患者如何看待医疗人工智能:AISA 前瞻性问卷调查解读
德国亚琛工业大学医院对 198 例预约神经放射 MR 检查的患者进行现场问卷调查,评估其对 AI 在诊断、治疗和分诊中的看法。结果显示 91.5% 的患者期待 AI 带来获益,87.2% 支持诊断应用,73.1% 支持治疗应用,但仅 28.2% 支持用于分诊。多数患者希望被告知 AI 的使用情况,教育程度和 AI 经验较高者接受度更高。
要点
- 患者普遍接受 AI 用于影像诊断辅助,但对 AI 单独用于分诊或排程接受度低,临床沟通中应区分场景说明。
- 93.2% 患者表示若医生事先解释 AI 原理会更开放,说明阅片报告环节主动告知 AI 参与可提高接受度。
- 教育程度低、无 AI 经验患者接受度较低,需注意避免加剧边缘化群体在医疗服务中的不对等。
核心结论
- 患者对医疗 AI 总体持开放态度,但意见因应用场景显著分化,支持诊断和治疗辅助,拒绝用于分诊。
- 一般性支持 AI 的患者中有 72.6% 仍拒绝 AI 用于分诊,说明反对分诊与整体 AI 接受度相对独立。
- 患者希望在使用 AI 时被告知,教育程度较高、AI 自评知识较高、有 AI 使用经验者接受度更高。
研究设计与样本
- 前瞻性单中心横断面问卷调查,于 2022 年 12 月至 2023 年 10 月在德国亚琛大学医院实施。
- 纳入 198 例预约神经放射 MR 检查、年龄大于 18 岁且签署知情同意的患者,中位年龄 52.5 岁。
- 采用简短纸质问卷现场发放,先 37 例预试验后修订,最终问卷共 17 个条目,以德语呈现。
- 统计分析包括描述性统计、Spearman 相关、卡方检验、Fisher 精确检验、Mann-Whitney U 检验及二分类 logistic 回归。
诊断标准与关键数值
- 对 AI 用于诊断的支持率为 87.2%(MOE 2.7%),用于治疗为 73.1%(MOE 3.6%),用于分诊仅 28.2%(MOE 3.6%)。
- 64.7%(MOE 3.8%)支持 AI 辅助操作,54.5%(MOE 4.0%)对 AI 参与治疗决策意见不一。
- 25.0%(MOE 3.5%)支持 AI 用于患者排程,17.3%(MOE 3.0%)支持 AI 用于患者筛选。
- 80.8%(MOE 3.2%)希望诊断使用 AI 时被告知,42.3%(MOE 4.0%)希望所有提及领域均被告知。
- logistic 回归显示一般 AI 接受度与支持 AI 用于治疗独立相关(OR 3.0,95%CI 1.1–8.0,p=0.032)。
临床应用与阅片要点
- 实施 AI 辅助影像诊断前可主动向患者说明 AI 的辅助角色,可提高其接受度与信任感。
- 对 AI 用于分诊应保持谨慎,避免在缺乏充分解释时向患者透露其排程由算法决定。
- 对教育程度低、年龄大或无 AI 经验的患者应有针对性的解释与知情沟通过程。
局限性
- 单中心设计且样本量相对较小,限制结果外推至其他医疗环境。
- 研究为探索性,logistic 回归模型 Nagelkerke R2 较低,诊断和分诊模型均未达统计显著。
- 有移民背景者(11.2% 对 28.7%)和低学历者(13.4% 对 27.2%)较本州人口代表性不足。
- AI 发展迅速,本研究仅为某一时点的横断面描述,患者观点可能在短期内发生变化。
全文中译9 节 · 点击展开
引言
人工智能(AI)这一主题遍及现代生活的许多领域,包括医疗卫生。如今,存在多种可能的医学AI应用,从用于影像解读的放射学辅助系统[1]、皮肤病学[2]和眼科学[3]中的诊断工具,到旨在改善精神障碍检测、诊断、分类和治疗的算法[4, 5]。
尽管许多人将AI视为医疗卫生未来的希望之光,但也有人对AI模型快速进入临床常规表达了担忧。一个重要的问题是,一方面AI技术领域快速进展,另一方面患者对AI的接受度却存在差距。患者的意见、顾虑和需求至关重要,因为将AI整合到医疗实践中直接影响患者的个人生活和福祉:即使是最好的技术,如果相关人员(即医护人员和患者)不接受它,也是无用的。
既往研究的许多结果无法推广到医院中的一般患者群体:当前涉及患者看法的研究聚焦于特定应用场景,如皮肤癌诊断、放射学检查或神经外科手术期间的辅助支持,从而限制了其结果的可推广性[6–9]。此外,当前研究往往仅代表特定人口统计学群体,如女性[10, 11]或有经验的AI使用者[12, 13]。另外,许多研究通过在线调查进行,因此主要接触到精通计算机且相当年轻的个体[8, 14, 15]。
