医务人员国内外场景下AI工具应用差异及启示

胡欣; 陈韶华; 史贝裔; 邓添艺

doi:10.3760/cma.j.cn116021-20260330-02320

您当前的位置：

首页 >

文章列表页 >

医务人员国内外场景下AI工具应用差异及启示

数智医学教育 | 更新时间：2026-07-27

- 医务人员国内外场景下AI工具应用差异及启示
- Differences in the application of artificial intelligence tools in domestic and overseas scenarios among medical staff and their implications
- 中华医学教育探索杂志 2026年25卷第7期页码：793-799
- 作者机构：
  
  1.浙江大学医学院附属第一医院国际交流部，杭州 310003
  2.浙江大学医学院附属第一医院教学部，杭州 310003
- 作者简介：
  
  胡欣，Email：huxin1030@zju.edu.cn
- 基金信息：
  
  中华医学会医学教育分会医学教育研究课题(2025B342);浙江省教育厅一般科研项目(Y202557769);浙江省医院协会委托课题研究项目
- DOI：10.3760/cma.j.cn116021-20260330-02320
  中图分类号： R-0;R-4;R-05
- 收稿：2026-03-30，
  
  网络首发：2026-07-01，
  
  纸质出版：2026-07-20
- 稿件说明：
移动端阅览
胡欣, 陈韶华, 史贝裔, 等. 医务人员国内外场景下AI工具应用差异及启示[J]. 中华医学教育探索杂志, 2026, 25(7): 793-799.

Hu Xin, Chen Shaohua, Shi Beiyi, et al. Differences in the application of artificial intelligence tools in domestic and overseas scenarios among medical staff and their implications[J]. Chinese Journal of Medical Education Research, 2026, 25(7): 793-799.
胡欣, 陈韶华, 史贝裔, 等. 医务人员国内外场景下AI工具应用差异及启示[J]. 中华医学教育探索杂志, 2026, 25(7): 793-799. DOI： 10.3760/cma.j.cn116021-20260330-02320.

Hu Xin, Chen Shaohua, Shi Beiyi, et al. Differences in the application of artificial intelligence tools in domestic and overseas scenarios among medical staff and their implications[J]. Chinese Journal of Medical Education Research, 2026, 25(7): 793-799. DOI： 10.3760/cma.j.cn116021-20260330-02320.

摘要

目的

探讨医务人员在国内外学习与实践场景下人工智能（artificial intelligence，AI）工具的应用特征、需求差异与场景衔接问题，为完善国际化医学人才培养与继续医学教育模式提供实证依据。

方法

以浙江大学医学院附属第一医院205名具有出国学习与实践经历的医务人员为研究对象。采用电子问卷开展调查，对比国内外场景中AI工具使用频率、满意度、应用场景与价值认同度。运用SPSS 26.0进行统计学分析，对开放式问题采用主题归纳法进行质性梳理。

结果

医务人员在国内场景的AI使用频率显著高于出国场景（3.04±0.92 vs. 2.63±1.10，

0.001）；2种场景满意度均偏低且差异无统计学意义（1.90±1.08 vs. 1.91±1.09，

0.05）；价值认同度随年龄增长显著升高（

0.05），总体呈现认同度较高、满意度偏低的鲜明反差。应用场景呈明显分化：国内以科研数据处理为主，国外以跨文化沟通为主，AI工具难以在双场景间平稳衔接与双向迁移。数据隐私安全限制、场景贴合度不足、专用教学资源缺乏是主要制约因素。

结论

医务人员在国内外场景中的AI应用存在显著的需求分化与衔接壁垒，其差异不仅源于使用条件的不同，更反映了医疗制度、数据法规、文化习惯与教育模式的深层区别。未来应构建全周期、国内外衔接的AI学习支持体系，强化医务人员AI素养培育，提升继续医学教育质量，推动医学人才国际化培养与医院高质量发展。

Abstract

Objective

To investigate the application characteristics

demand differences

and scenario transition of artificial intelligence (AI) tools used by medical staff in domestic and overseas learning and practice scenarios

and provide empirical evidence for improving international medical talent training and continuing medical education models.

Methods

An electronic questionnaire survey was conducted among 205 medical staff with overseas learning and practice experience from The First Affiliated Hospital

Zhejiang University School of Medicine. We compared the usage frequency

satisfaction

application scenarios

and value recognition of AI tools between domestic and overseas scenarios. Statistical analysis was performed using SPSS 26.0. Open-ended responses were subjected to qualitative thematic analysis.

Results

The usage frequency of AI tools was significantly higher in domestic scenarios than in overseas scenarios (3.04±0.92 vs. 2.63±1.10

0.001). Satisfaction was low in both scenarios with no significant difference (1.90±1.08 vs. 1.91±1.09

0.05). Value recognition increased significantly with age (

0.05)

showing a clear contrast of high recognition but low satisfaction. Application scenarios showed clear divergence. Domestic use focused on research data processing

while overseas use centered on cross-cultural communication. Smooth transition and bidirectional transfer of AI tools between the two scenarios were difficult. Major constraints included data privacy restrictions

insufficient scenario fit

and a lack of dedicated educational resources.

Conclusions

Significant demand divergences and transition barriers exist in AI application among medical staff in domestic and overseas scenarios. These differences not only arise from usage conditions but also reflect deep-seated distinctions in medical systems

data regulations

cultural habits

and educational models. A full-cycle

cross-border AI learning support system should be established in the future to strengthen the AI literacy of medical staff

improve the quality of continuing medical education

and promote the international training of medical talent and the high-quality development of hospitals.

