Écart entre l’intérêt des étudiants et l’enseignement de l’IA en médecine en Arabie Saoudite

Description de l’échantillon et intérêt pour l’IA en santé

Cette étude a porté sur un échantillon de 354 étudiants en médecine (63,8 % d’hommes) avec un âge moyen de 21,4 ans (écart-type = 1,8). La majorité des participants (77,1 %) n’avait jamais suivi de cours sur l’IA, bien qu’une proportion similaire ait manifesté un intérêt pour ce domaine (64,7 %). Le GPA ne s’est pas révélé associé à l’exposition à l’IA ou à l’intérêt pour celle-ci. Les étudiants de différentes promotions ne présentaient pas de différences significatives quant au nombre de cours d’IA suivis ou à leur niveau d’intérêt. Comme prévu, ceux ayant reçu une formation formelle sur l’IA déclaraient avoir suivi plus de cours (t (350) = 11,18, p < 0,001) et affichaient un intérêt accru pour le sujet (t (350) = 2,29, p = 0,022). Les étudiants en années cliniques avaient un GPA significativement inférieur à celui des étudiants en années de base (t (352) = 2,76, p = 0,006 ; Table 1).

Lorsqu’on a demandé aux participants comment ils avaient été exposés à l’IA, 78,2 % ont cité les médias publics (tels que la télévision, YouTube et Twitter). Moins de la moitié a mentionné leurs proches comme source d’exposition (41,2 %), suivis des sources en ligne (24,3 %). Certains ont rapporté des expositions via des projets de recherche (12,4 %), des articles évalués par des pairs (10,2 %), des livres (9,9 %), des conférences (9,0 %) ou des séminaires (4,5 %).

Connaissances et perceptions de l’IA en médecine

Les réponses des étudiants concernant leur compréhension de l’IA sont illustrées dans la Figure 1. Les étudiants en années de base étaient significativement plus nombreux à pouvoir énumérer les avantages de l’IA en médecine (57,7 %) par rapport à ceux en années cliniques (45,3 %, χ² = 4,69, p = 0,030). En dehors de ces questions, aucune différence significative n’a été observée selon l’année d’études.

Une majorité d’étudiants (65,8 %) estime que l’IA jouera un rôle significatif dans la médecine au cours de leur vie, et 59,0 % se disent enthousiastes à l’idée d’utiliser cette technologie en tant que futurs médecins. Cependant, peu comprennent les concepts fondamentaux de l’IA (par exemple, la validation croisée, 18,4 %), peuvent énumérer des exemples de recherche en IA pertinente cliniquement (25,1 %) ou pensent que leur établissement propose des ressources pour explorer l’IA en médecine (20,1 %).

Influence des sources d’information sur les connaissances

Les participants rapportent avoir appris des concepts d’IA principalement par le biais de forums en ligne (n = 86), de livres (n = 35), de conférences (n = 32), de plateformes médiatiques telles que Twitter ou YouTube (n = 277), de leurs amis et famille (n = 146), d’articles scientifiques évalués par des pairs (n = 36), de professeurs et médecins (n = 49), et de projets de recherche (n = 44). En raison de la taille réduite de l’échantillon, nous n’avons pas considéré ceux qui ont appris lors de conférences (n = 16).

La régression linéaire a été utilisée pour tester l’association entre le nombre de cours d’IA et les sources d’information. Les participants ayant appris via des forums en ligne (t(345) = 2,05, p = 0,041), des livres (t(345) = 3,12, p = 0,002) ou des conférences (t(345) = 2,44, p = 0,015) avaient suivi significativement plus de cours d’IA que ceux ayant appris de leurs amis et famille (t(345) = -3,61, p < 0,001) ou via les médias (t(345) = -3,78, p < 0,001).

Les niveaux d’accord des participants concernant chaque question du sondage ont été analysés par régression logistique. Les étudiants fréquemment en contact avec les médias étaient plus susceptibles d’indiquer que l’IA aura un rôle majeur en médecine durant leur vie (OR = 2,76, Z = 3,74, p < 0,001), pouvaient énumérer les avantages de l'utilisation de l'IA en médecine (OR = 1,95, Z = 2,43, p = 0,015), jugeaient la formation dans ces concepts utile pour leur carrière (OR = 2,27, Z = 3,01, p = 0,003) et souhaitaient apprendre ce que les étudiants en médecine devraient savoir sur l’IA (OR = 1,89, Z = 2,38, p = 0,017).

De plus, ceux ayant été informés par leurs amis et famille étaient plus portés à exprimer leur enthousiasme pour l’utilisation de l’IA en tant que futurs médecins (OR = 1,81, Z = 2,56, p = 0,010), de même que ceux ayant bénéficié de projets de recherche (OR = 2,47, Z = 2,16, p = 0,031). Les étudiants ayant appris par les livres comprenaient mieux les concepts liés à l’IA, tels que les réseaux de neurones convolutifs et la validation croisée (OR = 5,94, Z = 4,13, p < 0,001), et pouvaient distinguer le “hype” des articles cliniquement pertinents (OR = 2,38, Z = 2,13, p = 0,033) et affirmaient que leur école offrait des ressources pour explorer l’IA en médecine (OR = 2,35, Z = 2,06, p = 0,040). Les étudiants apprenant auprès de professeurs ou de médecins rapportaient que leur école proposait des ressources similaires (OR = 2,29, Z = 2,31, p = 0,021).