为了解决其中一些问题,我们研究的目的是评估多样化且有代表性的患者群体对AI在医疗卫生中应用的看法。我们特意选择了简短的现场问卷,以接触范围广泛的患者,包括具有不同社会人口学背景的年轻和老年患者。我们没有考察针对特定疾病或医学专科的接受度,而是调查了对AI在医疗卫生中应用的一般看法,重点关注(1)诊断、(2)治疗和(3)分诊领域。
材料与方法
经我们当地伦理委员会批准(编号:EK 22-331)并获得患者知情同意后,我们于2022年12月至2023年10月在亚琛工业大学医院进行了这项调查。问卷发放给预约接受神经放射学MR检查、年龄超过18岁且愿意提供书面知情同意的患者。我们排除了接受急性治疗且参与研究可能导致治疗延迟的患者。参与是自愿的,在书面同意后进行假名化处理。共向200名患者发放了问卷,其中198人完整填写。总体而言,37名参与者完成了初步问卷,161名参与者完成了更新版问卷。
本项前瞻性研究的目的是编制一份简单明了、易于理解的问卷,以便我们了解患者对人工智能应用看法的总体情况。我们使用了通俗易懂的语言,并将完成时间控制在10分钟以内。我们向参与者说明了研究目的和预计完成问卷所需时间,问卷以德语呈现。除社会人口学问题(年龄、性别、最高学历、移民背景、就业状况和当前诊断)外,还有九个条目(七个单选题和两个多选题)围绕“医疗保健中的人工智能”这一主题,以了解患者在该主题上的主观知识、观点和偏好。两位经验丰富的心理学家和一位经验丰富的临床医生对问卷进行了审阅,该问卷部分基于既往研究中关于该主题的条目:条目2[16]、条目3[17]、条目5[8]和条目6[9]均根据既往问卷修改而成。根据Perneger等人[18]的方法,我们在37名参与者之后完成了一轮初步测试并进行条目分析。随后,我们对问卷进行了修改:删除了条目8中的“我没有期望”这一回答选项;因冗余和区分度低而删除了两个条目;增加了两个新条目(第9、10条)。新增条目专门评估患者对人工智能在特定医疗领域应用的看法,即:(1)诊断,(2)治疗(治疗支持和治疗决策),以及(3)分诊(患者筛选和患者排序)。最终问卷共包含17个条目,德语版和英语版见补充材料。
统计分析
我们采用描述性统计来描述样本特征,包括年龄、性别、最高学历、当前就业状况类型以及疾病类型或就诊原因。在呈现问卷条目时,名义数据以绝对频数和相对频数±误差范围(MOE)表示;有序和非参数数据以中位数和四分位距(IQR)表示;参数数据以均值±标准差(SD)表示。相关性采用Spearman相关系数计算。根据样本量大小,二分类分析采用卡方检验和Fisher精确检验。有序数据和计量数据采用Mann–Whitney U检验进行比较。为确定影响人工智能认可度的因素,我们进行了二元logistic回归分析(进入法,报告比值比(OR)和95%置信区间(CI)),纳入的变量包括年龄、性别、移民背景、教育程度、就业状况、对人工智能的了解程度、对人工智能的个人体验、对人工智能的总体接受度以及对人工智能的期望。在统计分析中,条目4(对人工智能的接受度)被二分为接受与中立及消极态度两类。p值<0.05(alpha水平)定义为有统计学意义。数据分析使用IBM SPSS Statistics软件(第29版,IBM,纽约州阿蒙克市)。
结果
人口统计学特征和问卷结果
我们将所有198例患者的回答纳入分析。社会人口学特征见表1。概括而言,受访者中位年龄为52.5岁[IQR,34.75–61.25],范围18至87岁。德国是最常见的出生国(91.2%)。与本研究所在联邦州的人口相比[19],具有移民背景者(11.2% vs 28.7%)和低学历者(13.4% vs 27.2%)在本次研究人群中代表性不足[19, 20]。
问卷结果见表2。概括而言,26.6%的受访者将其对人工智能的了解评为非常好或好,34.4%评为一般,24.1%表示了解较差,14.9%表示完全不了解人工智能。大多数受访者(61.7%)在个人生活中听说过人工智能,但没有直接使用经验。多数人(60.9%)支持在医疗保健中使用人工智能,36.0%选择“我不知道”,3.0%反对使用人工智能。大多数受访者表示他们认为医生和人工智能犯错的次数相同(58.4%),27.3%表示医生犯错更多,14.3%表示人工智能犯错更多。大多数受访者(93.2%)表示,如果医生事先解释人工智能及其工作原理,他们会对人工智能这一主题持更开放的态度。当被问及对医疗保健中使用人工智能的个人期望时,94.5%预期获益,5.5%预期不利。支持使用人工智能与较高教育程度(p = 0.003)、有人工智能亲身经历(p < 0.001)以及人工智能机制得到解释(p < 0.001)相关。
