引用本文
刘端, 郭建明, 郭连瑞. 人工智能对介入医学进修生及医学教育的影响[J]. 中华血管外科杂志（中英文）, 2026, 11(3): 205-212. DOI: 10.3760/cma.j.c101411-20260224-00016.
教学探索
人工智能对介入医学进修生及医学教育的影响
/ 2026年11卷03期 /
刘端 郭建明 郭连瑞
首都医科大学宣武医院血管外科，北京 100053
通信作者：郭连瑞【摘要】
目的 探讨人工智能（AI）在医疗领域的发展对医学进修生学习态度的影响及对血管介入学未来发展的影响，为智能医学的临床应用与改革提供实证依据。
方法 采用横断面调查设计，通过电子问卷对首都医科大学宣武医院神经血管介入科及血管外科医学进修生共188人进行匿名调查，其中男性130人，女性58人；年龄为（33.03±2.83）岁。根据志愿者科技素养自评问卷，分为科技达人组（103人）和非科技达人组（85人）。分组问卷涵盖AI基础认知、信息获取渠道、影像诊断角色定位及医学领域整体影响四个维度，采用四级李克特量表及多选题收集数据。比较两组志愿者不同问题上的认知差异。
结果 基础认知方面，科技达人组对AI的知晓度（81.55% 比 64.71%，P=0.017）及原理解程度（58.25% 比 40.00%，P=0.013）均优于非科技达人组，差异均有统计学意义。信息获取渠道上，两组均以社交软件、媒体及亲友为主要来源，但科技达人组通过讲座学习的比例高于非科技达人组，差异有统计学意义（78.64% 比 37.65%，P<0.001）。在AI影像诊断角色认知方面，科技达人组对“自动做出诊断”（63.11% 比 36.47%，P=0.001）和“自动提示合理治疗方式”（56.31% 比35.29%，P=0.016）的认同率均高于非科技达人组，差异均有统计学意义。在AI对医学领域整体影响方面，与非科技达人组相比，科技达人组对AI带来革命性变化的认同度更高（血管介入学：59.22% 比 36.47%，P=0.005；医学领域：45.63% 比 28.24%，P=0.019）；科技达人组（39.81%）和非科技达人组（20.00%）对AI取代人类医生的认可度均较低。科技达人组对AI改善血管介入学（72.84% 比 41.18%，P<0.001）及医疗行业（85.44% 比 57.64%，P<0.001）的认同度均显著高于非科技达人组，差异均有统计学意义。科技达人组和非科技达人组对将AI课程纳入医学继续教育均持高度支持态度，差异无统计学意义（74.76% 比 70.59%，P=0.667）。
结论 AI在介入治疗领域的发展对医学进修生的学习态度起到积极影响，进修生普遍不担心 AI 取代人类医生，且认可其对血管介入学及医学领域的变革潜力，可通过医学继续教育强化 AI 素养培养。
【关键词】人工智能； 血管介入； 问卷调查； 认知态度； 医学进修生
基金项目：癌症、心脑血管、呼吸和代谢性疾病防治研究国家科技重大专项（2024ZD0532601）；国家重点研发计划诊疗装备与生物医用材料专项（2025YFC2422604）；北京市科委医药创新品种及平台培育专项（Z241100009024028）；北京市医药卫生科技促进中心优促计划赋能专项（YC202401Q X0426）
The impact of artificial intelligence on interventional medical trainees and medical education
Liu Duan, Guo Jianming, Guo Lianrui
Department of Vascular Surgery, Xuanwu Hospital, Capital Medical University, Beijing 100053, China
Corresponding author: Guo Lianrui【Abstract】
Objective To explore the impact of the development of artificial intelligence (AI) in the medical field on the learning attitudes of medical trainees and the future development of vascular interventional medicine, and to provide empirical evidence for the clinical application and reform of intelligent medicine.