关键词

Keywords

references

国务院 . 国务院关于深入实施“人工智能+”行动的意见 [EB/OL ] .（ 2025-08-21 ）[ 2026-04-27 ] . https://www.gov.cn/zhengce/content/202508/content_7037861.htm https://www.gov.cn/zhengce/content/202508/content_7037861.htm .

国家卫生健康委办公厅 . 关于印发继续医学教育学分管理办法（试行）的通知 [EB/OL ] . （ 2024-10-23 ） [ 2026-04-27 ] . https://www.gov.cn/zhengce/zhengceku/202411/content_6985846.htm https://www.gov.cn/zhengce/zhengceku/202411/content_6985846.htm .

曲波，贺文阁，张阳 . 推动药学国际化人才培养创新发展的探索与实践 [J ] . 中华医学教育探索杂志， 2025 ， 24 （ 1 ）： 3 - 7 . DOI: 10.3760/cma.j.cn116021-20240926-01927 http://dx.doi.org/10.3760/cma.j.cn116021-20240926-01927 .

侯建林 . 国际视野下全球卫生教育及启示 [J ] . 中华医学教育探索杂志， 2024 ， 23 （ 5 ）： 577 - 581 . DOI: 10.3760/cma.j.cn116021-20240122-01732 http://dx.doi.org/10.3760/cma.j.cn116021-20240122-01732 .

袁靳闲，李金政 . 人工智能应用于医学教育的现状、挑战与前景 [J ] . 中华医学教育探索杂志， 2025 ， 24 （ 6 ）： 777 - 783 . DOI: 10.3760/cma.j.cn116021-20240711-02049 http://dx.doi.org/10.3760/cma.j.cn116021-20240711-02049 .

魏嵬，罗高萌，刘润铭，等 . 人工智能辅助教学在医学教育中应用效果的Meta分析 [J ] . 医学新知， 2025 ， 35 （ 10 ）： 1242 - 1248 . DOI: 10.12173/j.issn.1004-5511.202505084 http://dx.doi.org/10.12173/j.issn.1004-5511.202505084 .

吕勇，王钧，樊代明 . DeepSeek在临床医学见习教学中的应用 [J ] . 医学教育研究与实践， 2025 ， 33 （ 4 ）： 564 - 570， 602 . DOI: 10.13555/j.cnki.c.m.e.2025.04.016 http://dx.doi.org/10.13555/j.cnki.c.m.e.2025.04.016 .

Xie H , Dai X , Xie J , et al . Artificial intelligence adoption in surgery: cognition, usage patterns and implementation barriers of DeepSeek among healthcare professionals in China's tertiary hospitals [J ] . J Multidiscip Healthc , 2025 , 18 : 7719 - 7737 . DOI: 10.2147/JMDH.S538723 http://dx.doi.org/10.2147/JMDH.S538723 .

Mohd Mohadis H , Ismail I , Ibrahim I , et al . Integrating AI chatbot in medical education: a technology acceptance study of ChatGPT using UTAUT2 [J ] . J Adv Res Appl Sci Eng Tech , 2025 , 56 ( 1 ): 215 - 239 . DOI: 10.37934/araset.56.1.215239 http://dx.doi.org/10.37934/araset.56.1.215239 .

刘浏，张馨，张琪琪，等 . 医疗领域大模型伦理风险识别、治理及前瞻研究 [J ] . 中国工程科学， 2025 ， 27 （ 6 ）： 54 - 67 . DOI: 10.15302/J-SSCAE-2025.07.028 http://dx.doi.org/10.15302/J-SSCAE-2025.07.028 .

徐梓硕，曲巍，徐晶格 . 人工智能赋能医学教育的伦理困境与疏解 [J ] . 中国医学伦理学， 2026 ， 39 （ 3 ）： 320 - 327 . DOI: 10.12026/j.issn.1001-8565.2026.03.06 http://dx.doi.org/10.12026/j.issn.1001-8565.2026.03.06 .

杜逸芳，张怡青，刘蒙，等 . 公立医院高质量发展背景下医务人员继续医学教育管理模式探析 [J ] . 办公室业务， 2024 （ 24 ）： 187 - 189 . DOI: 10.3969/j.issn.1004-647X.2024.24.060 http://dx.doi.org/10.3969/j.issn.1004-647X.2024.24.060 .

冯蕾，周昊泽，候佳佳 . 人工智能赋能高等医学教育的现状调查 [J ] . 中华医学教育探索杂志， 2025 ， 24 （ 8 ）： 1022 - 1031 . DOI: 10.3760/cma.j.cn116021-20241208-01989 http://dx.doi.org/10.3760/cma.j.cn116021-20241208-01989 .

解静，刘久畅 . 人工智能时代美国医学教育改革前沿案例分析及其启示 [J ] . 医学信息学杂志， 2025 ， 46 （ 8 ）： 18 - 22， 56 . DOI: 10.3969/j.issn.1673-6036.2025.08.003 http://dx.doi.org/10.3969/j.issn.1673-6036.2025.08.003 .

熊可慧，杨艳红，吴红斌，等 . 英国继续医学教育可验证自学模式的实践经验及其对我国的启示 [J ] . 医学与社会， 2025 ， 38 （ 4 ）： 123 - 130 . DOI: 10.13723/j.yxysh.2025.04.018 http://dx.doi.org/10.13723/j.yxysh.2025.04.018 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于放射学历史题库数据分析的人工智能试题生成及考核效果评价

住院医师对AI临床应用的认知调查分析与思考

“肿瘤微环境”课程创新及线上课程群建设实践研究

计算机模拟病例在临床医学八年制儿科学见习教学中的实践与探索

眼科进修医师学习需求主题与群体特征研究