Association of AI Literacy and AI Trust With Subjective and Objective Healthcare-Seeking Delay Among Patients With Gynecologic Malignancies

तकनीकी सारांश: स्त्री रोग संबंधी घातक ट्यूमर (Gynecologic Malignancies) वाले रोगियों में AI साक्षरता और AI विश्वास का व्यक्तिपरक (Subjective) और वस्तुनिष्ठ (Objective) स्वास्थ्य-खोज विलंब के साथ संबंध

समस्या विवरण
स्त्री रोग संबंधी घातक ट्यूमर (Gynecologic malignancies) एक महत्वपूर्ण वैश्विक स्वास्थ्य चुनौती पेश करते हैं, जहाँ शीघ्र निदान जीवित रहने के लिए अत्यंत महत्वपूर्ण है। हालाँकि, समय पर निदान अक्सर स्वास्थ्य-खोज में होने वाले विलंबों के कारण बाधित होता है। ये विलंब अक्सर शुरुआती लक्षणों की गैर-विशिष्ट प्रकृति के कारण होते हैं, जिससे रोगी परामर्श करने में देरी कर देते हैं। इसके साथ ही, डिजिटल स्वास्थ्य परिवेश में आर्टिफिशियल इंटेलिजेंस (AI) के तीव्र एकीकरण ने यह बदल दिया है कि रोगी सूचना कैसे खोजते हैं, लक्षणों की व्याख्या कैसे करते हैं और निर्णय कैसे लेते हैं। जबकि AI उपकरण (जैसे, लक्षण जांचकर्ता, लार्ज लैंग्वेज मॉडल्स) संभावित लाभ प्रदान करते हैं, चिकित्सा परामर्श के समय पर उनके प्रभाव स्पष्ट नहीं हैं। विशेष रूप से, यह अज्ञात है कि दो विशिष्ट संज्ञानात्मक कारक—AI साक्षरता (AI को समझने, मूल्यांकन करने और उपयोग करने की क्षमता) और AI विश्वास (AI की विश्वसनीयता में विश्वास)—निर्णय लेने की बाधाओं के व्यक्तिपरक अनुभव और लक्षण प्रकट होने तथा चिकित्सा परामर्श के बीच के वस्तुनिष्ठ विलंब की अवधि को अलग-अलग कैसे प्रभावित करते हैं।

कार्यप्रणाली
यह क्रॉस-सेक्शनल अध्ययन सितंबर 2025 और फरवरी 2026 के बीच किंगदाओ, चीन के एक तृतीयक शिक्षण अस्पताल (tertiary teaching hospital) में आयोजित किया गया था।