Methods A cross-sectional survey design was adopted. An anonymous survey was conducted via electronic questionnaire among 188 medical trainees from the Department of Neurovascular Intervention and Department of Vascular Surgery of Xuanwu Hospital Capital Medical University, including 130 males and 58 females, with an age of (33.03±2.83) years. Based on the volunteers' self-assessment questionnaire of scientific and technological literacy, they were divided into a tech-savvy group (103 people) and a non-tech-savvy group (85 people). The grouped questionnaire covered four dimensions: basic AI cognition, information access channels, role positioning in image diagnosis, and overall impact on the medical field. A four-level Likert scale and multiple-choice questions were used to collect data, and the cognitive differences between the two groups on different issues were compared.
Results In terms of basic cognition, the tech-savvy group demonstrated better awareness of AI (81.55% vs. 64.71%, P=0.017) and understanding of AI principles (58.25% vs. 40.00%, P=0.013) than the non-tech-savvy group, with significant statistically differences. Regarding information acquisition channels, both groups primarily relied on social software, media, and relatives/friends, but the tech-savvy group had a higher proportion of learning through lectures than the non-tech-savvy group, with a significant statistically difference (78.64% vs. 37.65%, P<0.001). In terms of perceptions of AI's role in imaging diagnosis, the tech-savvy group showed higher agreement rates than the non-tech-savvy group on "automatically making diagnoses" (63.11% vs. 36.47%, P=0.001) and "automatically suggesting reasonable treatment options" (56.31% vs. 35.29%, P=0.016), with statistically significant differences. Regarding the overall impact of AI on the medical field, compared with the non-tech-savvy group, the tech-savvy group showed higher recognition of AI bringing revolutionary changes (vascular interventional radiology: 59.22% vs. 36.47%, P=0.005; medical field: 45.63% vs. 28.24%, P=0.019), with statistically significant differences. Both the