Public acceptance of artificial intelligence in health care: a cumulative hierarchy in a 16-item instrument, German–Italian measurement equivalence, and a five-item short form

Stellen Sie sich vor, Sie stehen in einem Wartezimmer eines Krankenhauses und beobachten einen Bildschirm, der eine vom Computerprogramm generierte Diagnose eines Arztes anzeigt. Für die einen fühlt sich das wie ein hilfreicher Assistent an; für andere wie ein gefährlicher Eingriff. Während künstliche Intelligenz aus den Forschungslaboren in echte Krankenhäuser und Apotheken Einzug hält, stellt sich eine entscheidende Frage: Akzeptieren die Menschen, denen diese Systeme dienen sollen, sie tatsächlich? Die Antwort ist selten ein einfaches „Ja“ oder „Nein“ für jede einzelne Aufgabe. Stattdessen bildet die öffentliche Meinung oft ein Muster. Menschen sind vielleicht damit einverstanden, dass eine Maschine einen Termin vereinbart, fühlen sich aber zutiefst unwohl bei der Vorstellung, dass eine Maschine eine lebenswichtige Entscheidung trifft. Das Verständnis dieses Musters ist entscheidend, denn es sagt uns nicht nur, was die Menschen denken, sondern wie ihr Vertrauen bei verschiedenen Arten medizinischer Arbeit aufgebaut oder erschüttert wird.

Ein Forscherteam in Südtirol, einer zweisprachigen Region in Norditalien, in der Deutsch und Italien nebeneinander existieren, machte sich daran, diese Landschaft des Vertrauens zu kartografieren. Sie wollten wissen, ob die öffentliche Akzeptanz von künstlicher Intelligenz im Gesundheitswesen einem vorhersehbaren Ablauf folgt, ob dieser Ablauf trotz kultureller Unterschiede für beide Sprachgruppen gilt und ob sie einen kürzeren, einfacheren Weg finden könnten, um dies zu messen. Sie befragten 901 Erwachsene aus der Allgemeinbevölkerung und baten sie, sechzehn verschiedene Arten zu bewerten, wie künstliche Intelligenz in der Medizin eingesetzt werden könnte. Diese Anwendungen reichten von administrativen Aufgaben, wie dem Organisieren von Patientenakten und dem Versenden von Medikamentenerinnerungen, bis hin zu klinischen Entscheidungen mit hoher Tragweite, wie der Unterstützung eines Arztes während eines medizinischen Notfalls oder der Hilfe bei der Diagnose einer komplexen Erkrankung.

Die Forscher fanden heraus, dass die Akzeptanz der Öffentlichkeit tatsächlich einer klaren, kumulativen Leiter folgt. Am unteren Ende der Leiter, wo die Akzeptanz am höchsten ist, stehen die administrativen Aufgaben. Fast achtzig Prozent der Befragten gaben an, damit einverstanden zu sein, dass die KI automatisierte Erinnerungen zur Medikamenteneinnahme versendet. Etwas niedriger, aber immer noch weitgehend akzeptiert, waren Aufgaben wie die Terminplanung und die Verwaltung elektronischer Gesundheitsakten. Je klinischer die Aufgaben wurden und je mehr sie die direkte Patientenversorgung betrafen, desto mehr sank die Akzeptanz. Die Menschen waren weniger komfortabel damit, wenn die KI half, klinische Daten zu analysieren oder eine Diagnose zu unterstützen. Ganz oben auf der Leiter, wo die Akzeptanz am geringsten ist, stehen die zeitkritischen Entscheidungen unter hohem Druck. Nur etwa ein Drittel der Befragten sagte, dass sie die Unterstützung durch KI während eines medizinischen Notfalls oder bei der Triage akzeptieren würden, und noch weniger akzeptierten sie sie für dringende Entscheidungen. Diese Hierarchie deutet darauf an, dass die Öffentlichkeit künstliche Intelligenz nicht als einen einzigen Technologieblock betrachtet; vielmehr beurteilen sie sie danach, wie viel klinische Konsequenz die spezifische Aufgabe mit sich bringt. Je mehr sich eine Aufgabe wie eine direkte medizinische Entscheidung anfühlt, desto zögerlicher lassen die Menschen sie von einer Maschine erledigen.

