摘要研究：医学模拟中加入AI（人工智能）建议与解释，表现提升但效率未稳定改善
一篇发表于ACM Transactions on Computing for Healthcare（美国计算机协会医疗计算汇刊）的论文摘要显示，34名医学生在两个模拟临床病例中接触不同程度的AI（人工智能）建议与解释。
作者称，简单病例中AI（人工智能）辅助支持了恰当的检查开单并缩短决策时间，复杂病例中解释显著提高诊断准确性，但也带来更多不必要检查。 该结果仅来自摘要，且为模拟场景，不能等同于真实临床或课堂学习效果。
研究原始来源可核对
事实与证据边界
摘要显示，研究招募34名医学生完成两个模拟临床病例，要求其开具诊断检查并给出最终诊断； 病例设置在多个连续决策点提供不同水平的AI（人工智能）建议与解释。 结果称，AI（人工智能）建议和解释可提升医学表现，但未一致改善效率； 简单病例中辅助支持了恰当检查开单并减少决策时间，复杂病例中解释显著改善诊断准确性，也使参与者开出更多不必要的检查。
来源为ACM Transactions on Computing for Healthcare（美国计算机协会医疗计算汇刊）摘要； 作者机构包括里斯本大学高等技术学院、INESC-ID（里斯本大学高等技术学院所属研究机构）与里斯本光明医院Learning Health（学习健康机构）。
分析判断
这项摘要级证据把AI（人工智能）辅助拆成“建议”与“解释”两个变量，并在连续决策点中观察。 结果显示解释并非单向利好：可能提高准确性，也可能推动更多资源使用。 对教育类AI（人工智能）产品而言，这提示反馈是否附带解释、何时附带解释，可能影响学习者的判断与资源消耗； 但本研究为医学模拟场景、样本量小且仅见摘要，不能外推到课堂学习效果。
后续观察信号
- 查阅论文全文以核实随机化、对照设置与统计方法
- 跟踪ACM（美国计算机协会）相关会议或期刊是否出现类似学习场景研究