tech-savvy group (39.81%) and the non-tech-savvy group (20.00%) showed relatively low acceptance of AI replacing human physicians. The tech-savvy group had higher recognition than the non-tech-savvy group regarding AI improving vascular interventional radiology (72.84% vs. 41.18%, P<0.001) and the healthcare industry (85.44% vs. 57.64%, P<0.001), with statistically significant differences. Both groups showed strong support for incorporating AI courses into medical continuing education, with no statistically significant difference between groups (74.76% vs. 70.59%, P=0.667).
Conclusion The development of AI in the field of interventional therapy has a positive impact on the learning attitudes of medical trainees. Trainees generally do not worry about AI replacing human physicians and recognize its transformative potential for vascular interventional medicine and the medical field. AI literacy training can be strengthened through medical continuing education.
【Key words】Artificial intelligence; Vscular intervention; Qestionnaire survey; Cognitive attitude; Medical trainees
Fund program: National Science and Technology Major Project for Key Research on Prevention and Treatment of Cancer, Cardiovascular and Cerebrovascular Diseases, Respiratory Diseases, and Metabolic Diseases (2024ZD0532601); National Key R&D Program of China, Special Project for Diagnosis and Treatment Equipment and Biomedical Materials (2025YFC2422604); Beijing Municipal Science and Technology Commission, Special Project for Cultivation of Innovative Pharmaceutical Varieties and Platforms (Z241100009024028); Beijing Medical and Health Technology Promotion Center, Youpu Plan Empowerment Special Project (YC202401QX0426)
随着人工智能（artificial intelligence，AI）在医疗领域的快速渗透，培养医护人员具备相应的AI素养已成为医学教育改革的紧迫任务［1］。医学进修生是乡镇、县医院的年轻中坚代表，有一定专业知识，同时对新事物的好奇心尚未泯灭，年富力强、精力充沛，且他们带着求知的态度，心无杂念，时间充裕，对AI在医疗领域的发展有着天然的好奇心。了解医学进修生对AI的认知与态度，是评估医学教育优缺点、设计有效课程的关键前提。当前全球医疗领域普遍对AI在医疗中的应用持积极乐观态度，认可其变革潜力［2］。然而，这种积极看法与他们的实际知识水平形成显著反差［3］。研究表明，部分医护人员的AI知识水平存在严重不足，尤其是乡镇医院、县医院等基层医院的医生，主要表现在术语、逻辑等核心认知领域存在明显不足［3-5］。绝大多数医生在学生期间未接受过正式AI教育，普遍感到相关知识匮乏，因而强烈要求将AI内容纳入学习课程［6-8］。这种“高兴趣、低认知”的现状对医学教学产生了直接而深刻的影响：它首先揭示了课程体系的重大缺口，迫切要求将AI素养纳入核心能力培养［8-9］。其次，进修生既充满热情又关注伦理、医患矛盾等问题的复杂态度，提示教学内容需兼具技术、应用与人文维度［10］。最后，进修生对AI辅助教学及创新教学法的积极反馈，为教学改革提供了具体路径［2， 10］。进修生对AI的认知态度现状是推动医学教育适应智能时代的重要依据［2， 10］。本研究旨在深入探讨医学进修生对放射学及广义医学中AI应用的看法，为课程改革提供实证参考。
