Attitudes and Perceptions of Generative Artificial Intelligence Chatbots in the Scientific Process of Traditional, Complementary, and Integrative Medicine Research: A Large-Scale, International Cross-Sectional Survey

Deze internationale cross-sectionele studie onder TCIM-onderzoekers toont aan dat generatieve AI-chatbots over het algemeen als waardevol worden gezien voor het verminderen van de werkdruk en het verhogen van de efficiëntie, hoewel er grote behoefte bestaat aan training en institutionele ondersteuning om uitdagingen zoals bias en fouten aan te pakken.

De kern

De Digitale Assistent in de Wereld van Traditionele Geneeskunde: Een Verkenning

Stel je voor dat de wereld van geneeskunde twee grote huizen heeft. Het ene huis is het moderne, wetenschappelijke huis met microscopen, computers en harde data. Het andere huis is het traditionele huis van geneeskunde (zoals kruidengeneeskunde, yoga, acupunctuur en Ayurveda), waar kennis vaak door eeuwenoude verhalen, ervaring en cultuur wordt doorgegeven.

De onderzoekers van dit artikel (Ng en zijn team) hebben gekeken naar wat er gebeurt als je in beide huizen een nieuwe, slimme gast uitnodigt: een AI-chatbot (zoals ChatGPT). Deze digitale gast kan tekst schrijven, gegevens analyseren en vertalen. Maar hoe voelen de mensen die in het traditionele huis werken zich hierbij?

Hier is een simpele uitleg van hun onderzoek, met een paar creatieve vergelijkingen.

1. Het Grote Onderzoek: Een Verkenningstocht

De onderzoekers stuurden een uitnodiging naar bijna 60.000 wetenschappers die zich bezighouden met traditionele geneeskunde over de hele wereld. Het was alsof ze een enorme uitnodiging naar een groot feest stuurden. Uiteindelijk kwamen er 716 mensen opdagen om een vragenlijst in te vullen.

Ze wilden weten: Zien deze onderzoekers de AI als een nuttige hulpmiddel of als een gevaarlijke vreemdeling?

2. Wat vonden ze? De "Goede Nieuws"

De meeste onderzoekers waren verrassend open voor de nieuwe gast.

• De "Super-Hulp": Ze zagen de AI vooral als een krachtige assistent die het zware werk wegneemt. Het is alsof je een robot hebt die de zware dozen (data) voor je draagt, zodat jij je kunt focussen op het ontwerp van het huis (de wetenschap).
• Taalbreker: Veel onderzoekers vonden de AI geweldig om teksten te vertalen en artikelen te schrijven. Voor iemand die niet in het Engels is opgegroeid, is dit alsof je ineens een tolk hebt die alle moeilijke woorden voor je uitlegt.
• Toekomstvisie: Meer dan de helft vond dat deze AI-tools onmisbaar zullen zijn voor de toekomst van onderzoek. Ze zien het als een manier om sneller en efficiënter te werken.

3. De "Slecht Nieuws": De Waarschuwingen

Maar niet alles was rozegeel. De onderzoekers hadden ook grote zorgen, net als iemand die een nieuwe, slimme maar onvoorspelbare robot in huis haalt.

• De "Hallucinerende" Robot: De grootste angst was dat de AI feitelijke fouten maakt of dingen verzint die niet waar zijn (zoals nep-referenties). Het is alsof je een kok vraagt om een recept te maken, maar hij gebruikt ingrediënten die niet bestaan.
• Geheimzinnigheid: Ze vonden het eng dat ze niet altijd weten hoe de AI tot een conclusie komt. Het is alsof een magiër een truc doet, maar je mag niet kijken hoe het werkt. Dit noemen ze "transparantie".
• Vooroordelen: Ze waren bang dat de AI de vooroordelen van de wereld overneemt, waardoor bepaalde groepen mensen of kennis niet eerlijk behandeld worden.

4. Het Grote Gemis: Geen Opleiding

Hier zit het echte probleem. Stel je voor dat je een nieuwe, ingewikkelde auto krijgt, maar je krijgt geen rijles en er is geen handleiding.

• De meeste onderzoekers zeiden: "Wij willen leren hoe we deze AI veilig moeten gebruiken!"
• Maar hun werkplekken (universiteiten en ziekenhuizen) boden geen training aan.
• Het is alsof ze een Ferrari krijgen, maar niemand heeft hen verteld hoe je de remmen bedient. Ze weten dat de auto snel is, maar ze zijn bang dat ze erin kunnen crashen.

