在加纳对基于课堂的医学成像人工智能教育干预的评估:一个测试前/测试后的研究设计
A Donkor1, E Boakye2, P Atuanor2
1Department of Medical Imaging, Faculty of Allied Health Sciences, Kwame Nkrumah University of Science and Technology, Kumasi, Ghana; IMPACCT (Improving Palliative, Aged and Chronic Care through Clinical Research and Translation), Faculty of Health, University of Technology Sydney, Australia.
Radiography (London, England : 1995)
|May 25, 2025
概括
基于课堂的人工智能 (AI) 的教育干预显著改善了加纳医疗成像学生的知识. 这种干预有效地提高了对医疗成像人工智能概念,应用,开发和伦理学的理解.
科学领域:
- 医疗成像医学成像
- 人工智能教育 人工智能教育
背景情况:
- 人工智能 (AI) 的采用在医学成像中正在增加.
- 加纳的医学成像学生缺乏正式的AI培训.
- 这项研究评估了针对这些学生量身定制的AI教育干预措施.
研究的目的:
- 评估基于课堂的AI教育干预的有效性.
- 为了提高医学成像学生在他们的领域的人工智能知识.
- 评估对人工智能概念,应用,开发和伦理学的理解.
主要方法:
- 使用了测试前/测试后研究设计.
- 144名医学影像学学生参加了为期一周的基于讲座的干预.
- 用相同的前后测试评估知识;用t测试和回归分析数据.
主要成果:
- 所有参与者都缺乏先前的AI医学成像培训.
- 在所有AI主题中观察到显著的知识和理解改善 (p < 0.001).
- 研究年份是干预后理解的重要预测因素 (p = 0.015).
结论:
- 基于课堂的干预措施是有效的提高AI知识在医学成像学生.
- 一个简短的AI课程可以整合到加纳的医学成像课程中.
- 这项干预改善了医学成像专业的学生对人工智能的理论知识.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.4K
06:37Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention
Published on: December 15, 2023
4.2K