人工智能融入辐射治疗教育:一种多模式的方法
Laura Feighan1, Leah Cramp1, Debra Lee1
1The Radiation Oncology Collaborative Network, School of Health Sciences, College of Health, Medicine, and Wellbeing, The University of Newcastle, Callaghan, New South Wales, Australia.
Journal of medical radiation sciences
|March 3, 2026
概括
辐射疗法 (RT) 教育中的人工智能 (AI) 是有前途的,学生通常对学习的AI工具持积极态度. 然而,偏好各不相同,倾向于人工智能进行形成性反而不是总结性评估.
科学领域:
- 医学教育 医学教育
- 辐射瘤学 辐射瘤学
- 人工智能的人工智能
背景情况:
- 放射性瘤学面临着严重的劳动力短缺,需要扩大放射治疗 (RT) 学生队伍.
- 在培训合格的临床医生方面,在保持质量的同时扩大教育提供规模是关键的挑战.
- 人工智能 (AI) 为医学教育提供了潜在的解决方案,但其在RT教育中的应用需要进一步研究.
研究的目的:
- 评估辐射疗法 (RT) 学位课程中三个AI教育创新的有效性和学生的看法.
- 评估人工智能驱动的视频讲座,人工智能辅助的反和人工智能模拟的沟通任务对学生学习的影响.
主要方法:
- 一项横截面研究调查了1,2,3年级的62名RT学生.
- 三个AI创新被整合到课程中:AI视频讲座,AI辅助评估反和AI模拟的沟通任务.
- 分析了定量调查数据和定性开放式响应.
主要成果:
- 一年级学生 (73%) 对人工智能视频讲座感到满意.
- 二年级的学生对AI对评估的反有不同的看法 (54%赞成,46%犹).
- 3年级学生 (75%) 喜欢与AI患者相比,更喜欢与同龄人一起练习.
结论:
- 人工智能在RT教育中的整合在不同年级的学生中产生了不同的,但总的来说是积极的结果.
- 学生对人工智能工具的看法很好,特别是在形成性学习体验方面.
- 人们更喜欢人工智能来支持学习,而不是高风险的评估.
更多相关视频
07:57Positron Emission Tomography-based Dose Painting Radiation Therapy in a Glioblastoma Rat Model using the Small Animal Radiation Research Platform
Published on: March 24, 2022
2.2K
05:18Author Spotlight: Improving Radiation Therapy Access with Radiation Planning Assistant
Published on: October 6, 2023
2.1K
