摘要
背景：随着人工智能在医疗领域的深入应用，AI素养已成为未来医疗从业者的必备能力。本研究旨在评估韩国医疗学生的AI素养水平，并分析其与AI态度、临床应用意愿及个人特征的相关性。
方法：在韩国某医学院进行横断面调查，共91名学生参与（67名医学生、24名护理学生）。使用SNAIL-KR量表评估AI素养，通过技术接受模型分析使用意愿。研究发现学生AI素养略低于平均水平，技术理解得分最低，但AI素养与积极态度及使用意愿呈显著正相关。对AI的兴趣比既往培训更能预测素养水平。
结论：需系统化整合AI素养教育至医疗课程中，同时培养学生的积极态度与兴趣。超30小时的专项培训对提升素养效果显著。
引言
人工智能在医疗领域的应用正在深刻变革患者护理、医学研究和医疗系统。自OpenAI推出ChatGPT后，AI技术在多个医学领域加速落地，包括临床决策支持和护理实践。未来医疗从业者需具备批判性评估AI技术的能力，这种能力被称为AI素养。尽管学界普遍认可AI素养的重要性，但针对医学生的实证研究仍较缺乏。
AI素养的定义包含三个维度：技术理解（如机器学习原理）、批判性评估（数据隐私与伦理认知）和实践应用（日常使用AI工具的能力）。当前已有多种评估工具，如德国开发的SNAIL量表（含技术理解、批判评估、实践应用三个子量表）。韩国虽在推进医学AI教育，但尚无系统性研究评估学生素养水平。
方法
研究设计
在韩国某大学开展便利抽样调查，通过社交媒体邀请医学院（6年制，含2年预科）和护理系（4年制）学生参与。最终91名学生纳入分析（有效回收率13.2%），使用SNAIL-KR量表、通用AI态度量表（GAAIS）和基于技术接受模型的使用意愿量表进行评估。
量表验证
对SNAIL量表进行跨文化适配：经双向翻译后，由AI教授和医学生进行内容效度检验。最终版本保留24项（技术理解12项、批判评估7项、实践应用5项），验证性因子分析显示良好拟合指标（CFI=0.907, RMSEA=0.089）。
结果
样本特征
参与者平均年龄23岁（医学生23.53±2.36，护理学生22.46±2.43）。85.17%接受过<30小时AI培训，仅1人接受超120小时培训。总体AI素养得分3.76（满分为7），技术理解得分最低（3.19），批判评估最高（4.64）。
关键发现
- 素养水平：与德国医学生数据（3.76）相当，但显著低于接受超30小时培训者的4.34分（p<0.05）
- 态度特征：总体持中立偏积极态度（积极维度4.59±0.84 vs. 消极维度3.76±0.92）
- 相关性：AI素养与使用意愿（r=0.43,p<0.01）及兴趣（r=0.39,p<0.01）显著正相关，培训时长仅解释12%的方差
- 分组差异：性别、年级、专业间未见显著差异（p>0.05）
讨论
本研究发现韩国医学生AI素养处于基础水平，与德国数据具可比性。值得关注的是，对AI的兴趣（而非单纯培训）与其素养呈更强相关性（r=0.39 vs. r=0.21）。这提示教育干预应侧重激发兴趣，如通过AI工具实操和跨学科项目提升参与感。
技术理解薄弱（得分3.19）反映教学缺口：现有课程侧重伦理讨论而缺乏技术原理教学。对比发现，接受超30小时培训者素养显著提升（+1.1分），建议将专项培训纳入必修课程。值得注意的是，仅1.5%参与者接受过系统培训，凸显教学资源匮乏问题。
与既往研究不同，本研究未发现年级差异，这可能与韩国医学教育AI内容整合不足有关。研究局限包括样本量较小（n=91）和单中心设计。未来需多中心纵向研究验证结论，并探索教学干预效果。
结论
本研究为韩国首个系统评估医疗学生AI素养的研究。结果显示需在三个层面推进教育改革：
- 必修课程整合：将技术原理教学纳入基础课程
- 实践能力培养：提供超30小时的AI工具实操培训
- 兴趣驱动机制：通过项目制学习激发自主学习动力
研究建议医疗教育机构建立分阶段的能力框架，从认知（技术原理）、伦理（批判评估）到应用（临床实践）形成系统培养路径。这些发现对全球医疗AI教育改革具有重要参考价值。
【全文结束】