برای تحقیقات مرتبط با سلامت و هوش مصنوعی در روش های رادیولوژی و تصویربرداری) را بیان کردند. سطح آمادگی دانشجو با درک هوش مصنوعی و سطح درک شده دانش هوش مصنوعی ارتباط معنی داری داشت. (19)
در مطالعه هاردجو لیکیتو  در سال 2024 به ارزیابی آمادگی، دانش و درک دانشجویان پزشکی در دانشگاه پلیتا هاراپن اندونزی پرداخت. در این مطالعه مقطعی پرسشنامه مقیاس آمادگی هوش مصنوعی پزشکی برای دانشجویان پزشکی (MAIRS-MS) برای ارزیابی آمادگی هوش مصنوعی و پرسشنامه‌های اقتباسی برای ارزیابی دانش و ادراک نسبت به هوش مصنوعی استفاده شد. در مجموع 650 پاسخ‌دهنده در این مطالعه شرکت کردند. اکثر پاسخ‌دهندگان در مرحله پیش‌بالینی (88%) بودند در حالی که بقیه در مرحله بالینی (12%) بودند. به طور کلی، میانگین نمره کل آمادگی هوش مصنوعی 73.34 از 100 بود. به طور کلی، پاسخ‌دهندگان دانش کافی و ادراک مثبتی نسبت به هوش مصنوعی داشتند. همچنین همبستگی معنی‌داری بین آمادگی و دانش با جنسیت، داشتن سابقه تحصیل کدگذاری در دبیرستان و داشتن خانواده یا دوستان نزدیک شاغل در حوزه هوش مصنوعی وجود داشت. رسانه‌های اجتماعی نیز تأثیر خوبی در افزایش آمادگی در حوزه توانایی و اخلاق و ادراک نسبت به هوش مصنوعی داشتند.(20)
زونگ تونک  در سال 2023 در مطالعه ای به بررسی نگرش دانشجویان پزشکی مالزیایی نسبت به هوش مصنوعی و ارزیابی آمادگی آن‌ها برای کار با فناوری هوش مصنوعی پزشکی پرداخت. در این مطالعه یک پرسشنامه آنلاین در گوگل فرم به تمام ۳۱ دانشکده پزشکی مالزی ارسال شد. این پرسشنامه شامل ۳ بخش بود: بخش اول اطلاعات جمعیت‌شناختی شرکت‌کنندگان را بررسی می‌کرد، بخش دوم نگرش شرکت‌کنندگان نسبت به هوش مصنوعی را ارزیابی می‌کرد و بخش نهایی از مقیاس آمادگی هوش مصنوعی پزشکی برای دانشجویان پزشکی (MAIRS-MS) برای ارزیابی آمادگی هوش مصنوعی آن‌ها استفاده می‌کرد. سیصد و یک دانشجو از ۱۷ دانشگاه مالزی به پرسشنامه پاسخ دادند. ۸۷.۳۶ درصد از دانشجویان موافق بودند که هوش مصنوعی نقش اساسی در مراقبت های بهداشتی ایفا خواهد کرد؛ اکثر دانشجویان (۷۱%) احساس کردند که تدریس در هوش مصنوعی به حرفه آنها کمک خواهد کرد، در حالی که ۶۹.۴۴ درصد موافق بودند که همه دانشجویان باید آموزش هوش مصنوعی را دریافت کنند. حدود ۴۴.۵ درصد از دانشجویان احساس کردند که پس از فارغ التحصیلی، دانش لازم برای کار با هوش مصنوعی را خواهند داشت. در مقیاس MAIRS-MS، دانشجویان میانگین نمره ۲۱ از ۴۰ برای عامل شناختی، ۲۵ از ۴۰ برای عامل توانایی، ۱۰ از ۱۵ برای عامل بینایی و ۱۱ از ۱۵ برای عامل اخلاق داشتند. به طور کلی، دانشجویان مالزیایی میانگین نمره کل ۶۷±۱۴.۸ از ۱۱۰ را داشتند.(11)

1. منابع کسب اطلاعات در زمینه هوش مصنوعی پزشکی در دانشجویان پزشکی دانشگاه علوم پزشکی زاهدان چیست؟

