Cross-country patterns in radiography student readiness for artificial intelligence.
針對 715 名跨國學生的調查指出，高達 61.8% 放射學生期待將 AI 納入常規課程，卻僅 27.8% 實際受過培訓。
- 715 名跨國放射學生中，僅 27.8% 曾參加 AI 相關培訓，但多數自評對 AI 具備中度熟悉度。
- 高達 61.8% 的受訪學生支持將 AI 教育整合進大學部課程，且對工作被取代的擔憂程度極低。
- 推動教育的障礙主要包含 AI 工具硬體存取受限、相關培訓資源匱乏以及學術教職員專業知識不足。
調查 715 名跨國放射系學生發現，儘管高達 61.8% 的受訪者支持將人工智慧納入大學部核心課程，實際參加過 AI 相關培訓的比例卻僅有 27.8%。這份跨國數據點出了當前醫學影像教育的巨大落差：未來的技術端人才已準備好擁抱新技術，但學術機構的硬體基礎設施與師資卻明顯尚未到位。
阿拉伯學術機構的 AI 認知調查動機
Artificial Intelligence（AI，人工智慧）正在以極快的速度改變醫學影像與放射實務的整體樣貌。這項技術的介入不僅涵蓋了影像診斷準確性的實質提升，更深入到第一線放射技術端的工作流程效率強化，以及針對個別病患的個人化照護支持。儘管 AI 技術在臨床應用上的關聯性與日俱增，現階段的學術研究大多仍集中在歐美地區或是已具備高度數位化基礎設施的醫療體系中，鮮少有文獻去深入探討放射學系學生對於 AI 的真實看法與準備程度。特別是在阿拉伯地區的學術機構，相關的基線數據與系統性認知調查更是極度缺乏，這在學術研究與教育實務之間形成了一個明顯的資訊斷層。為了填補這塊關鍵的研究空白，本研究團隊將焦點放在仍在學的大學部放射系學生，試圖全面檢視他們在醫學影像領域中對 AI 的知識儲備、學習態度以及對未來臨床應用的認知。研究的最終目標，是透過嚴謹的量化數據來精準辨識出當前教育體系中存在的缺口，並藉此提供明確的指引，協助各國學術機構將 AI 相關知識更有效地整合進現有的放射科學課程發展之中。
715 名跨國樣本與 45 題驗證問卷設計
本研究採取了跨國橫斷面調查（multi-national cross-sectional survey）的嚴謹研究設計，確保所收集到的數據不會僅侷限於單一國家或單一院校的特定背景。研究團隊針對埃及、約旦以及阿拉伯聯合大公國（UAE）這三個國家的學術機構進行大規模取樣，最終成功招募了 715 名正就讀於放射學系的大學部學生參與這項調查。在評估工具的選擇上，團隊使用了一份經過嚴格驗證的標準化問卷，該問卷總共包含了 45 個詳細的評估項目，用以全面涵蓋人工智慧教育的多個不同面向。這 45 題的內容被精心設計來量化受訪者的基線知識、對 AI 技術的主觀態度，以及他們在學習或未來應用上所感受到的潛在障礙。在數據處理方面，研究團隊採用了敘述性統計（descriptive statistics）方法，針對學生們在各個不同構面中的得分與分佈情況進行客觀分析。這樣的大樣本與跨國界設定，使得最終的分析結果能夠更準確地反映出該地區醫學影像教育系統在面對新興技術浪潮時的普遍現況與共通特徵。
27.8% 培訓率與中度熟悉的矛盾現象
攤開問卷調查的實際數據，結果揭露了一個值得深入探討的矛盾現象：在所有受訪的放射學生中，僅有 27.8% 的參與者曾經實際參加過與 AI 相關的正規培訓或實務課程。這個相對偏低的培訓比例，強烈凸顯出當前各國大學部的常規放射科教育中，尚未將 AI 知識列為普遍的必修內容或容易取得的學習資源。然而，與偏低的培訓參與率形成強烈對比的是，大多數的學生在問卷的自評項目中，卻回報了對於人工智慧技術具有「中度熟悉（moderate familiarity）」的程度。這種未受過大量正規學術訓練卻自認具備熟悉度的落差，很可能是源自於一般大眾媒體、網路資訊或是非學術管道對生成式與泛用型 AI 概念的廣泛傳播，而非來自於紮實的醫學影像專屬技術教學。儘管缺乏系統性培訓，從學生的認知層面來看，受訪者依然高度認可 AI 在臨床放射實務中所扮演的積極角色，並在問卷中明確指出 AI 能夠有效協助提升影像診斷的準確性。學生們也普遍相信，將這些演算法導入日常的工作流程中，最終將能實質改善病患的臨床預後（patient outcomes），顯示出他們對新技術的本質具備正向且務實的理解。