5. Waarom is dit belangrijk?

Traditionele geneeskunde is heel specifiek. Het gaat niet alleen om cijfers, maar ook om cultuur, geest en menselijke ervaring. Als je daar een AI op loslaat zonder regels, kan het zijn dat de AI de "ziel" van de geneeskunde verliest of oude kennis verkeerd interpreteert.

De conclusie van het verhaal:
De onderzoekers zeggen: "We hebben deze digitale hulpmiddelen nodig om de wereld van traditionele geneeskunde sterker en sneller te maken, maar we moeten ze met respect en voorzichtigheid behandelen."

Ze pleiten voor:

1. Lessen geven: Leer de onderzoekers hoe ze de AI veilig gebruiken.
2. Regels maken: Zorg dat er duidelijke regels zijn over wat je wel en niet mag doen met AI in onderzoek.
3. Samenwerken: Laat de menselijke wijsheid en de digitale kracht samenwerken, in plaats van dat de machine de mens vervangt.

Kortom: De AI is een geweldig nieuw gereedschap in de gereedschapskist van de geneeskunde, maar we moeten eerst leren hoe we het veilig vasthouden voordat we ermee gaan bouwen.

Technische samenvatting

Titel:

Houdingen en percepties van generatieve kunstmatige intelligentie (GenAI)-chatbots in het wetenschappelijke proces van onderzoek naar traditionele, complementaire en geïntegreerde geneeskunde (TCIM): Een grote, internationale cross-sectionele enquête.

---

1. Het Probleem en de Achtergrond

Generatieve kunstmatige intelligentie (GenAI), zoals ChatGPT en Google Gemini, heeft het potentieel om de wetenschappelijke processen te stroomlijnen, van literatuuronderzoek tot manuscriptschrijven. Traditionele, complementaire en geïntegreerde geneeskunde (TCIM) omvat echter diverse, cultuurgebonden kennisystemen (zoals Ayurveda, TCM, homeopathie) die vaak buiten het conventionele biomedische kader vallen.

Hoewel GenAI veelbelovend is, is er een gebrek aan empirische data over hoe TCIM-onderzoekers deze tools zien. Er bestaat onzekerheid over:

• De mate van bekendheid en gebruik van GenAI binnen deze specifieke gemeenschap.
• De waargenomen voordelen versus de risico's (bijv. bias, fouten, ethische kwesties).
• De noodzaak van training en institutionele richtlijnen.
• Hoe GenAI kan worden geïntegreerd zonder de integriteit van traditionele kennisystemen te schenden.

Het doel van deze studie was om deze kennislacune op te vullen door de houdingen, percepties en behoeften van TCIM-onderzoekers wereldwijd in kaart te brengen.

---

2. Methodologie

De studie volgde een cross-sectioneel, web-based enquête-ontwerp met een internationale reikwijdte.

• Steekproef en Rekrutering:
  • Doelgroep: Correspondente auteurs van artikelen geïndexeerd in Ovid MEDLINE over TCIM-onderwerpen (bijv. acupunctuur, kruidengeneeskunde, yoga) gepubliceerd tussen december 2014 en december 2024.
  • Aanpak: Een zoekstrategie met MeSH-termen en trefwoorden leverde een lijst van artikelen op. Via een R-script (gebaseerd op easyPubMed en RedEye) werden de e-mailadressen van de corresponderende auteurs geëxtraheerd, opgeschoond en geverifieerd.
  • Uitnodiging: 59.045 unieke e-mailadressen werden benaderd via SurveyMonkey.
• Dataverzameling:
  • De enquête was anoniem en bestond uit gesloten meerkeuzevragen en open vragen.
  • Inhoud: Demografische gegevens, bekendheid met GenAI, gebruik in verschillende fasen van het wetenschappelijke proces (ontwerp, data-analyse, schrijven), waargenomen voordelen, uitdagingen en institutionele ondersteuning.
  • Duur: De enquête duurde gemiddeld 11 minuten en 43 seconden.
  • Tijdspanne: De enquête liep van 18 augustus 2025 tot 22 september 2025.
• Data-analyse:
  • Kwantitatief: Beschrijvende statistieken (frequenties, percentages) en stratificatie op demografische variabelen (leeftijd, geslacht, regio, carrièrefase).
  • Kwalitatief: Inductieve thematische inhoudsanalyse van open antwoorden door twee onafhankelijke onderzoekers.
  • Open Science: Het protocol was geregistreerd op het Open Science Framework (OSF), en de ruwe data zijn openbaar beschikbaar.

