生成式人工智能（generative artificial intelligence，GAI）是一种能够通过学习海量数据生成新文本、图像或代码的人工智能技术，其核心特征包括自然语言理解、上下文推理和创造性输出[1]。2022年以来，以ChatGPT、DeepSeek等为代表的GAI在医学领域展现出临床决策支持、医学知识检索和病历生成等应用潜力，引发了学界对其在医学教育和临床实践变革潜力的关注[2-5]。医学生作为未来医疗实践的主体，正处于知识体系构建的关键阶段。研究表明，超过60%的医学生已尝试使用GAI辅助学习，但其对技术局限性的认知不足可能导致错误知识内化[6]。基于此，本研究对安徽医科大学本科医学生开展问卷调查，系统评估其对GAI的认知水平、态度倾向及使用意愿，以促进医学教育的智能化变革及相关医学教学策略的科学实施。

1 资料与方法

1.1 一般资料

2025年4月，采用方便抽样的方法，选取安徽医科大学临床医学专业、护理专业、公共卫生事业管理专业的在读本科生为研究对象。所有研究对象均已知情同意。研究共发放464份问卷，删除关键信息不完整及填写时长＜90 s的无效问卷23份，共收集有效问卷441份，有效回收率为95.04%。

1.2 研究方法

本研究在参考既往研究的基础上，自行设计《医学生对生成式人工智能的认知、态度及意愿调查问卷》，同时邀请安徽医科大学7名具有丰富的医学教育工作经验及较高的专业技术职称的专家开展咨询[7-8]。问卷Cronbach’s α 系数为0.854，KMO值为0.812。

问卷收集资料：①学生基本信息，包括性别、年龄、家庭居住地、年级、专业、成绩排名、是否为中共党员、月均生活费、是否使用过GAI、是否接受过GAI课程或培训等；②学生对GAI的认知水平，包括是否知晓GAI及知晓渠道，并设置4道单选题及3道判断题，正确得1分，错误得0分，共7分。得分越高表明认知水平越高；③学生对GAI的态度倾向，包含临床医疗、医学研究、医学教育3个维度，采用Likert五级计分法进行评估，5分代表“非常支持”，1分代表“非常不支持”，共15分。得分越高表明支持态度越好；同时调查医学生对GAI应用于医疗领域、医系关系、医学伦理方面的认可情况；④学生对GAI的使用意愿，包含临床医疗、医学研究、医学教育3个维度，采用Likert五级计分法进行评估，5分代表“非常愿意”，1分代表“非常不愿意”，共15分。得分越高表明使用意愿越强。同时设置多选题调查医学生愿意将GAI应用于临床医疗、医学教育及医学研究的主要原因。问卷通过医学生微信群以问卷星形式推送，采用无记名填写，设置手机号码或IP锁定，确保每个手机号码或IP地址只能回答一次。

1.3 统计学方法

采用SPSS 26.0统计学软件进行数据分析。计量资料采用均数±标准差（±s）表示，组间比较采用t检验或单因素方差分析；计数资料采用例数和百分率表示，组间比较采用χ2 检验。多因素分析采用多元线性回归进行分析。以P＜0.05为差异有统计学意义。

2 结果

2.1 医学生基本情况

参与调查的441名医学生中，男193名（43.76%），女248名（56.24%）；年龄17～24岁，平均（19.39±1.46）岁；家庭居住地为城镇的医学生有259名（58.73%），农村为182名（41.27%）。见表1。

表1 不同特征的医学生对GAI的认知、态度及意愿总分比较（分，±s）

注 GAI：生成式人工智能。

2.2 不同特征的医学生对GAI的认知、态度及意愿得分的单因素分析

单因素分析结果显示，不同性别、年级、专业、成绩排名、是否中共党员、是否听说过GAI的医学生的GAI认知得分比较，差异有统计学意义（P＜0.05）。不同性别、专业、是否听说过GAI、是否使用过GAI产品或服务的医学生的GAI态度得分比较，差异有统计学意义（P＜0.05）。不同性别、家庭居住地、年级、专业、成绩排名、是否听说过GAI、是否使用过GAI产品或服务、是否接受过GAI相关课程或培训的医学生的GAI意愿得分比较，差异有统计学意义（P＜0.05）。见表1。