资料与方法
一、调查方法与分组
采用腾讯问卷的网络应用设计电子问卷调查。问卷通过微信发给首都医科大学宣武医院神经血管介入科以及血管外科的医学进修生共188人，其中男性130人（69.15%），女性58人（30.85%）；年龄（33.03±2.83）岁（范围：26～41岁）。进修生是否参与完全出于自愿且与进修成绩无关。调查前告知志愿者，调查结果将用于统计分析和学术发表，设计上确保匿名性。该问卷包含多个子版块，分别针对不同维度展开。进入正式问卷之前，志愿者需回答关于年龄、性别、原单位级别、所在城市以及是否自认为科技达人等问题。根据志愿者科技素养自评问卷（是否自认为科技达人）结果进行分组，问卷选项包含完全同意、较同意、较不同意、完全不同意四类，其中完全同意40人（21.28%），较同意63人（33.51%），较不同意64人（34.0%），完全不同意21人（11.17%）。选择前两者归为科技达人组，共103人（54.79%）；选择后两者归为非科技达人组，共85人（45.21%）。本研究通过首都医科大学宣武医院伦理委员会审核批准（临研审〔2023〕084号）。
二、问卷设计
问卷第一组问题，旨在评估医学进修生是否了解AI技术在放射学领域发挥的作用，并判断进修生对基础技术原理的认知程度。采用四级李克特量表（Likert Scale，包括完全同意、较同意、较不同意、完全不同意），要求学生对多项陈述进行态度标注。包括以下3个问题：（1）之前了解到这一现象；（2）对这些议题很感兴趣；（3）个人对议题中讨论的技术问题有基本的了解。
问卷第二组问题，通过陈述AI已在语音/文本识别、垃圾邮件过滤及推荐算法等常见软件中应用的背景，询问志愿者是否通过传媒、社交媒体、课堂讲座或亲友接触过此类信息。包括以下4个问题：（4）从社交软件了解过；（5）从媒体了解过；（6）从亲友了解过；（7）从讲座中了解到。
问卷第三组问题仍采用四级李克特量表，聚焦AI在血管介入学的具体应用场景，测试医学进修生对AI在血管介入学中具体应用的看法，问题设计为：你认为AI在血管介入治疗中发挥什么作用？（8）自动检测病变特征；（9）自动做出诊断；（10）自动提示合理的治疗方式。
问卷第四组问题，在更宽泛的领域内提问，以评估进修生对算法替代介入医师及其他外科医生的普遍担忧。该组问题设计为：关于AI在医学领域的影响，你认为以下描述是否正确？（11）AI将给血管介入学带来一次革命；（12）AI将给医学领域带来一次革命；（13）人类医生在血管介入学领域的作用将在可预见的未来被AI取代；（14）人类医生将在可预见的将来被AI取代；（15）这种发展趋势令人害怕；（16）这种发展趋势令人兴奋；（17）AI的发展会让就医变得更便宜和更普及；（18）AI的发展会让血管介入学变得更好；（19）AI的发展会让医疗行业变得更好；（20）应该在医学继续教育中设置AI课。
三、统计学方法
采用SPSS 26.0进行统计学分析。符合正态分布的定量数据，以x±s表示。分类数据以频数和（或）百分比表示，组间比较采用χ2检验。为简化统计，将完全不同意和较不同意合并为不同意，较同意和完全同意合并为同意。定义P＜0.05为有统计学意义。
结果
一、科技达人组与非科技达人组一般资料的比较
本次调查持续1个月，共回收有效问卷188份，其中科技达人组共103份（54.8%）；非科技达人组共85份（45.2%）。两组在年龄、医院级别及城市所在地域分布差异上均无统计学意义（P＞0.05）。科技达人组男性比例高于非科技达人组，差异有统计学意义（P＜0.001）。见表1。
二、科技达人组与非科技达人组对AI的认知与信息获取渠道分析的比较
1.基础认知层面：两组志愿者对AI有关血管介入方面的议题均有较高的知晓度（问题1，总体知晓度均超过60%）并保持着浓厚的兴趣（问题2，两组志愿者均有半数以上表现出感兴趣）。科技达人组对于AI的知晓度高于非科技达人组，差异有统计学意义（P＜0.05）。两组对于AI技术的理解程度均较高（问题3），相似地，科技达人组也优于非科技达人组，差异有统计学意义（P=0.013）。见表2。
2.信息获取渠道：两组志愿者主要通过社交软件（问题4）、媒体（问题5）及亲友（问题6）接触AI知识；其中科技达人组通过亲友和媒体获取信息的比例高于非科技达人组，差异均有统计学意义（P＜0.05）。最值得注意的是，科技达人组通过讲座（问题7）学习AI知识的比例达78.64%，非科技达人组仅37.65%，两组差异有统计学意义（P＜0.001），凸显了知识基础和兴趣对寻求正式教育渠道的重要性。见表3。
