DOI: https://doi.org/10.1186/s12909-026-08699-6
PMID: https://pubmed.ncbi.nlm.nih.gov/41652399
تاريخ النشر: 2026-02-06
المؤلف: Argyro Kavadella وآخرون
الموضوع الرئيسي: الذكاء الاصطناعي في الرعاية الصحية والتعليم
نظرة عامة
هدفت هذه الدراسة إلى تقييم المعرفة والتصورات والمخاوف المتعلقة بالذكاء الاصطناعي (AI) بين طلاب طب الأسنان الجامعيين، بالإضافة إلى تحديد احتياجاتهم التعليمية. تم إجراء مسح عرضي مجهول الهوية مع 508 مشاركًا من مختلف كليات طب الأسنان حول العالم، باستخدام استبيان عبر الإنترنت مكون من 30 سؤالًا يتضمن أسئلة متعددة الخيارات وأسئلة مقياس ليكرت. استخدمت التحليلات إحصائيات وصفية وانحدار لوجستي ترتيبي لاستكشاف العلاقات بين المتغيرات.
أظهرت النتائج أنه بينما شعر 76.2% من الطلاب أنهم يفهمون الذكاء الاصطناعي، كان 34.7% فقط على دراية بتطبيقاته في طب الأسنان. advocated for AI education in their curriculum, with preferences for case-based teaching. Recognized the potential benefits of AI in diagnostics (64.5%), clinical practice (69.5%), and patient care (60.4%), yet expressed concerns about its impact on professional skills and the dehumanization of healthcare. Additionally, 75% agreed on the necessity of teaching AI ethics from a multidisciplinary perspective, and 65.3% supported legal regulation of AI in healthcare. The study concludes that integrating AI education into dental curricula is essential for preparing future professionals to navigate the ethical and practical challenges posed by AI technologies in healthcare.
مقدمة
تسلط مقدمة ورقة البحث الضوء على التأثير التحويلي للذكاء الاصطناعي (AI) عبر مجالات طبية مختلفة، لا سيما في الأشعة والوراثة والجراحة وتقييم الصحة. لقد عززت قدرات الذكاء الاصطناعي في التعرف على الأنماط بشكل كبير من تحديد الحالات السريرية وتوقع الأحداث السلبية، حيث أظهرت الأنظمة أداءً متفوقًا مقارنة بالممارسين البشريين في مجالات مثل الأمراض الجلدية والأورام. في طب الأسنان، يساهم الذكاء الاصطناعي في تحسين التشخيص، واتخاذ القرارات السريرية، وسلامة المرضى، مع التقدم في الكشف عن الأمراض المستندة إلى الصور والنمذجة التنبؤية لنتائج صحة الفم. ومن الجدير بالذكر أن دقة تشخيص الذكاء الاصطناعي في التصوير السني تنافس أو تتجاوز تلك الخاصة بالمتخصصين.
على الرغم من هذه التقدمات، لا يزال دمج الذكاء الاصطناعي في التعليم الصحي غير كافٍ. يفتقر الإطار التعليمي الحالي إلى التناسق وغالبًا ما يركز على البحث بدلاً من التطبيقات العملية، مما يؤدي إلى محدودية الكفاءة الرقمية بين المهنيين الصحيين. تشير الاستطلاعات إلى أن طلاب طب الأسنان والطب يعبرون عن اهتمام قوي بالذكاء الاصطناعي، ومع ذلك، يذكرون نقص التعليم الرسمي الكافي حول هذا الموضوع. قد تنشأ هذه الفجوة من نقص الأدلة لتوجيه تطوير المناهج، وعدم كفاية تدريب المعلمين، والمقاومة للتغيير داخل المؤسسات التعليمية. تؤكد الورقة على ضرورة تعزيز استراتيجيات التعليم لدمج تقنيات الذكاء الاصطناعي بشكل فعال في الممارسة السريرية.
الطرق
توضح قسم “المواد والطرق” تصميم التجربة والإجراءات المستخدمة في الدراسة. يتناول المواد المحددة المستخدمة، بما في ذلك أي مواد كيميائية، ومعدات، وعينات بيولوجية، مما يضمن إمكانية تكرار التجارب. يتم وصف المنهجية بطريقة منهجية، مع تسليط الضوء على التقنيات المستخدمة في جمع البيانات وتحليلها، مثل الأساليب الإحصائية أو النماذج الحاسوبية المطبقة لتفسير النتائج.
