从体积到价值:利用人工智能和有意识的实践来促进放射学中的精确学习
Brendan S Kelly1,2,3, Sophie Duignan4, Christopher Charles Booth4
1School of Computer Science, University College Dublin, Dublin, Ireland. brendanskelly@me.com.
Pediatric radiology
|November 19, 2025
概括
放射学培训中的人工智能 (AI) 通过潜在地减少解释机会,带来了挑战. 然而,当人工智能被深思熟虑地整合时,它可以增强故意的实践,并加速未来放射科医生的技能获取.
科学领域:
- 医学教育 医学教育
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 人工智能 (AI) 越来越多地融入到放射学实践中.
- 这种融合给放射学教育带来了挑战和机遇.
- 蓄意实践是开发放射学临床专业知识的关键理论.
研究的目的:
- 检查人工智能,故意练习和放射学培训之间的相互作用.
- 探索人工智能如何影响未来放射科医生的诊断专业知识的发展.
- 建议将人工智能整合到放射学实习课程中.
主要方法:
- 本综述批判性地检查了放射学教育中的AI现有文献和故意实践的原则.
- 它分析了人工智能整合到学习过程中的潜在风险和好处.
- 为将人工智能纳入培训制定了基于证据的建议.
主要成果:
- 人工智能集成的风险是减少了初级解释的机会,并促进了自动化偏见.
- 人工智能可以作为教育辅助,使精确学习和个性化反成为可能.
- 周到的AI应用可以优化故意练习并加速技能获取.
结论:
- 人工智能必须故意纳入放射学培训,以提高诊断专业知识.
- 未来的放射科医生需要人工智能素养和非解释性技能.
- 战略性人工智能集成可以为放射科医生提供与人工智能能力相结合和超越工作的设备.
