Patient Attitudes Toward Artificial Intelligence in Jordanian Healthcare: A Cross-Sectional Survey Study

这项针对约旦 500 名患者的横断面调查显示，患者普遍对人工智能辅助医疗持“有条件的乐观”态度，即认可其效用但强烈偏好人类医生主导的协作模式，且其接受意愿显著受信任度、隐私担忧、教育水平及数字技能的影响。

要点

这篇论文就像是一份**“约旦病人对医疗 AI 的‘体检报告’"**。

想象一下，约旦的医院里正在引入一种新的“智能助手”（人工智能/AI），它能帮医生看病、做诊断。研究人员找了 500 位正在医院看病的普通人，问他们：“你们觉得这个智能助手怎么样？敢不敢用？”

以下是用大白话和生动的比喻为你解读的核心发现：

1. 总体态度：既期待又谨慎（“有条件的乐观”）

病人对 AI 的态度就像**“想尝新菜，但怕厨师把厨房全占了”**。

• 大家觉得 AI 挺有用：就像觉得新买的导航软件能帮你避开堵车，病人相信 AI 能提高看病效率、更准确。
• 但大家更看重“真人”：这是最关键的一点！病人最强烈的愿望是：AI 只能当“副驾驶”，医生必须是“老司机”。
  • 比喻：病人说：“你可以帮医生查资料、算数据，但千万别让 AI 自己开车（做决定）。如果只有 AI 在，我会觉得冷冰冰的，没人情味。”
  • 数据显示，病人最看重的是“同理心”和“人与人的互动”，这是 AI 目前无法替代的。

2. 信任与隐私：像“把家钥匙交给陌生人”

• 信任度中等：病人对 AI 的信任度有点像**“刚认识的朋友”**，还没到“生死之交”的程度。大家愿意试试，但心里还是有点打鼓。
• 隐私担忧：大家担心自己的病历数据会不会被泄露，就像担心**“把日记本交给一个会说话的机器人看”**。虽然这种担心存在，但并没有完全阻止大家尝试，只要大家觉得这个机器人确实能帮上忙，且医生会把关，他们还是愿意的。

3. 谁更愿意接受 AI？（关键发现）

研究发现，年龄和性别对接受度的影响很小（就像老人和年轻人、男人和女人，对 AI 的态度差别不大）。真正起决定作用的是**“学历”和“数字技能”**。

• 学历就像“通行证”：
  • 学历越高（比如大学毕业），越容易接受 AI，觉得它有用。
  • 学历较低（高中及以下）的人，对 AI 的接受度明显较低。这就像**“看不懂说明书的人，自然不敢用新机器”**。
• 数字技能就像“驾驶技术”：
  • 平时手机、电脑玩得溜的人（数字技能高），对 AI 更自信，更愿意尝试。
  • 觉得自己不擅长用电子产品的人，面对 AI 会感到更焦虑，更不愿意用。

4. 经验很重要：用过才敢信

• 那些以前没用过医疗 AI 的人，对它的态度比较保守。
• 而那些曾经用过医疗 APP 或设备的人，信任度更高，觉得它更有用。
  • 比喻：就像没坐过过山车的人觉得它很可怕，但坐过一次并发现很安全的人，下次就敢再坐。

5. 给约旦（以及类似地区）的建议

基于这些发现，作者给医院和管理者提了三个“锦囊”：

1. 不要搞“全自动”：千万别让 AI 取代医生。要设计成**"AI 辅助医生”**的模式，让医生站在 AI 前面，给病人解释结果。这样病人会觉得安全、有人情味。
2. 把“说明书”写清楚：要透明地告诉病人 AI 是怎么工作的，数据怎么保护。消除“黑箱”的恐惧，建立信任。
3. 帮“新手”上手：重点帮助那些学历较低或不太会用电子产品的人群。给他们做培训，教他们怎么用数字工具。如果这部分人跟不上，AI 可能会加剧医疗的不公平（只有聪明人/富人能用好）。

总结

这篇论文告诉我们：在约旦，病人不排斥医疗 AI，但他们拒绝被 AI 冷落地对待。

未来的医疗 AI 不应该是一个**“冷冰冰的替代者”，而应该是一个“懂规矩、守秘密、听医生指挥的超级助手”**。只要大家觉得它安全、有用，而且医生还在身边，病人是愿意拥抱这个新技术的。

技术摘要

以下是基于论文《患者对约旦医疗保健中人工智能的态度：一项横断面调查》（Patient Attitudes Toward Artificial Intelligence in Jordanian Healthcare: A Cross-Sectional Survey Study）的详细技术总结：

1. 研究背景与问题 (Problem)

• 背景：人工智能（AI）正日益融入医疗保健交付流程（如辅助诊断、分诊和治疗决策）。然而，在资源受限的中低收入国家（如约旦），患者对 AI 辅助医疗的接受度及其影响因素尚未被充分表征。
• 核心问题：现有文献多集中于医疗专业人员或学生，缺乏针对约旦患者群体的直接证据。特别是，患者的态度如何受人口统计学特征（如教育、年龄）和数字素养（Digital Literacy）的影响，以及信任、透明度、隐私风险、共情与人类互动等关键构念如何共同作用于行为意向（即接受 AI 的意愿），尚不明确。
• 研究缺口：需要评估在约旦医疗背景下，患者对 AI 的“有条件乐观”态度，并识别阻碍或促进其接受度的具体因素，以便制定有效的实施策略。