• प्रतिभागी: इस अध्ययन में 300 महिलाएं (आयु ≥18 वर्ष) शामिल थीं, जिन्हें हिस्टोपैथोलॉजिकल रूप से पुष्ट प्राथमिक स्त्री रोग संबंधी घातक ट्यूमर (गर्भाशय ग्रीवा, अंडाशय, गर्भाशय, वल्वा या योनि का कैंसर) थे। अपवर्जन मानदंडों (Exclusion criteria) में पुनरावर्ती घातक ट्यूमर, प्रस्तुति के समय मेटास्टैटिक रोग, गंभीर संज्ञानात्मक अक्षमता, या अपूर्ण नैदानिक रिकॉर्ड शामिल थे।
• मापन:
  • AI साक्षरता: इसे नेविगेशन, मूल्यांकन और समझ कौशल को कवर करने वाले एक 12-आइटम वाले अनुकूलित 'सिस्टम फॉर मेजरिंग AI लिटरेसी' (SMIL) स्केल के माध्यम से आंका गया (7-पॉइंट लिकर्ट स्केल)।
  • AI विश्वास: इसे लाइ एट अल. (2024) से अनुकूलित एक 3-आइटम वाले स्केल का उपयोग करके मापा गया, जो कथित विश्वसनीयता और स्वास्थ्य संबंधी मुद्दों के लिए जनरेटिव AI पर निर्भर होने की इच्छा पर केंद्रित है।
  • व्यक्तिपरक विलंब (Subjective Delay): इसे 'पर्सीव्ड बैरियर्स टू हेल्थ केयर-सीकिंग डिसीजन-चाइनीज' (PBHCD-C) स्केल (10 आइटम) का उपयोग करके मात्रात्मक किया गया, जहाँ उच्च स्कोर अधिक कथित बाधाओं को दर्शाता है।
  • वस्तुनिष्ठ विलंब (Objective Delay): इसे एक बाइनरी वेरिएबल के रूप में परिभाषित किया गया जो लक्षण पहचान और पहले चिकित्सा परामर्श के बीच ≥90 दिनों के अंतराल का प्रतिनिधित्व करता है।
• सांख्यिकीय विश्लेषण: व्यक्तिपरक विलंब के लिए लीनियर रिग्रेशन मॉडल और वस्तुनिष्ठ विलंब के लिए लॉजिस्टिक रिग्रेशन मॉडल का उपयोग किया गया। विश्लेषणों में अनएडजस्टेड मॉडल और मल्टीवेरिएबल-एडजस्टेड मॉडल (आयु, वैवाहिक स्थिति, शिक्षा, आय, रोजगार, चिकित्सा पृष्ठभूमि और रोग इतिहास को नियंत्रित करते हुए) शामिल थे। गैर-रेखीय संबंधों का पता लगाने के लिए रिस्ट्रिक्टेड क्यूबिक स्प्लाइन विश्लेषण का उपयोग किया गया। आयु, शिक्षा, चिकित्सा पृष्ठभूमि और स्क्रीनिंग इतिहास के आधार पर सबग्रुप विश्लेषण किए गए।

मुख्य परिणाम
300 प्रतिभागियों में से 162 (54.0%) ने वस्तुनिष्ठ स्वास्थ्य-खोज विलंब का अनुभव किया।

• AI साक्षरता: उच्च AI साक्षरता निम्नलिखित से महत्वपूर्ण रूप से जुड़ी थी:
  • कम व्यक्तिपरक विलंब: एक मजबूत नकारात्मक सहसंबंध ($\beta = -8.72$, 95% CI: $-10.00$से$-7.44$, $P < .001$)।
  • कम वस्तुनिष्ठ विलंब: ≥90-दिवसीय विलंब का अनुभव करने की काफी कम संभावना ($OR = 0.18$, 95% CI: $0.08–0.41$, $P < .001$)।
  • गैर-रेखीयता (Nonlinearity): व्यक्तिपरक विलंब और AI साक्षरता के बीच एक महत्वपूर्ण गैर-रेखीय संबंध देखा गया, जो दर्शाता है कि निम्न स्तर की साक्षरता पर इसका प्रभाव अधिक मजबूत था और उच्च स्तर पर यह स्थिर (plateaued) हो गया।
• AI विश्वास: उच्च AI विश्वास निम्नलिखित से जुड़ा था:
  गत कम व्यक्तिपरक विलंब: एक महत्वपूर्ण नकारात्मक सहसंबंध ($\beta = -1.61$, 95% CI: $-2.47$से$-0.75$, $P < .001$)।
  • वस्तुनिष्ठ विलंब के साथ कोई महत्वपूर्ण संबंध नहीं: वस्तुनिष्ठ विलंब के साथ जुड़ाव सांख्यिकीय रूप से महत्वपूर्ण नहीं था ($OR = 0.69$, 95% CI: $0.45–1.05$, $P = .084$)।
• सबग्रुप्स: वस्तुनिष्ठ विलंब के विरुद्ध AI साक्षरता की सुरक्षात्मक संबद्धता सभी उपसमूहों (आयु, शिक्षा, चिकित्सा पृष्ठभूमि, स्क्रीनिंग इतिहास) में दिशात्मक रूप से सुसंगत थी, जिसमें कोई महत्वपूर्ण इंटरेक्शन प्रभाव नहीं पाया गया।