对人工智能在特定领域使用的意见
大多数人支持在诊断(87.2% ± 2.7%)和治疗(73.1% ± 3.6%)领域使用人工智能,而仅约四分之一的人赞成将其用于分诊(28.2% ± 3.6%)。更具体地说,64.7% ± 3.8%赞成在操作过程中使用人工智能辅助,而对治疗决策的意见存在分歧(54.5% ± 4.0%)。相对较少的参与者赞成将人工智能用于患者排序(25.0% ± 3.5%)和患者选择(17.3% ± 3.0%)。总体而言,10.3% ± 2.4%的参与者不希望人工智能用于上述任何领域。概览见图1。
大多数人希望在诊断(80.8% ± 3.2)、治疗决策(75.0% ± 3.5)和操作过程辅助(64.1% ± 3.5)中使用人工智能时被告知。约一半患者希望在患者选择(46.2% ± 4.0)和患者排序(44.9% ± 4.0)中使用人工智能时被告知。总体而言,42.3% ± 4.0希望在所有上述领域均被告知,而16.0% ± 2.9的参与者不希望获得任何关于人工智能使用的信息。
在单变量分析中,赞成人工智能用于诊断和治疗领域的有:总体上赞成人工智能的患者(分别为p < 0.001和p < 0.001)、对人工智能了解较多的患者(分别为p = 0.017和p = 0.001)以及预期人工智能获益的患者(分别为p = 0.005和p = 0.022)。大多数总体上赞成人工智能的患者(72.6%;69/95;p = 0.723)和预期人工智能获益的患者(69.3%;95/137;p = 0.593)拒绝将其用于分诊。然而,对人工智能了解较多的患者赞成将其用于分诊(p = 0.003)。
在多变量回归分析中,所测试的变量均与在诊断或分诊中批准使用人工智能无独立相关性。然而,对人工智能的总体接受度与治疗领域的批准独立相关(比值比,3.0;置信区间,1.1–8.0;p = 0.032)。诊断模型得出χ² (10) = 15.72,p = 0.108,Nagelkerke’s R2为0.280。治疗模型得出χ² (10) = 16.52,p = 0.086,Nagelkerke’s R2 = 0.167。分诊模型得出χ² (10) = 10.97,p = 0.360,Nagelkerke’s R2为0.106。没有证据表明预测变量之间存在严重的多重共线性。
讨论
通过我们简明的问卷,我们旨在纳入18–87岁的广泛患者群体,涵盖从骨科到肿瘤科的各种疾病。我们的研究结果表明,患者普遍接受并支持人工智能在医疗保健中的应用,特别是在诊断和治疗支持方面。这与文献一致 [7, 8]。然而,我们的主要新发现是,当涉及患者分诊时,人工智能的使用遭到拒绝,超过四分之三的患者拒绝在该领域使用人工智能。这种同一患者根据应用领域的不同而对人工智能的使用同时持赞成和拒绝态度的广泛立场差异,可以解释为什么在调查中会得到截然不同的结果,尤其是如果没有明确询问人工智能应用的具体领域时 [9]。
在分诊领域拒绝使用人工智能的一个可能解释是,“分诊”这一主题可能与恐惧和不确定性相关联。Kureda等人进行的一项研究表明,对分诊及其益处的了解程度相当高[21],而Seibert等人进行的一项研究显示,约三分之一的受访者“不知道为什么有些患者虽然来得更晚,却(比其他人)更早得到医生接诊”[22]。可以想见,对分诊机制的不确定性,加上对人工智能的不确定性,会放大在这一领域的反对意见。根据Cadario等人的研究,对医疗人工智能使用的抵触可能源于难以理解算法(算法厌恶),与此同时,人们又对医疗中的人类决策抱有一种虚幻的理解。因此,人工智能常常被感知为一个“黑箱”,从而遭到拒绝[23]。支持这两种机制共同产生影响的假设的是,在我们的研究中,支持在医疗保健中普遍使用人工智能的患者中有72.6%拒绝将其用于分诊。有趣的是,对人工智能了解程度较高的患者倾向于支持将其用于分诊。这也与Lennartz等人的发现一致,他们发现“对人工智能的先前了解与对人工智能的接受度显著相关(……),表明对自身先前人工智能知识评价较高的患者通常更接受将人工智能用于医疗诊治的各个方面”[24]。我们的结果还表明,大多数参与者赞成将人工智能作为医生的辅助系统而非替代者,这强化了多项研究的发现[11,25,26]。这支持了“知识—行为差距”的概念[27]。