2.3 医学生对GAI的认知水平

参与调查的医学生中，414名（93.88%）既往听说过GAI，知晓渠道主要为社交媒体（93.96%）。调查对象GAI认知水平得分为（6.06±1.21）分，各题得分见表2。

表2 医学生对GAI认知各题得分（分，±s）

注 GAI：生成式人工智能。

2.4 医学生对GAI的态度倾向

调查对象对GAI的态度倾向得分为（11.56±1.78）分，各维度态度倾向见表3。医学生均认可GAI应用于医疗领域存在优势和风险，其中优势认可度前3位依次为辅助医学研究（90.48%）、提高诊断效率（85.49%）、提供个性化治疗方案（76.87%），风险认可度前3位依次为算法及技术局限和漏洞（85.94%）、数据安全和隐私泄露（85.03%）、医疗责任界定不清（80.95%）。28.80%的医学生认为GAI会改善医患关系。53.51%的医学生认为GAI会带来新的伦理挑战。

表3 医学生对GAI的态度倾向[名（%）]

注 GAI：生成式人工智能。

2.5 医学生对GAI的使用意愿

调查对象的使用意愿得分为（11.81±1.83）分，各维度使用意愿情况见表4。343名（77.78%）医学生表示既往使用过GAI产品或服务。使用人群中对GAI产品或服务表示非常满意30名（8.75%）、比较满意174名（50.73%）。GAI应用于临床医疗的使用目的排名前3位的是辅助确定诊断（88.89%）、医学影像分析（80.05%）、制定诊疗方案（75.28%）。GAI应用于医学教育的使用目的排名前3位的是提供学习资料（91.61%）、解答医学问题（89.57%）、辅助作业完成（72.34%）。GAI应用于医学研究的使用目的排名前3位的是文献检索与综述（92.06%）、辅助实验设计（89.34%）、论文写作修改（70.75%）。

表4 医学生对GAI的使用意愿[名（%）]

注 GAI：生成式人工智能。

2.6 医学生对GAI能的认知、态度及意愿的多因素分析

分别以医学生对GAI的认知得分、态度得分及意愿得分为因变量，以单因素分析中差异有统计学意义（P＜0.05）的变量为自变量进行多元线性回归分析。变量赋值见表5。

表5 多元线性回归自变量赋值情况

注 GAI：生成式人工智能。

线性回归结果显示，各变量方差膨胀因子均＜5，变量之间不存在共线性。成绩排名、是否听说过GAI是医学生GAI认知水平的影响因素，性别、是否听说过GAI、是否使用过GAI产品或服务是医学生GAI态度倾向的影响因素，居住地、成绩排名、是否使用过GAI产品或服务是医学生GAI使用意愿的影响因素。见表6～8。

表6 医学生对GAI认知得分的多元线性回归分析

注 R2=0.138，调整R2=0.116，F=6.242，P＜0.01。GAI：生成式人工智能。

表7 医学生对GAI态度得分的多元线性回归分析

注 R2=0.111，调整R2=0.098，F=8.990，P＜0.01。GAI：生成式人工智能。

表8 医学生对生成式人工智能意愿得分的多元线性回归分析

注 R2=0.158，调整R2=0.129，F=5.327，P＜0.01。GAI：生成式人工智能。

3 讨论

3.1 医学生GAI认知水平分析

医学生GAI认知得分为（6.06±1.21）分，93.88%的受访者听说过GAI，显示其整体认知水平较高。自评成绩较好的学生认知水平更高，可能与学习能力和信息获取能力较强有关[9]。医学生对GAI在医学诊断中的局限性（如“GAI可以完全替代医生进行医学诊断”一题正确判断率较高）有较清晰的认识，即医学生能够认识到GAI在临床决策中的辅助性作用。但对GAI的具体功能和应用场景（如单选题得分相对较低）了解不够深入，可能与医学院校对GAI的系统性教育不足有关，提示当前医学教育中的GAI教学内容缺乏针对性，医学高校应建立“基础-专业-临床”三级教学体系，低年级侧重基础知识，重点讲解GAI基本原理和典型应用场景，高年级将GAI模块嵌入专业课程，如在护理专业增设GAI辅助护理决策实训内容，临床阶段开展GAI辅助诊断系统操作培训，强化人机协作能力[10-11]。