2. میانگین نمره دانش هوش مصنوعی پزشکی در دانشجویان پزشکی دانشگاه علوم پزشکی زاهدان چقدر است؟

3. میانگین نمره آمادگی هوش مصنوعی پزشکی در دانشجویان پزشکی دانشگاه علوم پزشکی زاهدان چقدر است؟

4. میانگین نمره ادراک هوش مصنوعی پزشکی در دانشجویان پزشکی دانشگاه علوم پزشکی زاهدان چقدر است؟

5. بین آمادگی هوش مصنوعی پزشکی و ویژگی های جمعیت شناختی(سن، جنس، مقطع تحصیلی) در دانشجویان پزشکی دانشگاه علوم پزشکی زاهدان ارتباط وجود دارد

6. بین ادراک هوش مصنوعی پزشکی و ویژگی های جمعیت شناختی(سن، جنس، مقطع تحصیلی) در دانشجویان پزشکی دانشگاه علوم پزشکی زاهدان ارتباط وجود دارد

7. بین دانش هوش مصنوعی پزشکی و ویژگی های جمعیت شناختی(سن، جنس، مقطع تحصیلی) در دانشجویان پزشکی دانشگاه علوم پزشکی زاهدان ارتباط وجود دارد

8. پیشگوهای مرتبط با آمادگی هوش مصنوعی پزشکی در دانشجویان پزشکی دانشگاه علوم پزشکی زاهدان چیست؟

تعیین آمادگی، ادراک و دانش استفاده از هوش مصنوعی پزشکی در میان دانشجویان پزشکی دانشگاه علوم پزشکی زاهدان

1. تعیین منابع کسب اطلاعات در زمینه هوش مصنوعی پزشکی در دانشجویان پزشکی دانشگاه علوم پزشکی زاهدان

2. تعیین میانگین نمره دانش هوش مصنوعی پزشکی در دانشجویان پزشکی دانشگاه علوم پزشکی زاهدان

3. تعیین میانگین نمره آمادگی هوش مصنوعی پزشکی در دانشجویان پزشکی دانشگاه علوم پزشکی زاهدان

4. تعیین میانگین نمره ادراک هوش مصنوعی پزشکی در دانشجویان پزشکی دانشگاه علوم پزشکی زاهدان

5. تعیین ارتباط بین آمادگی هوش مصنوعی پزشکی و ویژگی های جمعیت شناختی(سن، جنس، مقطع تحصیلی) در دانشجویان پزشکی دانشگاه علوم پزشکی زاهدان

6. تعیین ارتباط بین ادراک هوش مصنوعی پزشکی و ویژگی های جمعیت شناختی(سن، جنس، مقطع تحصیلی) در دانشجویان پزشکی دانشگاه علوم پزشکی زاهدان

7. تعیین ارتباط بین دانش هوش مصنوعی پزشکی و ویژگی های جمعیت شناختی(سن، جنس، مقطع تحصیلی) در دانشجویان پزشکی دانشگاه علوم پزشکی زاهدان

8. تعیین پیشگوهای آمادگی هوش مصنوعی پزشکی در دانشجویان پزشکی دانشگاه علوم پزشکی زاهدان

وزارت بهداشت

دانشگاه های علوم پزشکی

اعضا هیات علمی دانشگاه های علوم پزشکی

1. طراحی محتوا، منابع آموزشی و کارگاههای آموزشی جهت ارتقاء آگاهی و دانش از کاربرد هوش مصنوعی در آموزش پزشکی برای دانشجویان و اعضاهیات علمی

2. تدوین سیاستهای  ارتقاء سواد هوش مصنوعی پزشکی دانشجویان و کارکنان مراقبت سلامت

تعریف نظری هوش مصنوعی: هوش مصنوعی شاخه ای از علوم کامپیوتر است با هدف دیجیتالی کردن و خودکارسازی فعالیت های انسانی به وجود آمده است.(15)

تعریف عملیاتی هوش مصنوعی: تعریف عملی مطابق تعریف نظری است.