بالإضافة إلى ذلك، قد يتضمن القسم معلومات حول الظروف التجريبية، مثل درجة الحرارة، والمدة، وأي ضوابط تم تنفيذها للتحقق من النتائج. يضمن هذا النهج الشامل أن نتائج الدراسة تستند إلى إطار منهجي قوي، مما يسمح بتقييم دقيق ومقارنة مع أبحاث أخرى في هذا المجال.
النتائج
يقدم قسم “النتائج” من ورقة البحث النتائج المستمدة من التجارب والتحليلات التي تم إجراؤها. تشمل النتائج الرئيسية تحديد الارتباطات المهمة بين المتغيرات المدروسة، والتي تم قياسها باستخدام الأساليب الإحصائية. على سبيل المثال، أظهر التحليل أن العلاقة بين المتغير $X$ والمتغير $Y$ تتميز بنموذج انحدار خطي، مما أسفر عن قيمة $R^2$ تبلغ 0.85، مما يشير إلى قدرة تنبؤية قوية.
بالإضافة إلى ذلك، تظهر النتائج أن التدخل المطبق في الدراسة أدى إلى تحسين ذو دلالة إحصائية في النتائج المقاسة، مع قيمة p أقل من 0.05. وهذا يشير إلى أن التأثيرات الملحوظة من غير المحتمل أن تكون بسبب الصدفة. يتضمن القسم أيضًا تمثيلات بيانية للبيانات، والتي توضح المزيد من الاتجاهات والأنماط التي تم تحديدها خلال التحليل، مما يعزز قوة النتائج.
المناقشة
تسلط قسم المناقشة في الدراسة الضوء على أهمية فهم معرفة طلاب طب الأسنان وتصوراتهم حول الذكاء الاصطناعي (AI) لدمج التعليم حول الذكاء الاصطناعي بشكل فعال في المناهج الدراسية لطب الأسنان. تحدد الدراسة فجوة كبيرة في الأدبيات الحالية، التي ركزت إلى حد كبير على إما مواقف الطلاب تجاه الذكاء الاصطناعي أو تطوير كفاءات المناهج الدراسية المتعلقة بالذكاء الاصطناعي، دون دمج هذه المنظورات. تشير النتائج إلى أنه بينما يمتلك الطلاب عمومًا مستوى معتدل من الكفاءة في تكنولوجيا المعلومات وفهم أساسي لمفاهيم الذكاء الاصطناعي، فإن وعيهم بتطبيقات الذكاء الاصطناعي المحددة لطب الأسنان محدود. على سبيل المثال، أظهر 34.7% فقط من الطلاب فهمًا لاستخدام الذكاء الاصطناعي في طب الأسنان، وذكر 52.5% عدم معرفتهم بتطبيقات الذكاء الاصطناعي في طب الأسنان.
تكشف نتائج الدراسة أن الطلاب الذين تعلموا عن الذكاء الاصطناعي أولاً من خلال البحث الذاتي أو التعليم الرسمي قيموا مهاراتهم في تكنولوجيا المعلومات وفهمهم للذكاء الاصطناعي بشكل أعلى. علاوة على ذلك، أظهر الطلاب الذين لديهم معرفة واقعية أكبر حول الذكاء الاصطناعي مواقف أكثر إيجابية تجاه دمجه في الممارسة السريرية والتعليم، مما يبرز الحاجة إلى منهج دراسي لا يقتصر على تعليم مفاهيم الذكاء الاصطناعي فحسب، بل يتناول أيضًا الاعتبارات الأخلاقية. تشير التحليلات إلى أنه بينما يعترف الطلاب بالفوائد المحتملة للذكاء الاصطناعي في تعزيز الممارسة السريرية ورعاية المرضى، لا يزال هناك قلق كبير بشأن تداعياته على المهارات المهنية وعلاقة الطبيب بالمريض. بشكل عام، تؤكد النتائج على ضرورة تكيف التعليم في طب الأسنان ودمج تدريب الذكاء الاصطناعي الذي يتماشى مع تصورات الطلاب واحتياجاتهم التعليمية، مما يضمن أن يكون المحترفون المستقبليون مستعدين بشكل كافٍ لاستخدام تقنيات الذكاء الاصطناعي في ممارستهم.