三、科技达人组和非科技达人组对AI在血管介入学中角色认知的比较
对于AI的“自动检测病变特征”（问题8），科技达人组同意率略高于非科技达人组，但差异无统计学意义（48.54% 比 43.53%，P=0.142）。对于“自动做出诊断”（问题9），科技达人组同意率高于非科技达人组（63.11% 比 36.47%，P=0.001）；对于“自动提示合理的治疗方式”（问题10），科技达人组同意率高于非科技达人组（56.31% 比 35.29%，P=0.016），差异均有统计学意义。见表4。
四、科技达人组和非科技达人组关于AI对医学领域整体影响的认知比较
1.革命性影响：绝大多数进修生认同AI将给血管介入学（问题11）和整个医学领域（问题12）带来革命性变化。科技达人组对于前者（59.22% 比36.47%，P=0.005）和后者（45.63% 比 28.24%，P=0.019）的认同度均高于非科技达人组，差异均有统计学意义。见表5。
2.替代焦虑与乐观态度：少数进修生认为AI将在可预见的未来取代血管介入医师（问题13）或全体医生（问题14）。科技达人组对于前者（56.31% 比 30.59%，P=0.010）和后者（39.81% 比 20.00%，P=0.008）的接受度均高于非科技达人组，差异均有统计学意义。值得注意的是，非科技达人组对AI发展趋势感到害怕（问题15）的比例高于科技达人组（57.65% 比 38.84%，P=0.031）；而科技达人组对AI发展趋势感到兴奋（问题16）的比例高于非科技达人组（55.34% 比 38.82%，P=0.020），差异均有统计学意义。见表5。
3.发展前景预期：科技达人组对AI将使就医更便宜普及（问题17，63.11% 比 34.12%）并改善血管介入学（问题18，72.84% 比 41.18%）甚至医疗行业（问题19，85.44% 比 57.64%）的认同度均高于非科技达人组，差异均有统计学意义（均P＜0.001）。科技达人组与非科技达人组对“应在医学教育中设置AI课程”均持高度赞同态度（问题20，74.76% 比 70.59%，P=0.667），组间差异无统计学意义。见表5。
讨论
毫无疑问，AI将对医学的未来产生重大影响。当这类话题首次出现在各种科学会议上时，似乎血管介入医生最担心的是他们可能在不久的将来失去工作，进而可能引发医疗群体对于未来职业的担忧［11］。本研究通过问卷调查系统评估了AI在介入医学领域的发展对医学进修生学习态度的影响，并就其对血管介入医学未来发展的影响展开了深入探讨。
调查结果显示，医学进修生志愿者普遍反映AI在血管介入医学领域的发展对他们学习态度的影响是积极的。虽然大多数医学进修生不一定了解AI的基本技术原理，但多数人已经听说过AI，甚至有半数以上的人知道AI的出现对血管介入医学产生了深远的影响；多数人认可AI对于血管介入领域甚至医疗领域的变革潜力，但这并不减少他们对于血管介入医学的从业兴趣，相反，AI的影响更加激发了他们积极探讨血管介入医学未来发展中的各种可能性。然而，本研究调查结果还发现医学进修生对于AI应用于血管介入医学后产生的一些矛盾情况。首先是多数志愿者对于AI工作能力的认知水平存在不足，多数志愿者表现出极强的兴趣，呈现出“高兴趣、低认知”的特征［12］；其次，多数志愿者相信AI将能够自动检测影像检查中的疾病，甚至能自动指示适当的治疗方案，如果放任AI在医疗领域长足发展，AI将会替代很多人类的工作，但多数志愿者还是认为在可预见的未来，医学诊疗中仍然需要人类来做血管介入医生。这一发现与国内外相关研究结论高度吻合［12-17］。据知，目前国内还没有对医学进修生关于AI在血管介入医学应用的系统性调查［18-19］。
医学进修生对AI的兴趣高涨，但对于AI的认知仍有待提高，这一点可从提高医学进修生的科学素养水平做起。本研究发现，科技素养水平是影响医学进修生AI认知的关键因素。值得关注的是，虽然大多数医学进修生未接受过系统AI教育，但对“应在医学教育中设置AI课程”的建议持高度赞同态度（科技达人组74.76%，非科技达人组70.59%，P=0.791），凸显了继续教育中课程改革的迫切性。这些观点与既往研究一致［18，20］。
与既往研究相比，本调查显示的“认知-兴趣”失衡现象在国际医学教育领域普遍存在。根据对278篇AI医学教育文献的综述，约2/3为研究性文章，其余为观点类文章，且2018年后相关文献数量迅速增加，反映出全球医学教育界对AI素养培养的日益重视［21-22］。Hu等［20］的研究也指出，AI在医学教育领域的应用正在快速拓展，但国内相关研究仍处于起步阶段，中国知网数据库中相关高质量研究仅6篇，反映出国内医学教育在此领域的滞后性［15-19， 23］。
