Tıp Fakültesi Öğrencilerinin Tıbbi Yapay Zeka Hazır Bulunuşluk Durumlarının Değerlendirilmesi: Kesitsel Bir Çalışma

Abstract

Amaç: Bu çalışma tıp fakültesi öğrencilerinin tıbbi yapay zeka hazır bulunuşluk durumlarını değerlendirmek ve demografik özelliklere göre farklılık gösterip göstermediğini ortaya koymak amacıyla yapılmıştır. Gereç ve Yöntem: Araştırma evrenini Kayseri ilindeki tıp fakültesi öğrencileri oluşturmaktadır. Bu doğrultuda 01 Haziran-15 Temmuz 2024 tarihleri arasında yapılan kesitsel çalışmaya 368 tıp fakültesi öğrencisi gönüllü katılmıştır. Çalışmada 22 ifadeden oluşan “Tıbbi Yapay Zeka Hazır Bulunuşluk Ölçeği” kullanılmış olup veriler anket tekniği ile toplanmıştır. Elde edilen verilerin analizinde SPSS paket programı kullanılmış olup verilerin analizinde tanımlayıcı analizler, korelasyon analizi, t-testi ve ANOVA analizlerinden yararlanılmıştır. Bulgular: Çalışma, tıp fakültesi öğrencilerinin tıbbi yapay zeka hazır bulunuşluk düzeyleri ile beceri, öngörü ve etik alt boyut puan ortalamalarının yüksek, bilişsel alt boyut puan ortalamalarının ise düşük olduğunu ortaya koymuştur. Ayrıca, tıp fakültesi öğrencilerinin tıbbi yapay zeka hazır bulunuşluk düzeyleri ile bilişsel, beceri, öngörü ve etik alt boyut ortalamalarının demografik özelliklere (cinsiyet, yaş ve sınıf) göre anlamlı farklılıklar gösterdiği tespit edilmiştir. Sonuç: Araştırma bulguları tıp fakültesi öğrencilerinin tıbbi yapay zeka konusunda ortalamanın üzerinde bir hazır bulunuşluğa sahip olduğunu göstermektedir. Bu çalışma, tıp eğitiminde yeni bir müfredatın gelişiminde yol gösterici bir çalışma olacağı ve tıp eğitimi alan yazınına uygulamaya yönelik önemli katkılar sağlayacağı değerlendirilmektedir.

Keywords

• yapay zeka
• tıbbi yapay zeka
• tıp eğitimi
• tıp fakültesi
• tıp öğrencileri

Evaluation of the Medical Artificial Intelligence Readiness Status of Medical Faculty Students

Abstract

Aim: This study aims to evaluate the readiness status of medical faculty students regarding medical artificial intelligence and to determine whether it varies according to demographic characteristics. Materials and Methods: The study population consists of medical faculty students in Kayseri province. Accordingly, 368 medical faculty students voluntarily participated in the cross-sectional study conducted between June 1 and July 15, 2024. The “Medical Artificial Intelligence Readiness Scale” consisting of 22 items, was used in the study, and data were collected through a survey technique. The SPSS software package was used for the analysis of the collected data, employing descriptive analysis, correlation analysis, t test, and ANOVA. Results: The study revealed that medical school students' level of readiness for medical artificial intelligence and their mean scores in the skill, foresight and ethical sub dimensions were high, while their mean scores in the cognitive sub dimension were low. In addition, medical faculty students' medical artificial intelligence readiness levels and cognitive, skill, foresight and ethical sub dimension averages significantly differed according to demographic characteristics (gender, age and class). Conclusion: The research findings indicate that medical school students have above-average readiness for medical artificial intelligence. This study is considered to guide the development of a new curriculum in medical education and to provide significant practical contributions to the medical education literature.