تعریف نظری آمادگی: فرهنگ لغت مریام-وبستر، آمادگی را به عنوان «کیفیت یا حالت آماده بودن» تعریف می‌کند. در زمینه آموزش، آمادگی به‌عنوان یک مؤلفه‌ی ضروری در فرایند آموزش و یادگیری تلقی می‌شود.

تعریف عملیاتی آمادگی: در این تحقیق آمادگی استفاده از هوش مصنوعی پزشکی دانشجویان با پرسشنامه (MAIRS-MS) که شامل 22 سوال است سنجیده می شود.

تعریف نظری ادراک: مطابق تعریف واژه نامه آکسفورد ادراک به یک ایده، یک باور یا تصویری که در نتیجه نحوه دیدن یا درک چیزی دارید گفته میشود. (16)

تعریف عملی ادراک: در این تحقیق ادراک استفاده از هوش مصنوعی پزشکی دانشجویان با پرسشنامه محقق ساخته سنجیده می شود که شامل سه بعد استفاده در آموزش-مراقبت بهداشتی و خطرات احتمالی است..

این پژوهش مقطعی از نوع توصیفی- تحلیلی است.

همه دانشجویان پزشکی مشغول در دانشگاه علوم پزشکی زاهدان که در قسمت پیش بالین و بالین می باشند که تعداد ان ها 1333 نفر می باشد

معیار ورود به مطالعه حاضر شامل دانشجویان رشته پزشکی که مشغول به تحصیل در دانشگاه علوم پزشکی زاهدان هستند می باشند. دانشجویانی که تمایل به شرکت در مطالعه حاضر نداشته باشند از مطالعه حذف خواهند شد.

با توجه به اینکه حجم جامعه 1333 نفر است و با استفاده از جدول مورگان حجم نمونه300 نفر به دست امد که با توجه به حجم هر طبقه( بالین و پیش بالین)

با توجه به اینکه تعداد دانشجویان مشغول در بخش پیش بالین 643 نفر می باشند لذا با استفاده از نسبت300 (643/1333) تعداد 145 نفر از بخش بالین و با توجه به تعداد افراد مشغول در بخش بالین که تعداد 690 نفر می باشند و با استفاده از نسبت 300*(690/1333) تعداد 155 نفر از این طبقه وارد مطالعه خواهند شد.

روش نمونه گیری این مطالعه، نمونه گیری طبقه بندی خواهد بود که در هر طبقه افراد به صورت سهمیه ای  مناسب با حجم  هر طبقه وارد نمونه خواهند شد

ابزار گردآوری داده ها در این مطالعه شامل دو پرسشنامه است. پرسشنامه اول پرسشنامه محقق ساخته ای است که برای سنجش میزان دانش و ادراک دانشجویان در زمینه هوش مصنوعی پزشکی می پردازد که این پرسشنامه به سه قسمت تقسیم می شود. در قسمت اول اطلاعاتی شخصی فرد پاسخ دهنده شامل سن، میزان تحصیلات، منابع کسب اطلاعات سلامت جمع آوری خواهد شد. در قسمت دوم سوالات مربوط میزان دانش در زمینه هوش مصنوعی با پنج سوال در زمینه مفاهیم اولیه هوش مصنوعی به صورت طیف لیکرت پرسیده خواهد شد. در قسمت سوم پرسشنامه میزان درک شرکت کنندگان در زمینه تاثیر احتمالی هوش مصنوعی در آموزش پزشکی، مراقبت بهداشتی و خطرات احتمالی آن سنجیده می شود. لازم به ذکر است سوالات این قسمت براساس بررسی مطالعات قبلی(13, 14, 17) که بررسی دانش و ادراک دانشجویان در زمینه هوش مصنوعی پرداختند و نظر متخصصین این حوزه طراحی شده است. جهت انجام روایی و پایایی از شاخص های روایی محتوا شامل CVI و CVR و جهت پایایی از الفای کرونباخ استفاده کردیم

شاخص نسبت روایی محتوایی:این شاخص توسط لاوشه (1986) طراحی شده است. جهت محاسبه این شاخص از نظرات کارشناسان متخصص در زمینه محتوای آزمون مورد نظر استفاده می شود و با توضیح اهداف آزمون برای آن ها و ارائه تعاریف عملیاتی مربوط به محتوای سؤالات به آن ها، از آن ها خواسته می شود تا هریک از سؤالات را بر اساس طیف سه بخشی لیکرت «گویه ضروری است»، «گویه ضروری نیست»، «مفید و غیر ضروری»، و طبقه بندی کنند. البته بعدا دسته بندی های دیگری نیز توسعه داده شده است.سپس بر اساس فرمول زیر، نسبت روایی محتوایی محاسبه می شود.