3.2 医学生对GAI的态度倾向分析

医学生对GAI在医学领域的应用持支持态度，尤其在医学研究（85.72%）和医学教育（74.37%）领域支持率较高，而在临床医疗领域支持率较低（40.14%），这可能与医学生对临床应用中潜在风险的担忧有关，如数据安全和隐私泄露（85.03%）、医疗责任界定不清（80.95%）等问题[12]。女生对GAI的态度更为谨慎，可能与性别对新技术接受路径、风险感知等差异有关，需进一步研究[13]。使用过GAI的学生态度更积极，提示实际体验能增强对技术的信任，建议在临床轮转阶段引入GAI辅助诊断系统观摩环节，缓解学生对临床应用的顾虑。34.01%的学生对GAI影响医患关系持不确定态度，反映出医学生对这一新兴技术的社会影响仍存在认知空白，提示未来GAI临床应用不仅要关注技术层面，还需重视数据安全、隐私保护、规范使用等伦理问题[14]。

3.3 医学生对GAI的使用意愿分析

医学生对GAI的使用意愿较为强烈，平均（11.81±1.83）分，在医学研究领域尤为突出（20.18%表示“非常愿意”），与杨秀木等[15]关于AI辅助科研的研究结果一致。在文案检索及综述方面使意愿最强（92.06%），进一步印证了AI在文献综述中的应用价值，不仅能提供多样化的信息和分析视角，还能帮助研究人员专注于科研创新[16]。使用意愿的城乡差异有统计学意义（P＜0.01），农村学生使用意愿较低，可能反映了数字鸿沟对技术接受度的影响，因此应关注教育公平问题，让更多医学生受益于GAI技术[17]。使用过GAI的学生意愿更高，凸显了实践体验对技术接受度的重要性，医学院校可以与GAI医疗企业合作共建GAI实训实验室，配备主流医学GAI工具（如ChatGPT医学版、IBMWatson Health），模拟临床场景提供虚拟医学案例和病例分析，帮助医学生进行实践操作和循证决策[18]。与此同时，如何在保证医学教育质量的前提下，合理融入GAI辅助学习，避免过度依赖技术而忽视临床实践经验的积累，也是政策制定者与教育实践者需要审慎思考的问题[19]。

3.4 医学教育的智能化变革的建议

3.4.1 构建分层递进的GAI教学体系 医学教育应遵循“基础认知—临床模拟—科研创新”的递进式培养路径，分层引入GAI工具。在基础阶段，可利用AI驱动的虚拟患者（如ChatGPT生成的交互式病例）强化问诊与诊断训练，摆脱传统技能训练中时间、地点和真人标准化病人资源的限制，提升临床技能训练效率与可及性[20]。在临床教学阶段，可借助Med-PaLM 2等专业医学大模型辅助复杂病例分析，其整合全球医疗知识，能快速识别症状，提供精准的诊断方向，显著提高诊断准确率[21]。此外，院校应建立“GAI能力认证标准体系”，将GAI辅助决策能力纳入临床技能考核标准，以促进GAI与医学教育的深度融合。

3.4.2 强化GAI伦理教育与风险意识 GAI在医学教育领域的应用虽然带来了教学效率提升和个性化学习等优势，但是也带来了过度依赖GAI导致独立思考能力削弱、情感互动与人际技能培养缺失导致医患关系紧张等等一系列伦理风险[22-23]。建议采取多维度改进策略：制度层面应建立医学教育GAI伦理委员会，制定分级使用规范和准入标准；教学层面要推行“GAI+传统教学”混合教学模式，采用“AI预热-教师精讲-临床实践”的三段式教学；能力建设方面需开展GAI伦理培训，培养批判性使用能力[24]。同时应建立长期追踪评估机制，构建涵盖治理、技术、教学、评估的完整防范体系，才能确保GAI在提升医学教育质量的同时守住伦理底线，培养出兼具技术能力和人文关怀的医学人才。

