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

Stel u zich voor dat u in een wachtkamer van een ziekenhuis staat en naar een scherm kijkt waarop de diagnose van een arts wordt weergegeven, gegenereerd door een computerprogramma. Voor sommigen voelt dit als een behulpzame assistent; voor anderen voelt het als een gevaarlijke indringing. Terwijl kunstmatige intelligentie zich verplaatst van onderzoekslaboratoria naar echte ziekenhuizen, artsen en apotheken, rijst een cruciale vraag: accepteren de mensen die deze systemen zouden moeten dienen ze wel? Het antwoord is zelden een simpel "ja" of "nee" voor elke specifieke taak. In plaats daarvan vormt de publieke opinie vaak een patroon. Mensen zijn misschien comfortabel met een machine die een afspraak plant, maar voelen zich diep ongemakkelijk bij een machine die beslist over een leven of dood. Het begrijpen van dit patroon is essentieel, omdat het ons niet alleen vertelt wat mensen denken, maar ook hoe hun vertrouwen wordt opgebend of gebroken bij verschillende soorten medisch werk.

Een team van onderzoekers in Zuid-Tirol, een tweetalige regio in het noorden van Italië waar Duits- en Italiaanssprekenden naast elkaar leven, zette zich in om dit landschap van vertrouwen in kaart te brengen. Ze wilden weten of de publieke acceptatie van kunstmatige intelligentie in de gezondheidszorg een voorspelbare volgorde volgt, of die volgorde standhoudt voor beide taalgroepen ondanks culturele verschillen, en of ze een kortere, eenvoudigere manier konden bedenken om dit te meten. Ze onderzochten 9en 901 volwassenen uit de algemene bevolking en vroegen hen om zestien verschillende manieren waarop kunstmatige intelligentie in de geneeskunde gebruikt zou kunnen worden te beoordelen. Deze toepassingen varieerden van administratieve taken, zoals het organiseren van patiëntendossiers en het versturen van medicatieherinneringen, tot klinische beslissingen met hoge inzet, zoals het ondersteunen van een arts tijdens een medische noodsituatie of het helpen bij het diagnosticeren van een complexe ziekte.

De onderzoekers ontdekten dat de acceptatie van het publiek inderdaad een duidelijke, cumulatieve ladder volgt. Onderaan de ladder, waar de acceptatie het hoogst is, staan de administratieve taken. Bijna tachtig procent van de ondervraagde mensen gaf aan dat zij comfortabel waren met het feit dat AI automatische herinneringen stuurt om medicatie in te nemen. Iets lager, maar nog steeds breed geaccepteerd, waren taken zoals het plannen van afspraken en het beheren van elektronische patiëntendossiers. Naarmate de taken klinischer werden en meer directe patiëntenzorg betrokken, begon de acceptatie te dalen. Mensen waren minder comfortabel met AI die hielp bij het analyseren van klinische gegevens of het ondersteunen van een diagnose. Helemaal bovenaan de ladder, waar de acceptatie het laagst is, staan de tijdgevoelige beslissingen onder hoge druk. Slechts ongeveer een derde van de respondenten zei dat zij AI-ondersteuning tijdens een medische noodsituatie of triage zouden accepteren, en nog minder accepteerden het voor het nemen van urgente beslissingen. Deze hiërarchie suggereert dat het publiek kunstmatige intelligentie niet ziet als één enkel blok technologie; in plaats daarvan beoordelen zij het op basis van hoeveel klinische consequenties de specifieke taak met zich meebrengt. Hoe meer een taak aanvoelt als een directe medische beslissing, hoe terughoudender mensen zijn om een machine het te laten afhandelen.