بر اساس تعداد متخصصینی که سؤالات را مورد ارزیابی قرار داده اند، حداقل مقدار CVR قابل قبول بر اساس جدول زیر بایستی باشد. سؤالاتی مقدار CVR محاسبه شده برای آن ها کمتر از میزان مورد نظر با توجه به تعداد متخصصین ارزیابی کننده سؤال باشد، بایستی از آزمون کنار گذاشته شوند به علت اینکه بر اساس شاخص روایی محتوایی، روایی محتوایی قابل قبولی ندارند.

ب) شاخص روایی محتوایی (CVI): جهت بررسی شاخص روایی محتوا  از روش والتز و باسل (Waltz & Bausell) استفاده می شود. بدین صورت که متخصصان «مربوط بودن»، «واضح بودن» و «ساده بودن» هر گویه را بر اساس یک طیف لیکرتی 4 قسمتی مشخص می کنند. متخصصان مربوط بودن هر گویه را از نظر خودشان از 1 «مربوط نیست»، 2 «نسبتاً مربوط است»، 3 «مربوط است»، تا 4 «کاملاً مربوط است» مشخص می کنند. ساده بودن گویه نیز به ترتیب از  1 «ساده نیست»، 2 «نسبتاً ساده است»، 3 «ساده است»، تا 4 «کاملا ساده است» و واضح بودن گویه نیز به ترتیب از 1 «واضح نیست»، 2 «نسبتاً واضح است»، 3 «واضح است»، تا 4 «کاملا واضح است» مشخص می شود.

حداقل مقدار قابل قبول برای شاخص CVI برابر با 79/0 است و اگر شاخص CVI گویه ای کمتر از 79/0 باشد آن گویه بایستی حذف شود.

جهت بررسی پایایی از الفای کرونباخ استفاده خواهد شد در صورتی که میزان الفا بیشتر از 0.70 باشد پرسشنامه از پایایی بالایی برخوردار است.

پرسشنامه دوم، پرسشنامه هوش مصنوعی پزشکی برای دانشجویان علوم پزشکی (MAIRS-MS) است که برای سنجش آمادگی هوش مصنوعی پزشکی مورد استفاده قرار خواهد گرفت. پرسشنامه فوق میزان آمادگی هوش مصنوعی را در چهار بعد شناخت، توانایی، دیدگاه و اخلاق در 22 سوال مورد سنجش قرار می دهد که بوسیله کاراسا و همکاران(18) طراحی و تدوین شد و پایایی نسخه فارسی این پرسشنامه در مطالعه مودی قالیباف و همکاران(19) با آفای کرونباخ 0.87 تایید شده است.

در مطالعه حاضر از میان دانشجویان رشته پزشکی مشغول به تحصیل در دانشکده پزشکی دانشگاه علوم پزشکی زاهدان به روش طبقه بندی سهمیه ای نمونه گیری خواهد شد. محقق همراه با پرسشنامه های طراحی شده در دانشکده فوق حضور خواهد یافت و یا از طریق شبکه های اجتماعی و بصورت آنلاین پرسشنامه در میان نمونه مورد مطالعه که رضایت به شرکت در پژوهش حاضر را داشته باشند توزیع خواهد شد. علاوه براین در ابتدای مطالعه هدف و ضرورت انجام مطالعه فوق و رعایت اصول محرمانگی به نمونه مورد مطالعه توضیح داده خواهد شد و رضایت آگاهانه جهت انجام مطالعه از مشارکت کننده ها دریافت خواهد شد. در مورد پرسشنامه های که از طریق آنلاین در شبکه های اجتماعی توزیع می گردد در صورت عدم تکمیل در فاصله یک هفته از یک پیام یادآور حاوی ضرورت و هدف انجام مطالعه و ضرورت تکمیل پرسشنامه فوق استفاده خواهد شد. قبل از شروع به توزیع پرسشنامه روایی و پایایی آن به وسیله پرسشنامه های تکمیل شده پایلوت توسط متخصصین این حوزه و مشاوره آماری بررسی خواهد شد در صورت نیاز به حذف یک سوال و یا تصحیح یک سوال اقدام خواهد