3.4.3 加大GAI政策保障与师资培训 为推进GAI在医学教育中的规范化应用，需构建多层次的政策保障体系与系统化的师资培训机制。在政策层面，教育主管部门应制定《医学教育GAI应用指导纲要》，明确数据安全标准、适用场景边界和质量监控规范。在师资层面，应实施“三维能力提升计划”：基础层开展GAI工具操作培训，中间层培养GAI生成内容的医学审核能力，高级层培育GAI融合教学设计能力，并通过建立“GAI教学导师制”和虚拟教研室促进经验共享。同时可以借鉴美国医学院校协会的“数字胜任力框架”，将GAI应用能力纳入教师发展体系，并联合GAI企业开展“医学教师GAI素养提升计划”，重点培养GAI输出评估能力[25]。

综上所述，本研究系统分析了医学生GAI的认知水平、态度倾向及使用意愿，揭示了当前医学生对GAI的接受程度及其影响因素，为医学教育中GAI的合理应用提供了科学依据。但研究也存在一定局限性，如样本仅来自采用方便抽样的安徽医科大学部分专业的医学本科生，可能不具有广泛的代表性；问卷设计考察深度不足，在评估态度倾向时未能涵盖技术信任、伦理接受度等子维度。未来将进一步扩大调查的广度及深度，采用多中心抽样、增加纵向追踪设计、开发更精细化的测量工具，为相关医学教育和临床实践改革提供更为全面的参考。

利益冲突声明：本文所有作者均声明不存在利益冲突。

[参考文献]

[1]BUBECKS，CHANDRASEKARAMV，ELDAN R，et al.Sparks of artificial general intelligence：Early experiments with GPT-4[J].arXiv Preprint arXiv：2303.12712.

[2]RUDOLPH J，TAN S.ChatGPT：Bullshit Spewer or the End of Traditional Assessments in Higher Education?[J].J Applied Learning Teaching，2023，6（1）：342-362.

[3]朱永新，杨帆.ChatGPT/生成式人工智能与教育创新：机遇、挑战以及未来[J].华东师范大学学报（教育科学版），2023，41（7）：1-14.

[4]瞿星，杨金铭，陈滔，等.ChatGPT对医学教育模式改变的思考[J].四川大学学报（医学版），2023，54（5）：937-940.

[5]黄明芳，侯青涵，张韦.生成式人工智能在医学教育领域的应用现状与未来趋势[J].医学与社会，2025，38（1）：29-34，47.

[6]KUNG T H，CHEATHAM M，MEDENILLA A，et al.Performance of ChatGPT on USMLE：Potential for AI-assisted medical education [J].PLOS Digital Health，2023，2（2），e0000201.

[7]巴宏军，陈佳睿，胡晗，等.住院医师对人工智能应用的认知与态度调查[J].中华医学教育杂志，2025，45（3）：194-197.

[8]PARK J.Medical students’ patterns of using ChatGPT as a feedback tool and perceptions of ChatGPT in a leadership and communication course in Korea：a cross-sectional study [J].J Educ Eval Health Prof，2023，20：29.

[9]SWELL E R，JOH N.Cognitive load theory and educational technology [J].Educ Technol Res Develop，2020，68（1）：1-16.

[10]金铁峰，朴俊杰，杨洋，等.人工智能在医学教育领域的应用研究[J].医学与哲学，2024，45（2）：72-75.

[11]WALDMAN C E，HERMEL M，HERMEL J A，et al.Artificial intelligence in healthcare：a primer for medical education in radiomics[J].Per Med，2022，19（5）：445-456.

[12]石薇微，赵晗，李柏乐，等.医学生对人工智能辅助诊断技术的使用意愿及影响因素研究[J].中国科技纵横，2024（14）：146-149.

[13]周云倩，张新彤，夏婧.学术生产者ChatGPT学术使用的影响因素及群体差异[J].现代教育技术，2025，35（2）：117-127.

[14]ROGERS W A，DRAPER H，CARTER S M.Evaluation of artificial intelligence clinical applications：Detailed case analyses show value of healthcare eth ics approach in identifying patient care issues[J].Bioethics，2021，35（7）：623-633.

[15]杨秀木，申正付，熊韵波，等.人工智能工具对医学硕士研究生科研创新能力的影响研究[J].蚌埠医科大学学报，2025，50（1）：57-62.

[16]LIANG Y，LIU W，LI X，et al.2022 Shandong Province university medical technical skills competition nursing track：an effective project to improve core competencies of nursing students[J].Heliyon，2024，10（4）：e26208.