Entscheidend war, dass diese Leiter der Akzeptanz sowohl für die deutschsprachige als auch für die italienischsprachige Bevölkerung der Studie identisch war. Obwohl die Umfragefragen übersetzt und an die kulturellen Nuancen der jeweiligen Sprachgruppe angepasst wurden, blieb die Reihenfolge, in der die Menschen die Aufgaben bewerteten, exakt dieselbe. Dieser Befund ist bedeutsam, da er beweist, dass die Art und Weise, wie Menschen diese Technologien bewerten, nicht nur eine Frage der Sprache oder der lokalen Kultur ist, sondern eine gemeinsame menschliche Reaktion auf die Natur der medizinischen Aufgabe selbst. Dies bedeutet, dass Gesundheitssysteme, die mehrere Sprachen bedienen, dasselbe Werkzeug nutzen können, um Vertrauen zu messen, ohne die Gruppen als grundlegend verschieden behandeln zu müssen.

Die Forscher entdeckten auch, dass sie die Umfrage von sechzehn Fragen auf nur fünf reduzieren konnten, ohne die Fähigkeit zu verlieren, dieses Muster zu erkennen. Durch die sorgfältige Auswahl von fünf spezifischen Fragen, die das volle Spektrum von einfachen administrativen Aufgaben bis hin zu schwierigen Notfallentscheidungen abdeckten, erstellten sie eine Kurzform, die genauso genau war wie die lange Version. Diese kürzere Version ist besonders nützlich für zeitkritische Umfragen, in denen die Zeit begrenzt ist, da sie es ermöglicht, die öffentliche Meinung schnell zu erfassen, ohne die Befragten zu überfordern. Sie merkten jedoch an, dass die zwei extremsten Fragen – eine über Medikamentenerinnerungen und eine über dringende Entscheidungen – essenzielle Ankerpunkte waren, die drei Fragen in der Mitte jedoch je nach Kontext leicht variieren konnten, solange der allgemeine Bereich der Schwierigkeit gewahrt blieb.

Die Studie untersuchte auch genauer die Arten von Menschen, die diese Ansichten vertreten. Während die meisten Menschen ihrer Meinung nach der allgemeinen Leiter folgten, bildete eine Gruppe von etwa dreißig Prozent der Befragten eine ausgeprägte Einheit. Diese Personen waren damit einverstanden, dass die KI administrative Arbeiten erledigt, zogen aber eine harte, kategorische Linie gegen jeglichen Zugriff auf klinische Entscheidungen. Für sie war der Unterschied zwischen einer Maschine, die eine Datei organisiert, und einer Maschine, die einem Arzt hilft, keine Frage des Grades, sondern der Art. Sie sahen die beiden Bereiche als getrennt an und akzeptierten das eine, während sie das andere vollständig ablehnten. Dies deutet darauf hin, dass für einen signifikanten Teil der Bevölkerung die Grenze zwischen administrativer Unterstützung und klinischer Versorgung eine klare Trennlinie ist, die von der Technologie nicht überschritten werden kann.

Schließlich untersuchten die Forscher, wie Alter und digitale Erfahrung diese Ansichten beeinflussten. In einer einfachen Auszählung der Daten schienen ältere Erwachsene eher an beiden Extremen zu finden zu sein: Sie waren sowohl unter denjenigen überrepräsentiert, die alle KI ablehnten, als auch unter denen, die sie breit akzeptierten. Als die Forscher jedoch die Daten dahingehend korrigierten, wie sehr die Menschen tatsächlich Technologie in ihrem täglichen Leben nutzen, änderte sich dieses Muster. Die scheinbare Polarisierung unter älteren Erwachsenen wurde weitgehend durch deren unterschiedliche digitale Erfahrung erklärt. Personen, die Technologie häufig nutzten, waren weniger wahrscheinlich bereit, KI abzulehnen, unabhängig von ihrem Alter. Dies deutet darauf hin, dass die Vertrautheit mit Technologie und nicht das Alter selbst ein stärkerer Treiber für die Akzeptanz ist.

Die Studie kommt zu dem Schluss, dass das öffentliche Vertrauen in die künstliche Intelligenz im Gesundheitswesen kein chaotisches Gemisch aus zufälligen Meinungen ist, sondern eine strukturierte Hierarchie, die auf dem klinischen Gewicht der Aufgabe basiert. Diese Struktur ist robust, hält über verschiedene Sprachen und Kulturen hinweg stand und kann effektiv mit einem sehr kurzen Satz von Fragen gemessen werden. Während die Ergebnisse eine klare Karte bieten, wo die Öffentlichkeit heute steht, mahnen die Forscher zur Vorsicht, dass diese Karte für die Allgemeinbevölkerung gilt. Ob Ärzte und Pflegekräfte, die täglich mit diesen Systemen arbeiten, derselben Leiter des Vertrauens folgen, bleibt eine Frage für zukünftige Studien. Für den Moment bietet der Datensatz eine solide Grundlage, um zu verstehen, wie künstliche Intelligenz im Gesundheitswesen einzuführen ist, indem man die Grenzen der Öffentlichkeit respektiert.