جهت انالیز داده ها برای امار توصیفی از شاخص های میانگین و انحراف معیار و فراوانی و درصد و نمودارهای مرتبط بهره خواهیم برد. جهت بررسی فرض نرمالیتی متغیرها از ازمون شاپیرو-ویلک استفاده خواهیم کرد. همچنین جهت بررسی ارتباط بین متغیرها با متغیرهای دموگرافیک از ازمون های تی دو نمونه مستقل و انالیز واریانس یکطرفه یا معادل های ناپارامتری ان ها ( من ویتنی و کروسکال-والیس ) و ازمون کی دو بهره خواهیم برد. جهت تعیین پیشگوهای امادگی هوش مصنوعی از رگرسیون خطی بهره خواهیم برد در تمامی ازمون ها سطح معناداری 5 درصد در نظر گرفته خواهد شد. نرم افزار مورد استفاده در این مطالعه spss22 خواهد بود.

در این مطالعه کدهای اخلاقی 14،16،19،25،27،28،29،30،31، 1هدف اصلی هر پژوهشباید ارتقای سلامت انسانها توأم با رعایت کرامت و حقوق ایشان باشد. به ترتیب مربوط به کسب رضایت آگاهانه به صورت کتبی ، کسب رضایت آگاهانه به صورت داوطلبانه ، تشریح روش اجرا و اهداف مطالعه برای افراد مورد مطالعه و قایل شدن حق انصراف از شرکت در مطالعه بنا به تشخیص فرد مورد مطالعه در هر زمان از اجرای طرح که مصوب کمیته راهنمای عمومی اخلاق در پژوهشهای علوم پزشکی دارای آزمودنی انسانی ، رعایت گردیده است .

1- هدف اصلی هر پژوهشباید ارتقای سلامت انسانها توأم با رعایت کرامت و حقوق ایشان باشد.

13 - کسب رضایت آگاهانه و آزادانه در هر پژوهشی که بر روی آزمودنی انسانی اجرا میشود، الزامی است. این رضایت باید به شکل کتبی باشد. در مواردی که اخذ رضایت آگاهانهی کتبی غیر ممکن یا قابل صرفنظر باشد، باید موضوع با ذکر دلایل به کمیتهی اخلاق منتقل شود. در صورت تأیید کمیتهی اخلاق، اخذ رضایت کتبی قابل تعویق یا تبدیل به رضایت شفاهی یا ضمنی خواهد بود.

14- اگر در طول اجرای پژوهش تغییری در نحوه اجرای پژوهش داده شود یا اطلاعات جدیدی به دست آید که احتمال داشته باشد که بر تصمیم آزمودنی مبنی بر ادامهی شرکت در پژوهش تاثیر گذار باشد، باید موضوع به اطلاع کمیته اخلاق رسانده شود و در صورت موافقت کمیته با ادامهی پژوهش، مراتب به اطلاع آزمودنی رسانده شود و رضایت آگاهانه مجددا اخذ گردد.

16- پژوهشگر باید از آزادانه بودن رضایت اخذ شده اطمینان حاصل کند. رفتارهایی که به هر نحوی متضمن تهدید، اغوا، فریب و یا اجبار باشد موجب ابطال رضایت آزمودنی میشود. به فرد باید فرصت کافی برای مشاوره با افرادی که مایل باشد – نظیر اعضای فامیل یا پزشک خانواده - داده شود. همچنین، در پژوهشهایی که پژوهشگر مقام سازمانی بالاتری نسبت به آزمودنی داشته باشد، دلایل این شیوهی جذب آزمودنی، باید توسط کمیتهی اخلاق تأیید شود، در این موارد شخص ثالث و معتمدی باید رضایت را دریافت کند.

