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

Resumo Técnico: Associação da Literacia em IA e Confiança na IA com o Atraso na Procura de Cuidados de Saúde Subjetivo e Objetivo entre Pacientes com Malignidades Ginecológicas

Problema
As malignidades ginecológicas representam um desafio significativo para a saúde global, onde o diagnóstico precoce é crítico para a sobrevivência. No entanto, o diagnóstico oportuno é frequentemente comprometido por atrasos na procura de cuidados de saúde. Estes atrasos são frequentemente impulsionados pela natureza inespecífica dos sintomas precoces, levando as pacientes a adiar a consulta. Concomitantemente, a rápida integração da Inteligência Artificial (IA) nos ambientes de saúde digital alterou a forma como as pacientes procuram informações, interpretam sintomas e tomam decisões. Embora as ferramentas de IA (ex.: verificadores de sintomas, modelos de linguagem de grande escala) ofereçam potenciais benefícios, o seu impacto no tempo de consulta médica permanece incerto. Especificamente, desconhece-se como dois fatores cognitivos distintos — a literacia em IA (a capacidade de compreender, avaliar e utilizar a IA) e a confiança na IA (a crença na fiabilidade da IA) — influenciam diferencialmente tanto a experiência subjetiva das barreiras de decisão como a duração objetiva do atraso entre o início dos sintomas e a consulta médica.

Metodologia
Este estudo transversal foi realizado entre setembro de 2025 e fevereiro de 2026 num hospital universitário terciário em Qingdao, China.

• Participantes: O estudo incluiu 300 mulheres (idade ≥18) com malignidades ginecológicas primárias histopatologicamente confirmadas (cervical, ovário, endométrio, vulva ou vagina). Os critérios de exclusão incluíram malignidades recorrentes, doença metastática à apresentação, comprometimento cognitivo grave ou registos clínicos incompletos.
• Medidas:
  • Literacia em IA: Avaliada através de uma escala adaptada de 12 itens do System for Measuring AI Literacy (SMIL), abrangendo competências de navegação, avaliação e compreensão (escala Likert de 7 pontos).
  • Confiança na IA: Medida utilizando uma escala de 3 itens adaptada de Lai et al. (2024), focada na fiabilidade percebida e na disposição para confiar na IA generativa para questões de saúde.
  • Atraso Subjetivo: Quantificado através da escala Perceived Barriers to Health Care-seeking Decision-Chinese (PBHSD-C) (10 itens), onde pontuações mais elevadas indicam maiores barreiras percebidas.
  • Atraso Objetivo: Definido como uma variável binária representando um intervalo de ≥90 dias entre o reconhecimento autodeclarado do início dos sintomas e a primeira consulta médica.
• Análise Estatística: Modelos de regressão linear foram utilizados para o atraso subjetivo, e modelos de regressão logística para o atraso objetivo. As análises incluíram modelos não ajustados e modelos multivariáveis ajustados (controlando idade, estado civil, educação, rendimento, emprego, historial médico e historial da doença). Análises de spline cúbico restrito foram empregadas para detetar relações não lineares. Análises de subgrupos foram realizadas em termos de idade, educação, historial médico e historial de rastreio.

Principais Resultados
Entre as 300 participantes, 162 (54,0%) experienciaram atraso objetivo na procura de cuidados de saúde.

• Literacia em IA: Uma maior literacia em IA esteve significativamente associada a:
  • Menor Atraso Subjetivo: Uma forte correlação negativa ($\beta = -8,72$, IC 95%: $-10,00$a$-7,44$, $P < ,001$).
  • Redução do Atraso Objetivo: Uma probabilidade significativamente menor de experienciar um atraso de $\geq 90$ dias ($OR = 0,18$, IC 95%: $0,08–0,41$, $P < ,001$).
  • Não linearidade: Foi observada uma associação não linear significativa entre a literacia em IA e o atraso subjetivo, indicando um efeito mais forte em níveis baixos de literacia que estabilizou em níveis mais elevados.
• Confiança na IA: Uma maior confiança na IA esteve associada a:
  • Menor Atraso Subjetivo: Uma correlação negativa significativa ($\beta = -1,61$, IC 95%: $-2,47$a$-0,75$, $P < ,001$).
  • Sem Associação Significativa com o Atraso Objetivo: A associação com o atraso objetivo não foi estatisticamente significativa ($OR = 0,69$, IC 95%: $0,45–1,05$, $P = ,084$).
• Subgrupos: A associação protetora da literacia em IA contra o atraso objetivo foi direcionais consistentes em todos os subgrupos (idade, educação, historial médico, historial de rastreio), sem que tenham sido detetados efeitos de interação significativos.

Principais Contribuições

1. Diferenciação de Fatores Cognitivos: O estudo distingue entre literacia em IA e confiança na IA, demonstrando que, embora ambos reduzam as barreiras percebidas (atraso subjetivo), apenas a literacia em IA se traduz numa redução dos atrasos reais.
2. Análise de Resultados de Dupla Dimensão: Ao avaliar simultaneamente as percepções subjetivas e os resultados comportamentais objetivos, a investigação destaca que a confiança atitudinal isolada é insuficiente para modificar o comportamento real de procura de cuidados em contextos oncológicos.
3. Evidência Contextual em Oncologia Ginecológica: Os resultados fornecem evidência específica sobre o papel da IA em malignidades ginecológicas, um campo onde a ambiguidade dos sintomas frequentemente leva a intervalos de diagnóstico prolongados.

Significância e Alegações
O artigo afirma que as competências cognitivas relacionadas com a IA, particularmente a literacia em IA, desempenham um papel mais central do que a confiança atitudinal na moldagem do comportamento oportuno de procura de cuidados de saúde entre pacientes com cancro ginecológico. Os autores sugerem que a capacidade de avaliar criticamente e navegar na informação de saúde gerada por IA pode capacitar as pacientes para reduzir a incerteza e a hesitação, acelerando assim a transição do reconhecimento dos sintomas para a consulta clínica.

O estudo postula que o reforço da literacia em IA das pacientes pode servir como uma nova estratégia para apoiar o diagnóstico precoce. Sugere que as intervenções clínicas e de saúde pública devem focar-se não meramente no aumento do acesso a ferramentas digitais ou no fomento da confiança, mas sim na integração da educação em literacia em IA para garantir que as pacientes consigam interpretar eficazmente os resultados da IA sem cair na paralisia decisória ou no reasseguramento equivocado. Os autores concluem que, enquanto a confiança na IA influencia a perceção, é a competência para processar a informação da IA que impulsiona a mudança comportamental neste contexto médico de alto risco.

Limitações Notadas pelos Autores
Os autores reconhecem o desenho transversal do estudo, o que impede a inferência causal e deixa aberta a possibilidade de causalidade reversa. Observam também que existe o potencial de viés de memória no autorrelato do início dos sintomas, a natureza de centro único do estudo, que limita a generalização, e a dependência de medidas de autorrelato para a literacia em IA em vez de avaliações baseadas no desempenho.