---

3. Belangrijkste Resultaten

Uit de 59.045 uitnodigingen kwamen 716 reacties (responsrate van 1,21% overall, 3,24% bij openingen). Na filtering bleven 642 geldige respondenten over, waarvan 566 de enquête volledig invulden.

• Demografie:

  • Meestal mannelijk (54,34%), leeftijdsgroep 35-44 jaar (29,86%).
  • Wereldwijd verspreid, met de meeste respondenten uit Zuidoost-Azië (31,65%), Europa (21,53%) en de Amerieken (20,23%).
  • De meeste waren academisch personeel (52,64%) of senior onderzoekers (65,67%).

• Bekendheid en Gebruik:

  • Bekendheid: 58,08% was bekend met GenAI-chatbots.
  • Populairste tool: ChatGPT (46,10% van de antwoorden).
  • Toekomstige intentie: Meer dan de helft (76,12%) gaf aan waarschijnlijk of zeer waarschijnlijk GenAI te gebruiken voor toekomstig onderzoek.
  • Huidig gebruik: Meest gebruikt voor schrijftaken (manuscripten schrijven/editen) en vertaling. Minder gebruikt voor kritische taken zoals peer review of data-analyse.

• Waargenomen Voordelen:

  • Werklastreductie: 74,07% gaf hier het hoogste akkoord.
  • Efficiëntie: 71,14% zag voordelen in data-analyse en experimentatie.
  • Toegankelijkheid: GenAI wordt gezien als hulpmiddel om grote datasets te hanteren en wetenschappelijke informatie toegankelijker te maken.

• Uitdagingen en Risico's:

  • Ethische en juridische zorgen: 80,17% was bezorgd over transparantie, privacy en toestemming.
  • Bias en fouten: 72,37% vreesde voor bias in de output; 66,73% zag risico's in het interpreteren van wetenschappelijke terminologie.
  • Transparantie: Gebrek aan inzicht in de besluitvorming van AI (72,41%).

• Training en Beleid:

  • Behoefte: 57,02% gaf aan training nodig te hebben; 72,07% was geïnteresseerd in training.
  • Aanbod: Slechts 16,4% had al training ontvangen. 43,67% gaf aan dat hun instelling geen richtlijnen of training bood. Slechts 19,86% had een institutioneel beleid voor GenAI-gebruik.

---

4. Bijdragen van de Studie

• Eerste internationale perspectief: Dit is de eerste grote enquête die specifiek de houdingen van TCIM-onderzoekers ten opzichte van GenAI in kaart brengt.
• Nuancering van gebruik: De studie onderscheidt duidelijk tussen het gebruik van GenAI voor administratieve/schrijftaken (hoog gebruik) versus kritische/wetenschappelijke oordeelsvorming (laag gebruik).
• Identificatie van de "Training Gap": Er is een duidelijke discrepantie aangetoond tussen de hoge vraag naar training en het lage aanbod aan institutionele ondersteuning.
• TCIM-specifieke context: De studie benadrukt de unieke uitdagingen voor TCIM, zoals het behoud van culturele kennis en het vermijden van misbruik van traditionele kennis door AI.

---

5. Betekenis en Implicaties

De bevindingen hebben belangrijke gevolgen voor de toekomst van TCIM-onderzoek en het beleid rondom AI:

1. Beleid en Richtlijnen: Instellingen en tijdschriften moeten duidelijke richtlijnen ontwikkelen voor het ethische en transparante gebruik van GenAI, gezien het gebrek aan huidige beleidsvorming.
2. Opleiding: Er is een dringende behoefte aan gestructureerde training voor onderzoekers om GenAI verantwoord te gebruiken, met name om bias en fouten te minimaliseren.
3. Verantwoordelijke Integratie: GenAI kan een katalysator zijn voor betere samenwerking tussen verschillende medische disciplines en voor het stroomlijnen van methodologische rigour in TCIM, mits de ethische risico's (privacy, auteurschap, hallucinaties) worden aangepakt.
4. Toekomstig Onderzoek: Verdere studies moeten zich richten op het ontwikkelen van GenAI-tools die specifiek zijn afgestemd op de epistemologische nuances van traditionele geneeskunde en multilinguale toegang bieden.

Conclusie: Hoewel TCIM-onderzoekers de potentie van GenAI erkennen voor efficiëntie en toegankelijkheid, blijven er aanzienlijke zorgen over kwaliteit, ethiek en gebrek aan institutionele ondersteuning. Een gebalanceerde aanpak met focus op training en transparantie is essentieel voor de verantwoorde adoptie van deze technologie.