19- عدم قبول شرکت در پژوهش، یا ادامه ندادن به همکاری، نباید هیچگونه تأثیری بر خدمات درمانی که در همان مؤسسه – نظیر بیمارستان – به فرد ارائه میشود، داشته باشد. این موضوع باید در فرایند اخذ رضایت آگاهانه، به آزمودنی اطلاع داده شود.

25- پژوهشگر مسؤول رعایت اصل رازداری و حفظ اسرار آزمودنیها و اتخاذ تدابیر مناسب برای جلوگیری از انتشار آن است. همچنین، پژوهشگر موظف است که از رعایت حریم خصوصی آزمودنیها در طول پژوهش اطمینان حاصل کند. هرگونه انتشار دادهها یا اطلاعات بهدست آمده از بیماران باید بر اساس رضایت آگاهانه انجام گیرد.

27- در پایان پژوهش، هر فردی که بهعنوان آزمودنی به آن مطالعه وارد شده است، این حق را دارد که دربارهی نتایج مطالعه آگاه شود و از مداخلات یا روشهایی که سودمندیشان در آن مطالعه نشان داده شده است، بهرهمند شود.

28- پژوهشگران موظفند که نتایج پژوهشهای خود را صادقانه ، دقیق، و کامل منتشر کنند. نتایج، اعم از منفی یا مثبت، و نیز منابع تأمین بودجه، وابستگی سازمانی، و تعارض منافع – در صورت وجود – باید کاملاً آشکارسازی شوند. پژوهشگران نباید در هنگام عقد قرارداد انجام پژوهش، هیچ گونه شرطی را مبنی بر حذف یا عدم انتشار یافتههایی که از نظر حمایت کنندهی پژوهش مطلوب نیست، بپذیرند.

29 - نحوهی گزارش نتایج پژوهش باید ضامن حقوق مادی و معنوی تمامی اشخاص مرتبط با پژوهش، از جمله خود پژوهشگر یا پژوهشگران، آزمودنیها و مؤسسهی حمایت کنندهی پژوهش باشد.

30 - گزارشها و مقالات حاصل از پژوهشهایی که مفاد این راهنما را نقض کردهاند، نباید برای انتشار پذیرفته شوند.

31- روش پژوهش نباید با ارزشهای احتماعی، فرهنگی و دینی جامعه در تناقض باشد.

یکی از محدودیتهای که ممکن است در مرحله جمع آوری داده روبرو شویم عدم همکاری نمونه مورد مطالعه جهت تکمیل پرسشنامه است که جهت رفع این مشکل تلاش می گردد در ابتدا اهمیت و ضرورت جمع آوری داده و رعایت اصل محرمانگی تشریح گردد.

از آنجاییکه که تعدادی از پرسشنامه ها به صورت آنلاین در شبکه های اجتماعی توزیع خواهد شد و با توجه به اینکه بعضی نرم افزارهای پیام رسان فیلتر هستند سعی خواهد پرسشنامه در تمام پیام رسان های داخلی و خارجی ارسال گردد.

