一个框架,将人工智能培训整合到放射学实习课程中:准备未来的放射科医生

科学领域:

• 放射学教育 放射学教育
• 人工智能在医学中的应用
• 医疗信息学 医疗信息学

背景情况:

• 人工智能 (AI) 正在迅速改变医疗实践,需要为放射科医生提供专业培训.
• 现有的放射学实习课程需要一个结构化的方法来有效地整合AI教育.
• 准备放射科医生对人工智能有意识,对于未来的患者护理至关重要.

研究的目的:

• 介绍一个框架,用于开发和实施快速的人工智能 (AI) 课程在放射学住院课程.
• 为了增强放射科住院医生的AI知识和技能.
• 准备新一代的人工智能意识的放射科医生.

主要方法:

• 使用了五步框架:团队组建,需求评估,目标定义,教学策略匹配以及试点实施/评估.
• 一个多学科的团队设计了一个为期3天的AI课程,包括讲座,实践会议和专家讨论.
• 课程前后的调查评估了参与者的期望和知识,通过Wilcoxon排名和总和测试进行分析.

主要成果:

• 一个为期3天的AI课程显著增加了参与者的信心和对AI知识的看法 (p=0.002).
• 实现了100%的调查响应率,75%的人发现课程主题适用于他们的放射学工作.
• 关于人工智能基础的讲座和专家讨论被确定为最有益的组件.

结论:

• 提出的框架有助于开发和实施人工智能课程在放射学住院.
• 一个为期3天的AI课程是可行的,并且有效地提高了居民的AI知识和技能.
• 这一举措作为未来人工智能教育定制放射学基础.