据此,更多的知识会带来更高的接受度,进而带来更高的技术使用意愿。进一步的研究可以调查这是否源于客观上对人工智能更好的了解,还是主观评价就足以提高接受度。与此一致的是,93%的受访者表示,如果得到解释,他们至少会对人工智能持开放或积极态度。相应地,当人工智能被用于诊断、治疗和分诊中至少一个上述领域时,84.0%的大多数人希望被告知其使用情况。约一半的受访者希望在所有上述领域使用人工智能时都被告知。这说明患者对信息的需求以及提供信息的必要性,这既可以在临床环境中进行,也可以采取全国性信息宣传活动的形式。当前存在一种可解释人工智能(xAI)的趋势,它“旨在解释深度学习黑箱模型背后的信息,揭示决策是如何做出的”[28,29]。这强调了人们理解人工智能如何得出结论以及如何工作的愿望。
关于哪些人口群体尤其面临被忽视的风险、因而应当予以关注,Fritsch等人和Yakar等人发现,老年患者、女性以及教育程度和技术亲和力较低的人群对医疗领域人工智能的信任度较低[26, 30]。值得注意的是,在我们的多变量分析中,这些特征均未与对人工智能的态度独立相关。一个可能的原因是,我们的样本量不够大,无法就特定的较小社会人口群体进行有效分析——例如,有移民背景的60岁及以上女性患者仅占我们患者中的3例。此外,必须指出的是,Yakar等人和Fritsch等人都不仅仅分析了患者,其中Yakar等人调查的是一般人群——而非专门的患者——而Fritsch等人则纳入了患者及其陪同人员,以及医疗专业人员。尽管如此,特别关注上述患者群体仍然是合理的,因为该群体在医疗保健中普遍面临被边缘化的风险[31]。总而言之,我们的结果表明,对人工智能的赞成和反对取决于应用领域,这强调必须采取相当广泛的努力来回应所有患者的关切,不仅是为了提高他们对医疗领域人工智能的理解和接受度,也是为了保护可能被边缘化的群体免受不利影响[32]。相应地,欧洲议会已就此发表了一项关于“医疗保健中的人工智能”的研究,其中提出需要提高公众对人工智能的知识和技能[33]。
局限性
我们的研究具有探索性研究的典型优势与不足。尽管研究人群的规模对于我们的探索性方法而言是足够的,但单中心设计以及相对于预测变量数量而言相对较小的样本量限制了我们研究结果的可推广性。尽管如此,这些结果可以作为后续研究的基础:未来有必要开展理想情况下涉及多个中心的研究,以确认我们的结果是否适用于不同的医疗环境。虽然我们发现疾病类型与问卷回答之间没有显著关联,但未来样本量更大、更多样化的研究可以对此进行更深入的探讨。更详细的亚组分析将非常有意义。然而,从统计学角度来看,这意义不大,因为我们的研究总共约200名参与者,规模相对较大,但仍被视为探索性研究:例如,亚组分析会导致对规模差异很大的组进行比较,或对4人与5人的组进行比较,这在统计学上并不合理。尽管如此,我们的工作为确保未来研究在规划病例数时使各患者亚组得到充分代表提供了重要见解。未来的研究可能会受益于更详细和混合方法的研究路径,以捕捉细致入微的观点,并探索患者在其他临床领域、国家和社会经济环境中对人工智能的态度。还应牢记,人工智能的发展目前进展如此之快,以至于我们的研究只是一个瞬间的写照,患者观点很可能在短时间内已经发生变化。
结论
通过使用一份简单的现场问卷,我们得以分析广大患者对人工智能在医疗保健中应用的看法。我们的结果表明,患者对不同领域中人工智能的使用持有不同意见。在处理医疗保健中的人工智能时,应考虑到这一点。与文献一致,我们的结果提示患者接受人工智能在医疗保健中的应用,特别是在诊断和治疗支持方面。然而,我们的新发现是患者拒绝将人工智能用于分诊。
补充信息
电子补充材料
引用
- Baldus, Wiesmann, Habel, et al. Patients' views on the use of artificial intelligence in healthcare: Artificial Intelligence Survey Aachen (AISA)-a prospective survey. Insights Imaging. 2026. PMID: 41491377. doi:10.1186/s13244-025-02159-3
- 全文:PMC12770056(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12770056/
供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。