鉴于人工智能/机器学习（AI/ML）在放射学领域的指数级增长和整合，人们对将AI/ML教育纳入放射诊断课程越来越感兴趣。虽然多项研究探讨了放射科受训人员和执业放射医师对放射科AI/ML的态度、理解和展望，但研究所涉及的地区却十分有限。2018年，对一个单一的诊断放射学住院医师项目的69名受访者的调查报告显示，大多数受训者（97.1%）和主治放射医师（77.1%）愿意更多地了解AI/ML，以帮助在实践中开发或使用基于AI的工具。2021年，一项基于焦点小组的研究，有7名参与者（受训者和放射科医生）对小儿放射科住院医师项目的人工智能课程进行了定性需求评估。这项研究发现，参与者之前缺乏人工智能方面的经验/培训，在学习人工智能/ML主题时更倾向于基于案例的方法和使用在线课程。因此，缺乏多机构研究来评估放射科住院医师项目中的住院医师对将AI/ML教育纳入放射科诊断课程的看法。

近日，发表在Academic Radiology杂志的一项研究在为放射科住院医师提供的人工智能/ML教育现状的情况下建立了一个基线（包括他们的住院医师项目和在线）并评估了住院医师对这些教育资源的认识和使用、了解住院医师对人工智能/ML教育的广度和深度的看法以及他们首选的学习方法/工具。

本项研究向美国21个放射科住院医师项目的759名住院医师发送了一份在线匿名调查。调查收集了住院医师的人口统计学、亚专业兴趣、教育背景和研究经历，以及对AI/ML教育的各种资源的认识、可用性和有用性。

调查的回复率为27%（209/759）。74%的受访者为男性，80%的受访者在大型大学接受培训，只有少数人（<20）有正式的人工智能/语言学教育或研究经验。所有四年的培训都有代表（范围：20%-38%）。大多数住院医师同意或强烈同意（83%）AI/ML教育应该是放射科住院医师课程的一部分，这种教育应该使他们具备在实践中排除AI工具故障的知识/确定一个工具是否按预期工作（82%）。在提供AI/ML教育的住院医师项目中，最常见的资源是系列讲座（43%）、国家信息学课程（28%）以及内部/机构课程（26%）。大约24%的住院医师报告说他们的住院医师课程中没有提供AI/ML教育课程。AI/ML实验室实践（67%）和系列讲座（61%）被认为是最有益或最有效的。大多数住院医师希望AI/ML教育作为贯穿放射科住院医师（R1至R4）的连续课程（76%），其次是R4期间的小型研究金（32%）和PGY1期间的课程（21%）。 

 表 对各种在线AI/ML教育资源的认识和/或效用

研究数据显示，住院医师基本上赞成将正式的人工智能/医学教育纳入放射科住院医师课程，更倾向于将实践学习和讲座作为学习工具，并更加喜欢跨越R1-R4的连续人工智能/医学课程。

原始出处：

Ninad V Salastekar,Charles Maxfield,Tarek N Hanna,et al.Artificial Intelligence/Machine Learning Education in Radiology: Multi-institutional Survey of Radiology Residents in the United States.DOI:10.1016/j.acra.2023.01.005