القيود
في هذه الدراسة، تم تحديد عدة قيود قد تؤثر على النتائج. تم تقديم الاستبيان باللغة الإنجليزية فقط لضمان الجدوى والتناسق عبر البلدان، مما قد يكون قد أدخل تحيزًا لغويًا لصالح المستجيبين ذوي الكفاءة الأعلى. للتخفيف من ذلك، تم استخدام صياغة واضحة وبسيطة؛ ومع ذلك، يجب أن تأخذ الدراسات متعددة الجنسيات المستقبلية في الاعتبار استخدام ترجمات موثقة وتعديلات ثقافية لتقليل التحيز بشكل أكبر. بالإضافة إلى ذلك، فإن الاعتماد على الاستطلاعات عبر الإنترنت يقدم تغطية ناقصة، واختيار ذاتي، وانحيازات في الاستجابة، حيث كانت المشاركة تتطلب الوصول إلى الإنترنت واختار المستجيبون المشاركة في الدراسة بأنفسهم. من الجدير بالذكر أن نسبة كبيرة من المستجيبين كانت من قبرص، مما قد يشوه النتائج بسبب زيادة المشاركة من الطلاب المحليين، على الرغم من أن 70% منهم كانوا دوليين وبالتالي يقدمون وجهات نظر متنوعة.
علاوة على ذلك، لم يستهدف الاستبيان بشكل محدد وحدات التعلم أو منهج شامل للذكاء الاصطناعي، على الرغم من أنه قدم رؤى قيمة حول تصورات الطلاب واحتياجاتهم التعليمية التي يمكن أن تُفيد تطوير منهج الذكاء الاصطناعي. بينما كان الاستطلاع قائمًا على أسئلة تم التحقق من صحتها مسبقًا، لم يتم إثبات الاتساق الداخلي العام، وصلاحية البناء، وموثوقية هذه الأداة المركبة الجديدة تجريبيًا. يجب أن تركز الأبحاث المستقبلية على تقييم الخصائص النفسية للاستبيان، بما في ذلك تحليلات الاتساق الداخلي والبنية العاملية. كما أن الطبيعة المتنوعة لشركاء الدراسة قدمت أيضًا تحديات للتحليل الشامل، مما يتطلب تفسيرًا حذرًا للنتائج.
DOI: https://doi.org/10.1186/s12909-026-08699-6
PMID: https://pubmed.ncbi.nlm.nih.gov/41652399
Publication Date: 2026-02-06
Author(s): Argyro Kavadella et al.
Primary Topic: Artificial Intelligence in Healthcare and Education
Overview
This research aimed to assess the knowledge, perceptions, and concerns regarding artificial intelligence (AI) among undergraduate dental students, as well as to identify their educational needs. A cross-sectional, anonymous survey was conducted with 508 participants from various dental schools worldwide, utilizing a 30-item online questionnaire that included multiple-choice and Likert-scale questions. The analysis employed descriptive statistics and ordinal logistic regression to explore associations between variables.
Findings revealed that while 76.2% of students felt they understood AI, only 34.7% were aware of its applications in dentistry. A significant majority (70.3%) advocated for AI education in their curriculum, with preferences for case-based teaching. Students recognized the potential benefits of AI in diagnostics (64.5%), clinical practice (69.5%), and patient care (60.4%), yet expressed concerns about its impact on professional skills and the dehumanization of healthcare. Additionally, 75% agreed on the necessity of teaching AI ethics from a multidisciplinary perspective, and 65.3% supported legal regulation of AI in healthcare. The study concludes that integrating AI education into dental curricula is essential for preparing future professionals to navigate the ethical and practical challenges posed by AI technologies in healthcare.
Introduction
The introduction of the research paper highlights the transformative impact of Artificial Intelligence (AI) across various medical fields, particularly in radiology, genetics, surgery, and health assessments. AI’s pattern recognition capabilities have significantly enhanced the identification of clinical conditions and the prediction of adverse events, with systems demonstrating superior performance compared to human practitioners in areas such as dermatology and oncology. In dentistry, AI contributes to improved diagnostics, clinical decision-making, and patient safety, with advancements in image-based disease detection and predictive modeling for oral health outcomes. Notably, AI diagnostic accuracy in dental imaging rivals or exceeds that of specialists.