Les étudiants montrant un vif intérêt pour l’IA avaient tendance à répondre de manière plus positive aux questions concernant leurs connaissances et perceptions de l’IA que ceux avec un intérêt plus faible. Les étudiants intéressés étaient plus enthousiastes à l’idée d’utiliser l’IA comme futurs médecins (Q2, r = 0,154), indiquaient comprendre les concepts de l’IA (Q3, r = 0,153), pouvaient nommer des exemples récents de recherche cliniquement pertinente (Q4, r = 0,157) ainsi que les avantages de l’IA en médecine (Q5, r = 0,106), croyaient utile la formation dans ce domaine (Q10, r = 0,110) et souhaitaient apprendre davantage sur l’IA en médecine (Q13, r = 0,145). Bien que toutes ces corrélations soient significatives, elles restent généralement faibles (plage : 0,106 à 0,157).

Les étudiants ayant suivi davantage de cours d’IA étaient significativement moins susceptibles de croire que l’IA aurait un rôle significatif en médecine dans leur vie (Q1, r = -0,193), d’être emballés par l’idée d’utiliser l’IA comme futurs médecins (Q2, r = -0,155), de percevoir la formation sur l’IA comme utile pour leur carrière (Q10, r = -0,162) et de vouloir en apprendre davantage sur ce sujet (Q13, r = -0,142). Cependant, ces mêmes étudiants affirmaient pouvoir citer des exemples récents de recherches IA cliniquement pertinentes (Q4, r = 0,109). À nouveau, toutes les corrélations étaient généralement faibles (plage : 0,109 à 0,193).

Les attentes des étudiants en matière d’éducation à l’IA

En moyenne, les étudiants ont déclaré être prêts à consacrer 1,89 h par mois à l’apprentissage de ces thèmes (écart-type = 1,43). Ceux exprimant un intérêt plus prononcé pour l’IA étaient significativement plus enclin à dédier plus de temps à cet apprentissage, même après ajustement pour l’âge et le sexe (t (349) = 3,40, p < 0,001). En revanche, ceux ayant suivi davantage de cours d'IA étaient moins enclins à apprendre, probablement parce qu'ils avaient déjà acquis des connaissances sur le sujet (t (349) = -2,36, p = 0,019). Quand on leur demandait comment leur école pourrait promouvoir l’exposition à l’IA, environ la moitié ont évoqué des cours courts sur les fondamentaux de l’IA en médecine (51,9 %), des panels de questions-réponses avec des leaders dans le domaine (46,3 %), et des ateliers sur la programmation de modèles d’IA (41,2 %).

Concernant les sujets d’intérêt à explorer, la majorité a mentionné l’utilisation appropriée de l’IA en médecine (62,9 %) et ses forces et faiblesses (51,7 %). D’autres thèmes intéressants incluent l’éthique de l’IA (43,8 %) et son utilisation dans la recherche médicale (40,1 %). Relativement peu se sont montrés intéressés par des aspects concrets de la mise en œuvre et de l’utilisation de l’IA, comme les rôles au sein des équipes multidisciplinaires de recherche (10,4 %), les moyens de critiquer les modèles d’IA (11,0 %), et le processus de développement des modèles d’IA (18,9 %).

Influence perçue de l’IA sur les spécialités médicales

Seule une minorité d’étudiants (22,3 %) a déclaré qu’ils étaient moins enclins à travailler dans des spécialités où l’IA pourrait avoir le plus d’impact. La majorité a assuré que cette considération n’affectait pas leur choix de spécialité. Lorsqu’on leur demandait leur domaine de pratique prévu, les étudiants en années de base évoquaient le plus souvent la chirurgie générale (30,6 %), la dermatologie (29,7 %), la neurochirurgie (21,6 %), la médecine interne (20,7 %), et la médecine d’urgence (20,7 %). Les étudiants en années cliniques exprimaient une préférence pour la médecine interne (37,0 %), suivie de la médecine familiale (25,9 %), de la chirurgie générale (24,7 %), de la médecine d’urgence (19,3 %) et de l’ophtalmologie (18,9 %).

Concernant les spécialités qu’ils croyaient le plus affectées par l’IA, les étudiants de base retenaient la radiologie diagnostique (34,2 %), la chirurgie générale (30,6 %), la pathologie (24,3 %), l’anesthésie (23,4 %), et la médecine familiale (19,8 %). Les étudiants cliniques adoptaient des opinions similaires mais à des taux bien plus élevés, mentionnant notamment la radiologie (52,7 %), la pathologie (34,6 %), et la médecine familiale (28,4 %). Les étudiants en années cliniques étaient moins nombreux à anticiper un impact sur la chirurgie générale (20,6 %) ou l’anesthésie (20,6 %). Les deux groupes s’accordaient à penser que l’IA aurait le moins d’impact en oto-rhino-laryngologie (0,9 % de base, 1,2 % clinique), en urologie (3,6 % de base, 2,1 % clinique) et en obstétrique-gynécologie (0,9 % de base, 3,3 % clinique).