2. 研究方法 (Methodology)

• 研究设计：横断面问卷调查（Cross-sectional survey）。
• 研究地点与对象：
  • 地点：约旦三个主要省份（安曼、巴尔卡、伊尔比德）的 7 所三级公立及学术教学医院。
  • 样本：500 名成年患者（n=500），采用便利抽样法（Convenience sampling）。
  • 时间：2025 年 7 月至 10 月。
• 数据收集工具：
  • 使用阿拉伯语电子问卷（智能手机/平板）。
  • 量表结构：包含 25 个 Likert 5 点量表项目（1=强烈不同意，5=强烈同意），分为 6 个构念：
    1. AI 接触度 (Exposure)：2 项。
    2. 信任与透明度 (Trust & Transparency)：5 项。
    3. 感知有用性/绩效期望 (Perceived Usefulness)：5 项。
    4. 隐私与感知风险 (Privacy & Perceived Risks)：5 项。
    5. 共情与人类互动 (Empathy & Human Interaction)：5 项。
    6. 准备度/行为意向 (Readiness/Behavioral Intention)：3 项。
• 统计分析：
  • 使用 Python (pandas, SciPy, statsmodels) 进行分析。
  • 描述性统计：计算均值 (M) 和标准差 (SD)。
  • 信度分析：Cronbach's alpha ($\alpha$) 评估内部一致性。
  • 组间差异：Welch's t 检验（性别、既往使用）和单因素方差分析 (ANOVA)（年龄、教育、数字技能），辅以 Tukey 事后检验。
  • 相关性分析：Pearson 相关系数。
  • 回归分析：多元线性回归模型，以“准备度”为因变量，控制性别、年龄、教育、既往 AI 使用及自评数字技能。

3. 关键贡献 (Key Contributions)

• 填补区域空白：提供了约旦患者对医疗 AI 态度的首个大规模实证数据，弥补了该地区患者视角研究的不足。
• 多维构念分析：不仅测量了接受度，还深入剖析了信任、透明度、隐私风险、共情需求等具体维度的相互作用。
• 识别关键驱动因素：明确了教育水平和数字技能是预测患者接受 AI 意愿的关键变量，而非传统的年龄或性别。
• 提出实施框架：基于数据提出了针对资源受限环境的 AI 实施策略，强调“人机协作”而非“机器替代”。

4. 主要研究结果 (Key Results)

• 总体态度：患者表现出“有条件的乐观”。
  • 最高分：共情与人类互动 (M=4.33)，表明患者强烈希望 AI 辅助而非取代医生。
  • 最高单项：“我更喜欢 AI 与医生协作，而不是单独依赖它” (M=4.47)。
  • 感知有用性：较高 (M=3.97)。
  • 信任与透明度：中等偏高 (M=3.57)。
  • 准备度 (行为意向)：中等偏高 (M=3.66)。
  • 隐私与风险：中等关注 (M=3.51)。
  • 接触度：最低 (M=2.57)，表明患者实际接触 AI 医疗服务的经验有限。
• 相关性分析：
  • 信任和感知有用性与准备度呈显著正相关 ($r=0.48$ 和 $r=0.44, p<.001$)。
  • 隐私/风险与信任及有用性呈负相关。
• 人口统计学差异：
  • 教育：受教育程度较低（高中及以下）的群体，其接触度、信任度和准备度显著低于本科及以上学历者。
  • 数字技能：自评数字技能高的人群，其准备度显著更高 (M=3.92 vs 低技能组 M=3.20)。
  • 既往使用：曾使用过 AI 健康应用/设备的人群，在信任、有用性和准备度上得分更高。
  • 年龄/性别：差异较小，仅在接触度和信任度上有微弱显著性，无实质性临床意义。
• 回归模型：
  • 模型解释了准备度变异的 10.1% ($R^2 = 0.101$)。
  • 显著预测因子：较低的教育水平（负向预测）和较高的自评数字技能（正向预测）。性别、年龄和既往使用在多元模型中不再显著。

5. 研究意义与启示 (Significance)

• 实施策略建议：
  • 人机协作模式：在约旦推广 AI 时，应明确定位为“医生辅助工具”而非“替代者”，以缓解患者对共情缺失的担忧。
  • 透明沟通：建立透明的沟通机制和治理框架，解释 AI 如何工作，以增强信任。
  • 隐私保护：强化数据安全和隐私保护措施，以减轻中等程度的隐私担忧。
• 缩小数字鸿沟：
  • 由于教育水平和数字技能是接受度的关键预测因子，实施策略必须包含针对低学历和低数字技能群体的数字能力建设项目，以防止技术加剧医疗不平等。
• 未来方向：
  • 需要进一步开发并验证适用于阿拉伯语环境的心理测量工具，特别是关于“监督权”和“共同控制权”的维度。
  • 未来的纵向研究应追踪随着 AI 经验积累，患者态度的动态变化。

总结：该研究表明，约旦患者对医疗 AI 持开放但谨慎的态度。成功的关键在于将 AI 嵌入到以人为中心的医疗流程中，同时通过提升公众的数字素养和透明度来建立信任，特别是要关注教育程度较低群体的需求。