Cruciaal is dat deze ladder van acceptatie identiek was voor zowel de Duitssprekende als de Italiaanssprekende populaties in de studie. Zelfs toen de enquêtevragen werden vertaald en aangepast aan de culturele nuances van elke taalgroep, bleef de volgorde waarin mensen de taken rangschikten exact hetzelfde. Dit bevinding is significant omdat het bewijst dat de manier waarop mensen deze technologieën evalueren niet slechts een kwestie is van taal of lokale cultuur, maar een gedeelde menselijke reactie is op de aard van de medische taak zelf. Het betekent dat gezondheidszorgsystemen die meerdere talen bedienen, dezelfde tool kunnen gebruiken om vertrouwen te meten zonder de groepen als fundamenteel verschillend te hoeven behandelen.

De onderzoekers ontdekten ook dat ze de enquête van zestien vragen konden inkrimpen tot slechts vijf vragen zonder het vermogen te verliezen om dit patroon te zien. Door zorgvuldig vijf specifieke vragen te selecteren die het volledige spectrum bestrijken, van eenvoudige administratieve taken tot moeilijke noodbeslissingen, creëerden ze een korte vorm die even nauwkeurig was als de lange versie. Deze kortere versie is bijzonder nuttig voor drukke enquêtes waarbij de tijd beperkt is, waardoor onderzoekers snel de publieke opinie kunnen peilen zonder respondenten te overbelasten. Ze merkten echter op dat hoewel de twee meest extreme vragen — één over medicatieherinneringen en één over urgente beslissingen — essentiële ankers waren, de drie vragen in het midden enigszins konden variëren afhankelijk van de specifieke context, zolang het algemene bereik van moeilijkheidsgraad behouden bleef.

De studie keek ook dieper naar de typen mensen die deze opvattingen koesteren. Hoewel de meeste mensen hun mening baseerden op de algemene ladder, vormden ongeveer dertig procent van de respondenten een duidelijke groep. Deze individuen waren comfortabel met het laten afhandelen van administratief werk door AI, maar trokken een harde, categorische lijn tegen het laten aanraken van enige klinische beslissingen door AI. Voor hen was het verschil tussen een machine die een dossier organiseert en een machine die een arts helpt niet een kwestie van graad, maar van soort. Zij zagen de twee domeinen als gescheiden, waarbij ze het ene accepteerden terwijl ze het andere volledig afwezen. Dit suggereert dat voor een aanzienlijk deel van de bevolking de grens tussen administratieve ondersteuning en klinische zorg een scherpe lijn is die door technologie niet kan worden overgestoken.

Ten slotte onderzochten de onderzoekers hoe leeftijd en digitale ervaring deze opvattingen beïnvloedden. In een eenvoudige telling van de gegevens bleken oudere volwassenen eerder aanwezig te zijn aan beide extremen: zij waren oververtegenwoordigd onder degenen die alle AI afwezen én onder degenen die het breed accepteerden. Echter, wanneer de onderzoekers corrigeerden voor de mate waarin mensen technologie daadwerkelijk in hun dagelijks leven gebruikten, veranderde dit patroon. De schijnbare polarisatie onder oudere volwassenen werd grotendeels verklaard door hun variërende niveaus van digitale ervaring. Degenen die technologie frequent gebruikten, waren minder geneigd AI af te wijzen, ongeacht hun leeftijd. Dit geeft aan dat vertrouwdheid met technologie, in plaats van leeftijd op zich, een sterkere drijfveer is voor acceptatie.

De studie concludeert dat het publieke vertrouwen in kunstmatige intelligentie in de gezondheidszorg geen chaotische mix van willekeurige meningen is, maar een gestructureerde hiërarchie gebaseerd op het klinische gewicht van de taak. Deze structuur is robuust, blijft standhouden over verschillende talen en culturen, en kan effectief worden gemeten met een zeer korte set vragen. Hoewel de bevindingen een duidelijk beeld geven van waar het publiek vandaag de dag staat, waarschuwen de onderzoekers dat deze kaart geldt voor de algemene bevolking. Of artsen en verpleegkundigen, die dagelijks met deze systemen werken, dezelfde ladder van vertrouwen volgen, blijft een vraag voor toekomstig onderzoek. Voor nu biedt de data een solide fundament voor het begrijpen van de introductie van kunstmatige intelligentie in de gezondheidszorg op een manier die de grenzen van het publiek respecteert.