61.8% 課程支持度與職涯取代焦慮的消失
在面對未來職業生涯的態度上，問卷數據直接打破了過去醫界常見「AI 將大規模取代醫療從業人員」的刻板印象。調查結果明確顯示，這群未來的放射專業人員對於「工作被 AI 取代」的擔憂程度非常低（minimal concerns about job replacement），他們更傾向於將人工智慧視為協助實務操作的高效工具，而不是潛在的職場競爭對手。基於對技術發展的正面預期，高達 61.8% 的受訪學生明確表達了積極支持的立場，強烈建議學術機構應盡速將 AI 教育正式整合到大學部的核心課程之中。這超過六成的高支持度，直接反映了放射系學生對於掌握前瞻科技的渴望，以及他們認知到具備 AI 相關素養將是未來進入現代化醫療職場的必備條件。學生們期盼在學期間就能夠有系統地學習相關知識，了解模型如何在醫學影像設備中運作，以及這些軟體將如何改變他們未來的常規臨床操作。這種從被動接受轉為主動要求的學習態度轉變，為教育體系的決策者提供了一個強而有力的數據支持，證明推動技術課程不僅是科技發展的必然，更是切合學生長遠職涯發展的迫切需求。
軟硬體限制與學術師資匱乏的現實障礙
儘管學生端展現出極高的學習意願與正面的科技態度，這份調查同時也明確點出了當前各學術機構在推動新世代教育時所面臨的殘酷現實壁壘。在感知障礙的評估項目中，受訪學生指出了幾項嚴重阻礙他們深入學習的核心因素，其中最直接的問題在於無法取得必要的 AI 工具與運算軟體設備。這種設備上的落差，使得教學往往只能停留在紙上談兵的理論階段，無法讓學生親自操作並驗證演算法在處理真實醫學影像時的效能。除了硬體與授權的匱乏，學生們也反映了現有體系提供的相關培訓資源嚴重不足，無法支撐他們從基礎理論跨越到實際應用的學習需求。更深層次的挑戰在於學術人員本身的專業知識準備度；調查指出，現有的大學部教職員中，具備足夠專業知識以進行高階指導的師資明顯不足（inadequate expertise among academic staff）。這些來自第一線調查的意見回饋顯示，要將這門複雜的學科成功納入放射學教育，並非單純在課表中增加一門選修科目即可達成，而是需要一整套基礎設施的全面升級與教學團隊的重新培力。
建立結構化 AI 課程與教職員培訓的未來方向
綜合上述所有的調查發現，本研究再次確認了各國放射科學生對人工智慧抱持著高度積極的認知，並且強烈支持在校期間接受具備良好架構的現代化知識教育。然而，現實環境中存在的機構限制與基礎設施短缺，依然是現今醫學影像教育體系必須正視且努力跨越的難關。研究團隊在總結中特別強調，現階段存在著推動「結構化 AI 課程（structured AI curricula）」的迫切需求，唯有建立標準化的教學大綱，才能確保每一位應屆畢業生都能具備一致且達標的技術素養。同時，針對學術機構內部的教職員進行系統性的專業培訓也同樣刻不容緩，唯有先徹底裝備好教學前線的教師，才能有效地引導學生應對未來不斷演進的臨床角色。針對各國的醫療教育政策制定者，研究團隊發出了明確的呼籲：必須將相關技術教育的整合列為政策發展的最優先事項之一。唯有透過政策資源的實質挹注與教育體制的全面翻新，才能確保未來的放射科畢業生具備足夠的實戰能力，從容應對已經全面展開的 AI 賦能醫療照護環境（AI-enabled healthcare environments）。
當 61.8% 放射學生渴求將 AI 納入核心課程時，學術機構必須優先解決硬體工具受限與師資專業度不足的困境，才能有效培育出適應未來臨床環境的技術人才。