آمادگی، ادراک،دانش، هوش مصنوعی

1.    Senturk N, Tuncel G, Dogan B, Aliyeva L, Dundar MS, Ozemri Sag S, et al. BRCA variations risk assessment in breast cancers using different artificial intelligence models. Genes. 2021;12(11):1774.
2.    McCarthy J, Minsky ML, Rochester N, Shannon CE. A proposal for the dartmouth summer research project on artificial intelligence, august 31, 1955. AI magazine. 2006;27(4):12-.
3.    Bajwa J, Munir U, Nori A, Williams B. Artificial intelligence in healthcare: transforming the practice of medicine. Future healthcare journal. 2021;8(2):e188-e94.
4.    Yu K-H, Beam AL, Kohane IS. Artificial intelligence in healthcare. Nature biomedical engineering. 2018;2(10):719-31.
5.    Guo Y, Hao Z, Zhao S, Gong J, Yang F. Artificial Intelligence in Health Care: Bibliometric Analysis. J Med Internet Res. 2020;22(7):e18228.
6.    Wartman SA, Combs CD. Medical Education Must Move From the Information Age to the Age of Artificial Intelligence. Acad Med. 2018;93(8):1107-9.
7.    Colleges TAoAM. Effective Use of Educational Technology in Medical Education. In: Education TAsIfIM, editor. Washington, DC2007.
8.    Wartman SA, Combs CD. Medical education must move from the information age to the age of artificial intelligence. Academic Medicine. 2018;93(8):1107-9.
9.    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.
10.    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 Sci Rep. 2023;6(3):e1138.
11.    Tung AYZ, Dong LW. Malaysian Medical Students' Attitudes and Readiness Toward AI (Artificial Intelligence): A Cross-Sectional Study. J Med Educ Curric Dev. 2023;10:23821205231201164.
12.    Oh S, Kim JH, Choi SW, Lee HJ, Hong J, Kwon SH. Physician Confidence in Artificial Intelligence: An Online Mobile Survey. J Med Internet Res. 2019;21(3):e12422.
13.    van Hoek J, Huber A, Leichtle A, Härmä K, Hilt D, von Tengg-Kobligk H, et al. A survey on the future of radiology among radiologists, medical students and surgeons: Students and surgeons tend to be more skeptical about artificial intelligence and radiologists may fear that other disciplines take over. Eur J Radiol. 2019;121:108742.
14.    Paranjape K, Schinkel M, Nannan Panday R, Car J, Nanayakkara P. Introducing Artificial Intelligence Training in Medical Education. JMIR Med Educ. 2019;5(2):e16048.
15.    Hajesfandyari J, Abbasinejad S, Oladi N, Taghavi T, Lavasani EN, Jafari A, et al. Acceptance of Artificial Intelligence in Medical Practice Among Iranian Physicians and Medical Students: A Cross-Sectional Survey. 2024.
16.    Alkhaaldi SM, Kassab CH, Dimassi Z, Alsoud LO, Al Fahim M, Al Hageh C, et al. Medical student experiences and perceptions of ChatGPT and artificial intelligence: cross-sectional study. JMIR Medical Education. 2023;9(1):e51302.
17.    Hamedani Z, Moradi M, Kalroozi F, Manafi Anari A, Jalalifar E, Ansari A, et al. Evaluation of acceptance, attitude, and knowledge towards artificial intelligence and its application from the point of view of physicians and nurses: A provincial survey study in Iran: A cross-sectional descriptive-analytical study. Health Sci Rep. 2023;6(9):e1543.
18.    Abdolahi shahvali E, Arizavi Z, Hematipour ة, Jahangirimehr A. Investigating the Level of Knowledge, Attitude and Performance Students Regarding the Applications of Artificial Intelligence in Nursing. Jundishapur Scientific Medical Journal. 2024;23(2):134-42.
19.    Hammoudi Halat D, Shami R, Daud A, Sami W, Soltani A, Malki A. Artificial Intelligence Readiness, Perceptions, and Educational Needs Among Dental Students: A Cross-Sectional Study. Clin Exp Dent Res. 2024;10(4):e925.
20.    Lugito NPH, Cucunawangsih C, Suryadinata N, Kurniawan A, Wijayanto R, Sungono V, et al. Readiness, knowledge, and perception towards artificial intelligence of medical students at faculty of medicine, Pelita Harapan University, Indonesia: a cross sectional study. BMC Med Educ. 2024;24(1):1044.
21.    McCarthy J MM, Rochester N, Shannon CE. A proposal for the dartmouth summer research project on artificial intelligence. AI magazine. 2006;24(4).
22.    perception.
23.    Weidener L, Fischer M. Artificial intelligence in medicine: cross-sectional study among medical students on application, education, and ethical aspects. JMIR Medical Education. 2024;10(1):e51247.
24.    Karaca O, Çalışkan SA, Demir K. Medical artificial intelligence readiness scale for medical students (MAIRS-MS)–development, validity and reliability study. BMC medical education. 2021;21:1-9.
25.    Moodi Ghalibaf A, Moghadasin M, Emadzadeh A, Mastour H. Psychometric properties of the persian version of the Medical Artificial Intelligence Readiness Scale for Medical Students (MAIRS-MS). BMC Med Educ. 2023;23(1):577.