Keywords

• Artificial intelligence
• Medical artificial intelligence
• Medical education
• Medical faculty
• Medical students

References

1. Wartman SA, Donald CC. Medical education must move from the information age to the age of artificial intelligence. Acad Med. 2018;93:1107–9
2. Yu K-H, Beam AL, Kohane IS. Artificial intelligence in healthcare. Nat Biomed Eng. 2018;2(10):719–31.
3. Topol EJ. High-performance medicine: the convergence of human and artificial intelligence. Nat Med. 2019;25:44–56.1
4. Esteva A, Kuprel B, Novoa RA, Ko J, Swetter SM, Blau HM, et al. Dermatologist-level classification of skin cancer with deep neural networks. Nat Publ Gr. 2017.
5. Siegersma KR, Leiner T, Chew DP, Appelman Y, Hofstra L, Verjans JW. Artificial intelligence in cardiovascular imaging: state of the art and implications for the imaging cardiologist. Netherlands Hear J. 2019;27:403–13.
6. Bedi G, Carrillo F, Cecchi GA, Slezak DF, Sigman M, Mota NB, et al. Automated analysis of free speech predicts psychosis onset in high-risk youths. Npj Schizophr. 2015;1.
7. Jin H-Y, Man Z, Bing H. Techniques to integrate artificial intelligence systems with medical information in gastroenterology. Artif Intell Gastrointest Endosc. 2020;1:19–27.
8. Sit C, Srinivasan R, Amlani A, Muthuswamy K, Azam A, Monzon L, et al. Attitudes and perceptions of UK medical students towards artificial İntelligence and radiology: a multicentre survey. Insights Imaging. 2020;11:14.

9. Meskó B, Hetényi G, Gyorffy Z. Will artificial intelligence solve the human Resource crisis in healthcare? BMC Health Serv Res. 2018;18:1–5.
10. Sapci HA. Artificial intelligence education and tools for medical and health informatics students: systematic review. JMIR Med Educ. 2020;6:E19285.
11. Karaca O, Çalışkan SA, Demir K. Medical artificial intelligence readiness scale for medical students (MAIRS-MS) – development, validity and reliability study. BMC Med Educ 2021;21:112.
12. Denizli F, Demirtaş Ö. Dijital hastaneye dönüşüm sürecinde sağlık çalışanlarının teknolojiye hazır bulunuşluk durumlarının değerlendirilmesi: Bir kamu hastanesi örneği. Pamukkale Üniversitesi Sosyal Bilimler Enstitüsü Dergisi. 2022;49:163-174.
13. Goh P-S, Sandars J. A vision of the use of technology in medical education After the COVID-19 pandemic. MedEdPublish. 2020;9:1–8.
14. Gencer K, Gencer G. Tıp fakültesi öğrencilerinin tıbbi yapay zeka hazır bulunuşluluğunun incelenmesi, Kocatepe Tıp Dergisi. 2024;25:143-149.
15. Abdullah S, Amir N, Khan TA. What is artificial intelligence and how much are private practitioners aware of it?. Pakistan Oral & Dental Journal. 2023;43(2):45-51.
16. Pinto dos Santos D, Giese D, Brodehl S, Chon SH, Staab W, Kleinert R, et al. Medical students' attitude towards artificial intelligence: a multicentre survey. Eur Radiol. 2019;29:1640–6.
17. Abid S, Awan B, Ismail T, Sarwar N, Sarwar G, Tarık M, et al. Artificial intelligence: medical students attitude in district Peshawar Pakistan. Pak J Public Health. 2019;9:19-21.
18. Emir B, Yurdem T, Özel T, Sayar T, Uzun TA, Akar U, et al. Artificial intelligence readiness status of medical faculty students. Konuralp Tıp Dergisi. 2024;16(1):88-95.
19. Öcal EE, Atay E, Önsüz MF, Altın F, Çokyiğit FK, Kılınç S, et al. Tıp fakültesi öğrencilerinin tıpta yapay zeka ile ilgili düşünceleri. Türk Tıp Öğrencileri Araştırma Dergisi, 2020;2(1):9-16.
20. Özdamar K. Modern bilimsel araştırma yöntemleri. Eskişehir: Kaan Kitabevi;2003.
21. Moodi Ghalibaf A, Moghadasin M, Emadzadeh A, Mastour H. Psychometric properties of the persian version of the medical artificial intelligence readiness scale for medical students (MAIRS-MS). BMC Medical Education. 2023;23(1):577.
22. Xuan PY, Fahumida F, Ismath M, Al Nazir Hussain MI, Jayathilake NT, Khobragade S, et al. Readiness towards artificial intelligence among undergraduate medical students in Malaysia. Education in Medicine Journal. 2023;15(2):49-60.
23. Jebreen K, Radwan E, Kammoun-Rebai W, Alattar E, Radwan A, Safi W, et al. Perceptions of undergraduate medical students on artificial intelligence in medicine: mixed-methods survey study from Palestine. BMC Medical Education. 2024;24(1):507.