[17]SCHERR R，HALASEH F F，SPINA A，et al.ChatGPT Interactive Medical Simulations for Early Clinical Education：Case Study[J].JMIR Med Educ，2023，9：e49877.

[18]罗姚，谈在祥.ChatGPT对循证医学发展的影响、挑战及其应对[J].医学与哲学，2024，45（12）：16-21.

[19]江哲涵，奉世聪，王维民.人工智能生成内容在医学教育中的应用、挑战与展望[J].中国教育信息化，2024，30（8）：29-40.

[20]理论网.“虚拟病人”技术：人工智能在医疗系统的新应用[EB/OL].（2021-07-14）[2025-06-10].https：//www.cntheory.com/gfkj/202110/t20211009_30958.html.

[21]KYLE L A M，JIANING Q I U.Foundation models：the future of surgical artificial intelligence? [J].British J Sur，2024，111（4）：znae090.

[22]巫灵爱，钱国玲.AI机器人在医学教育中的应用优势、伦理困境及其应对[J].中国医学伦理学，2025，38（2）：187-194.

[23]江莉.AI医疗之“术”与“道”：基于道家思想的伦理反思[J].中国医学伦理学，2025，38（2）：201-206.

[24]王轲，戚莉君，严琴琴，等.AI在医学临床专业课程中的应用：现状、挑战与展望[J].基层医学论坛（新加坡学术出版社），2025，7（5）.DOI:10.12373/jcyxlt.2025.05.19632.

[25]AAMC.AI in medical education：5 ways schools are employing new tools[EB/OL].（2025-02-27）[2025-06-10].https：//www.aamc.org/news/ai-medical-education-5-waysschools-are-employing-new-tools.

A survey of medical students’ cognition,attitude,and willingness to generative artificial intelligence

SI Shengbo1 YAN Yuhe2 WANG Ying2 WANG Yu3

1.North District General Office,the First Affiliated Hospital of University of Science,and Technology of China,Anhui Province,Hefei 230601,China;2.School of Health Management,Anhui Medical University,Anhui Province,Hefei 230032,China;3.Quality Management Office,the Second Affiliated Hospital of Anhui Medical University,Anhui Province,Hefei 230601,China

[Abstract] Objective To understand the cognitive level,attitude tendency,and willingness of medical students to use generative artificial intelligence (GAI),and to provide a basis for the intelligent transformation of medical education.Methods In April 2025,a questionnaire survey was conducted among 441 medical students of Anhui Medical University by using the convenient sampling method to analyze their cognitive level,attitude tendency,and willingness to use GAI.Results A total of 464 questionnaires were distributed in this study,and 441 valid questionnaires were retrieved,with an effective recovery rate of 95.04%.The scores of the medical students cognitive level,attitude tendency and willingness to use GAI were (6.06±1.21),(11.56±1.78)points,and (11.81±1.83)points.93.88%of medical students have heard of GAI before,and 77.78%have used GAI products or services before.The results of multiple linear regression analysis showed that academic ranking and whether they had heard of GAI were the influencing factors of the GAI cognitive level of medical students,while gender,whether they had heard of GAI,and whether they had used GAI products or services were the influencing factors of the GAI attitude tendency of medical students (P＜0.05).Place of residence,academic ranking,and whether GAI products or services have been used were the influencing factors of medical students’willingness to use GAI(P＜0.05).Conclusion Medical students have a relatively high cognitive level,attitude tendency,and willingness to use GAI.It is suggested to promote the deep integration of GAI and medical education through measures such as stratified teaching,ethical education,and policy guarantee.

[Key words] Generative artificial intelligence;Medical students;Cognition;Attitude;Will

[中图分类号] G642

[文献标识码] A

[文章编号] 1673-7210（2025）08（a）-0086-06

DOI：10.20047/j.issn1673-7210.2025.22.16

[基金项目] 安徽省教育厅省级研究生教育教学改革研究项目（2022jyjxggyj228）；安徽医科大学思想政治研究会项目（2022xszh07）。

[作者简介] 司圣波（1989.5-），男，中国科学技术大学公共事务学院2022级公共管理专业在读硕士研究生；研究方向：医院管理、医学教育。

[通讯作者] 王玉（1988.6-），女，硕士；研究方向：医院质量管理、医学教育。

（收稿日期：2025-05-17）

（修回日期：2025-06-18）