मुख्य योगदान

1. संज्ञानात्मक कारकों का विभेदीकरण: यह अध्ययन AI साक्षरता और AI विश्वास के बीच अंतर करता है, यह प्रदर्शित करते हुए कि जबकि दोनों ही कथित बाधाओं (व्यक्तिपरक विलंब) को कम करते हैं, केवल AI साक्षरता ही वास्तविक विलंब को कम करने में परिवर्तित होती है।
2. दोहरी-आयामी परिणाम विश्लेषण: व्यक्तिपरक धारणाओं और वस्तुनिष्ठ व्यवहारिक परिणामों का एक साथ मूल्यांकन करके, शोध यह रेखांकित करता है कि केवल दृष्टिकोण संबंधी विश्वास (attitudinal trust) ऑन्कोलॉजी संदर्भों में वास्तविक स्वास्थ्य-खोज व्यवहार को संशोधित करने के लिए पर्याप्त नहीं है।
3. स्त्री रोग संबंधी ऑन्कोलॉजी में प्रासंगिक साक्ष्य: निष्कर्ष स्त्री रोग संबंधी घातक ट्यूमर के संबंध में AI की भूमिका के बारे में विशिष्ट साक्ष्य प्रदान करते हैं, जो एक ऐसा क्षेत्र है जहाँ लक्षणों की अस्पष्टता अक्सर लंबे नैदानिक अंतराल का कारण बनती है।

महत्व और दावे
यह शोध दावा करता है कि AI-संबंधी संज्ञानात्मक कौशल, विशेष रूप से AI साक्षरता, नैदानिक विश्वास (attitudinal trust) की तुलना में समय पर स्वास्थ्य-खोज व्यवहार को आकार देने में अधिक केंद्रीय भूमिका निभाते हैं। लेखकों का सुझाव है कि AI-जनित स्वास्थ्य जानकारी का आलोचनात्मक मूल्यांकन करने और नेविगेट करने की क्षमता रोगियों को अनिश्चितता और हिचकिचाहट को कम करने के लिए सशक्त बना सकती है, जिससे लक्षण पहचान से नैदानिक परामर्श तक का संक्रमण तेज हो जाता है।

अध्ययन यह प्रतिपादित करता है कि रोगियों की AI साक्षरता को बढ़ाना शीघ्र निदान में सहायता करने के लिए एक नवीन रणनीति के रूप में कार्य कर सकता है। यह सुझाव देता है कि नैदानिक और सार्वजनिक स्वास्थ्य हस्तक्षेपों को न केवल डिजिटल उपकरणों तक पहुंच बढ़ाने या विश्वास पैदा करने पर ध्यान केंद्रित करना चाहिए, बल्कि AI साक्षरता शिक्षा को एकीकृत करने पर भी ध्यान देना चाहिए ताकि यह सुनिश्चित हो सके कि रोगी निर्णय संबंधी पक्षाघात (decisional paralysis) या गलत आश्वासन में गिरे बिना AI आउटपुट की प्रभावी ढंग से व्याख्या कर सकें। लेखक निष्कर्ष निकालते हैं कि जबकि AI विश्वास धारणा को प्रभावित करता है, इस उच्च-जोखिम वाले चिकित्सा संदर्भ में सूचना को संसाधित करने की क्षमता व्यवहार परिवर्तन को संचालित करती है।

लेखकों द्वारा नोट की गई सीमाएं
लेखक अपने क्रॉस-सेक्शनल डिजाइन को स्वीकार करते हैं, जो कारण-संबंध (causal inference) को रोकता है और रिवर्स कॉज़ैलिटी (reverse causality) की संभावना को खुला छोड़ देता है। वे यह भी नोट करते हैं कि स्व-रिपोर्ट किए गए लक्षण प्रकटीकरण में रिकॉल बायस (recall bias) की संभावना है, अध्ययन का एकल-केंद्रित होना सामान्यीकरण को सीमित करता है, और प्रदर्शन-आधारित मूल्यांकन के बजाय AI साक्षरता के लिए स्व-रिपोर्ट किए गए मापों पर निर्भरता है।