مشارکت کننده  گرامی

این تحقیق با هدف ' تعیین تعیین میزان آمادگی، ادراک و دانش از هوش مصنوعی پزشکی در میان دانشجویان پزشکی دانشگاه علوم پزشکی زاهدان در سال 1403' انجام می‌شود. رضایت آگاهانه شما برای شرکت دراین تحقیق ضروری می‌باشد لذا در صورت تمایل این متن را به دقت بخوانید و هر سئوالی که دارید با اطمینان بپرسید، ما سعی خواهیم کرد تا بهترین توضیح را ارائه دهیم و هر اطلاعات بیشتری که شما بخواهید چه در حال، چه در آینده فراهم آوریم.

پژوهشگر ارشد/مسئول

اینجانب ............................. شخصا' رضایت قلبی خود را مبنی بر شرکت من در این پژوهش بعنوان داوطلب اعلام نموده و موارد ذیل مورد تائید من می باشد:

1-من  مطلع ام  که مجری این طرح خانم دکتر آزیتا شهرکی محمدی می باشد.

2-من  مطلع ام  که هدف این تحقیق تعیین تعیین میزان آمادگی، ادراک و دانش از هوش مصنوعی پزشکی در میان دانشجویان پرستاری دانشگاه علوم پزشکی زاهدان در سال 1403
می باشد و مجری روش  انجام پژوهش و نحوه انتخاب من بعنوان داوطلب را در این پژوهش به من شرح دادند. ضمنا' به من مهلت داده شد تا خود را  پس از مشورت با هر کس که مایل هستم، مبنی بر شرکت با میل خود و کاملا' اختیاری یا عدم شرکت در پژوهش مذکور اعلام نمایم.

3-مجری منافع و فوائد بالقوه پژوهش مذکور  را یادآور شده اند.

4-اینجانب می دانم که اطلاعات مربوط به من نزد محقق ارشد این تحقیق قرار دارد و این محقق به هیچ عنوان اجازه انتشار اطلاعات شخصی من را مگر با اجازه کتبی من ندارد و فقط نتایج کلی و گروهی این تحقیق را می توانند بصورت مقاله، گزارش و از این قبیل منتشر نمایند.

5-مجری آدرس و شماره تماس خود که دانشگاه علوم پزشکی زاهدان- دانشکده پزشکی می باشد در اختیارم گذاشته تا هر وقت کوچکترین مشکلی یا سئوالی در رابطه با شرکت من در پژوهش مذکور پیش آمد با ایشان درمیان بگذارم و راهنمایی بخواهم یا از آخرین اطلاعات در خصوص بیماری/وضعیت خاص خود در حین مطالعه مطلع گردم.

پنج مورد متن رضایت نامه آگاهانه مورد تائید اینجانب می باشد.

ندارد

پاسخگویی به سوالات پرسشنامه فوق جهت به دست آوردن بینشی در زمینه میزان آمادگی و ادراک دانشجویان جهت استفاده بهینه هوش مصنوعی در آموزش تاثیرگذار خواهد بود.

ندارد

ندارد

از آزمودنی ها جهت شرکت در مطالعه فوق هزینه ای دریافت نخواهد شد.

ندارد

در مطالعه فوق اسامی و اطلاعات شخصی آزمودنی ها دریافت نمی گردد.

پاسخگویی به پرسشها و شرکت در مطالعه حاضر برای آزمودنی ها کاملا اختیاری خواهد بود.

شرکت در انجام پژوهش فوق کاملا اختیاری خواهد بود.

بعداز دریافت مجوزهای لازم و کد اخلاق از آزمودنی های که تمایل به شرکت در مطالعه فوق داشته باشند داده ها گردآوری خواهد شد.

پرسشنامه به پیوست ارسال می گردد.