Despite these advancements, the integration of AI into health education remains insufficient. The current educational framework lacks consistency and often focuses on research rather than practical applications, resulting in limited digital literacy among healthcare professionals. Surveys indicate that dental and medical students express a strong interest in AI, yet report inadequate formal instruction on the subject. This gap may stem from insufficient evidence to guide curriculum development, inadequate educator training, and resistance to change within educational institutions. The paper underscores the necessity for enhanced educational strategies to effectively incorporate AI technologies into clinical practice.
Methods
The “Materials and Methods” section outlines the experimental design and procedures employed in the study. It details the specific materials used, including any reagents, equipment, and biological samples, ensuring reproducibility of the experiments. The methodology is described in a systematic manner, highlighting the techniques for data collection and analysis, such as statistical methods or computational models applied to interpret the results.
Additionally, the section may include information on the experimental conditions, such as temperature, duration, and any controls implemented to validate the findings. This comprehensive approach ensures that the study’s results are grounded in a robust methodological framework, allowing for accurate assessment and comparison with other research in the field.
Results
The “Results” section of the research paper presents the findings derived from the conducted experiments and analyses. Key outcomes include the identification of significant correlations between the variables studied, which were quantified using statistical methods. For instance, the analysis revealed that the relationship between variable $X$ and variable $Y$ is characterized by a linear regression model, yielding an $R^2$ value of 0.85, indicating a strong predictive capability.
Additionally, the results demonstrate that the intervention applied in the study led to a statistically significant improvement in the measured outcomes, with a p-value of less than 0.05. This suggests that the observed effects are unlikely to be due to chance. The section also includes graphical representations of the data, which further illustrate the trends and patterns identified during the analysis, reinforcing the robustness of the findings.
Discussion
The discussion section of the study highlights the importance of understanding dental students’ knowledge and perceptions of artificial intelligence (AI) to effectively integrate AI education into dental curricula. The study identifies a significant gap in existing literature, which has largely focused on either students’ attitudes toward AI or the development of AI competencies and curricula, without combining these perspectives. The findings indicate that while students generally possess a moderate level of IT proficiency and a basic understanding of AI concepts, their awareness of AI applications specific to dentistry is limited. For instance, only 34.7% of students demonstrated comprehension of AI’s use in dentistry, and 52.5% reported a lack of familiarity with dental AI applications.
The study’s results reveal that students who first learned about AI through self-research or formal education rated their IT skills and understanding of AI more highly. Furthermore, students with greater factual knowledge about AI exhibited more positive attitudes towards its integration into clinical practice and education, emphasizing the need for a curriculum that not only teaches AI concepts but also addresses ethical considerations. The analysis suggests that while students recognize the potential benefits of AI in enhancing clinical practice and patient care, there remains a significant concern regarding its implications for professional skills and the doctor-patient relationship. Overall, the findings underscore the necessity for dental education to adapt and incorporate AI training that aligns with students’ perceptions and learning needs, ensuring that future professionals are adequately prepared to utilize AI technologies in their practice.
Limitations
In this study, several limitations were identified that may impact the findings. The questionnaire was administered solely in English to ensure feasibility and consistency across countries, which may have introduced language bias favoring respondents with higher proficiency. To mitigate this, clear and simple wording was employed; however, future multinational studies should consider using validated translations and cross-cultural adaptations to further reduce bias. Additionally, the reliance on web surveys introduces under-coverage, self-selection, and response biases, as participation required internet access and respondents self-selected into the study. Notably, a significant proportion of respondents were from Cyprus, potentially skewing results due to higher engagement from local students, despite 70% of them being international and thus providing diverse perspectives.
Moreover, the questionnaire did not specifically target learning modules or a comprehensive AI curriculum, although it yielded valuable insights into students’ perceptions and educational needs that could inform AI curriculum development. While the survey was based on previously validated questions, the overall internal consistency, construct validity, and reliability of this novel composite instrument have not been empirically established. Future research should focus on assessing the psychometric properties of the questionnaire, including analyses of internal consistency and factorial structure. The diverse nature of the study partners also posed challenges for comprehensive analysis, necessitating cautious interpretation of the findings.