信息获取渠道对认知态度产生重要的影响。调查数据显示，社交软件、亲友和媒体是医学进修生获取AI知识的主要渠道，分别占科技达人组80.58%、82.52%和84.47%，非科技达人组占75.29%、70.59%和65.88%。然而，最重要的是科技达人组通过讲座学习AI知识的比例达78.64%，高于非科技达人组的37.65%，差异有统计学意义（P＜0.001），凸显了知识基础和兴趣对寻求正式教育渠道的重要性，以及通过渠道获取AI相关知识的重要性。这一结果印证了所强调的“智能医学人才培养需要各学科间的相互交融”，以及提出的“医学教育必须更好地利用学习理论，关注人类与机器在教育中的结合”的观点［14， 24］。
医学进修生对于AI在影像诊断中的角色认知存在差异。在AI于影像诊断中具体作用的认知方面，科技达人与非科技达人组间存在差异，这与既往文献类似［12， 25］。对于“自动检测病变特征”，科技达人组同意率为48.54%，略高于非科技达人组的43.53%，虽差异无统计学意义（P=0.142）；对于“自动做出诊断”，前者为63.11%，高于后者的36.47%；对于“自动提示合理的治疗方式”，前者为56.31%，高于后者的35.29%，差异均有统计学意义（P＜0.05）。这一梯度变化趋势反映了不同科技素养水平进修生对AI技术应用深度接受度的差异［25-26］。
医学进修生内部存在对于AI带来的替代焦虑和乐观态度的双重表现。本研究发现医学进修生对AI的态度呈现出复杂性。一方面，大多数学生认同AI将给影像诊断学（问题11）和整个医学领域（问题12）带来革命性变化，但另一方面也表现出一定程度的替代焦虑。且科技达人组对AI发展趋势感到害怕的比例显著高于非科技达人组（问题13、问题14）。这一发现与所描述的“医学教育中，一些医学进修生的价值观逐渐发生了偏移”的现象相符，提示需要重视AI发展可能带来的医学进修生价值观变化问题［26］。在过去几年中，关于AI在放射学中的讨论基调已经从对完全取代的恐惧转变为一种更为分化的表述：“AI不会取代医生，但使用AI的医生将取代那些不使用AI的医生”［12］。对于未来几代医生来说，医生对AI的关键原则的知识和基本理解可能至关重要［12］。本研究中发现，与自认为是否“科技达人”相关，受访进修生对AI的态度和知识存在一些差异。考虑到AI技术可能对医学的未来产生的巨大影响，因此将AI相关主题的基础培训纳入本科和研究生医学课程，希望也能弥补医学进修生在AI认知方面的差异［12， 27］。而本次调研结果提示，多数志愿者很清楚这一差异及影响，并对AI主题纳入医学培训这项建议表现出浓厚的兴趣。
本文的研究结果，对于医学继续教育改革有着重要启示。基于调查结果，本研究对医学继续教育改革提出以下建议：（1）课程体系重构的迫切性。本研究中74.76%的科技达人组和70.59%的非科技达人组支持设置AI课程，这一需求与所述“AI在医学教育中的应用前景广阔”以及强调的“医疗行业正迅速从信息时代过渡到AI时代”的时代背景密切相关［28-29］。（2）教学内容的多元维度设计。调查显示的“认知-兴趣”失衡现象要求教学内容设计需兼具技术、应用与人文维度。正如所指出的，需要“将人文关怀融入到医学进修生的学习与工作”，这与强调的“学生的创新应用能力才能得到更好的培养”相呼应［24， 28］。（3）教学方法的创新需求。研究发现，科技素养水平显著影响学生对AI的认知态度，这提示教学方法需要更加个性化和差异化。建议“增加模拟的应用”，提出“检索增强生成、多智能体等AI生成内容相关技术在未来医学教育中的运用可能”［28， 30］。
本研究存在一定局限性。首先，样本仅来源于单一医学院校，可能影响结果的代表性。其次，问卷调查主要依赖医学进修生自我报告，可能存在社会期望偏差。最后，本研究大多数医学进修生来自北方的乡镇、县级医院，缺乏对来自南方、东南沿海地区、中西部地区进修医生的调查，所以在进行结果解释时务必小心谨慎，以免犯以偏概全的错误。未来的研究可扩大样本范围，调查医学本科生、研究生、住院医师等不同对象，也可对不同地域的医生进行调查；其次可采用更加多样化的研究方法，如深入访谈、教学实验等，进一步验证和完善研究结论［24］。
本研究通过实证调查揭示了医学进修生对AI在医疗领域发展的认知态度及其对医学教学的影响。研究发现医学进修生普遍对AI持积极态度，而非媒体报道的担心AI会取代人类医生，并认识到AI对放射学及医学领域的潜在应用与影响。同时医学进修生对AI的知识储备稍显不足。建议医学教育在培养医学进修生AI素养和引导医学进修生了解AI技术方面发挥更多的作用。
利益冲突 所有作者声明不存在利益冲突
作者贡献声明 刘端：数据整理与解读、统计分析、文章起草与修改；郭建明：数据收集、文章修改；郭连瑞：研究构思与设计、研究指导、数据解读、文章修改
参考文献
在文本框内上下滑动即可查看
初审：陈章颖
复审：王丽萍
终审：常光其
版权声明
本文为《中华血管外科杂志（中英文）》原创文章，版权归中华医学会所有。其他媒体、网站、公众号等如需转载本文，请联系本刊编辑委员会获得授权，并在文题下醒目位置注明“原文刊发于《中华血管外科杂志（中英文）》，卷（期）：起止页码”。谢谢合作！
订阅杂志
本文原发于微信公众号「中华血管外科杂志」（2026-08-06 07:30）。点击阅读原文