Usages and perceptions of artificial intelligence among French radiologists

尽管法国放射科医生普遍认可人工智能在提升诊疗精准度、预测性和个性化方面的潜力，并表现出强烈的采纳意愿（超过 70% 希望使用且无人拒绝），但高昂的成本和设备不足仍是阻碍其日常应用的主要障碍，且医生们普遍不担心被 AI 取代。

要点

这篇论文就像是一份法国放射科医生的“体检报告”，专门检查他们对“人工智能（AI）”这位新同事的态度。

简单来说，研究人员问了 100 位法国放射科医生几个问题：你们用 AI 了吗？为什么不用？你们怕被 AI 抢饭碗吗？

以下是用大白话和生动比喻为你解读的核心内容：

1. 现状：大家都想“上车”，但车还没到站

• 大家的想法：绝大多数医生（超过 70%）非常想使用 AI。甚至可以说，没有人（0%）表示“我坚决不用”。大家普遍觉得 AI 是个好帮手，能让看病更精准、能预测病情，甚至能“量体裁衣”地给病人做检查。
• 现实情况：虽然心里想，但真正用起来的医生并不多。
  • 比喻：这就像大家都想开一辆高科技自动驾驶汽车，觉得它能省油又安全。但是，很多医生发现，他们的车库里根本没有这辆车，或者买车的钱太贵了，根本负担不起。

2. 为什么还没用？两大“拦路虎”

研究发现，阻碍医生使用 AI 的主要原因不是“不喜欢”，而是“没条件”：

• 第一只老虎：装备不足（没车）。
  • 94% 的乳腺科医生（专门看乳腺 X 光的）说：“我的诊室根本没装这套系统。”就像你想用微波炉热饭，但厨房根本没通电。
• 第二只老虎：太贵了（买不起）。
  • 很多医生觉得 AI 软件太昂贵，小诊所或普通医院根本负担不起这笔开销。

3. 关于“被抢饭碗”的恐惧：完全不用担心

• 大家的担心：很多人担心 AI 太聪明，会把医生踢走。
• 实际数据：在这个调查里，几乎没人担心这个。
  • 只有不到 9% 的医生担心被取代，甚至有部分医生（非乳腺科）表示“完全不担心”。
  • 比喻：医生们把 AI 看作是一个超级得力的“副驾驶”，而不是要抢方向盘的“劫匪”。他们希望 AI 帮他们看片子、找漏网之鱼，而不是取代他们做最终决定。

4. 医生们想要什么？

• 核心诉求：
  1. 帮忙诊断：像有个经验丰富的老专家在旁边帮忙看一眼，减少看错的情况。
  2. 减少错误：别漏掉癌症，也别把没事的当成有病（减少误报）。
  3. 省时间：希望能像“自动整理文件”一样，帮医生处理繁琐的工作，让他们早点下班。
• 如果免费给：如果有一个免费的 AI 工具摆在面前，近 80% 的医生都愿意立刻试用。这说明他们不是排斥技术，只是被价格和门槛挡住了。

5. 一个有趣的小插曲：乳腺科医生的“犹豫”

• 研究发现，专门看乳腺 X 光的医生，比看其他部位（如肺部、骨骼）的医生，更觉得 AI 还没那么好用。
• 原因：可能是因为现在的 AI 在乳腺检查上还不够完美，有时候会“瞎报警”（假阳性），导致医生不得不花更多时间去反复确认，反而更累了。这就像给了你一个偶尔会误报火警的烟雾报警器，虽然初衷是好的，但总让你虚惊一场，反而增加了工作负担。

6. 总结：未来可期，但需要“铺路”

这篇论文的结论很明确：

• 医生们准备好了：法国放射科医生对 AI 充满热情，不排斥，也不恐惧。
• 障碍在外部：问题不在于医生，而在于太贵和没普及。
• 建议：如果要让 AI 真正帮上忙，需要降低价格，让医院买得起；同时要把 AI 做得更聪明、更懂医生，让它真正融入工作流程，而不是给医生增加负担。

一句话总结：
法国放射科医生们手里拿着“想学开车”的驾照，但苦于没车开且车太贵。一旦解决了这些问题，他们非常乐意让 AI 这位“副驾驶”来帮忙，共同把病人的健康守护得更好。

技术摘要

以下是基于该预印本论文《法国放射科医生对人工智能的用法与认知》（Usages and perceptions of artificial intelligence among French radiologists）的详细技术总结：

1. 研究背景与问题 (Problem)

尽管人工智能（AI）在放射学领域展现出提升诊断精度、预测能力和个性化医疗的巨大潜力（特别是在乳腺 X 光摄影/乳腺造影中），但其在法国临床实践中的实际部署仍然有限且分布不均。

• 现状矛盾：虽然大学医院（80% 的受访医生）和乳腺造影领域（约 20-30% 的放射科医生）的采用率较高，但全国范围内的整体采用率仍然较低。
• 核心问题：目前缺乏关于法国放射科医生实际采用 AI 辅助图像解读的精确数据。研究旨在探究阻碍 AI 广泛采用的具体原因（如成本、设备、信任度），并识别加速整合的杠杆因素。
• 研究缺口：此前的研究（如 2019 年）主要关注态度，而 2024 年的其他调查样本量较小或涵盖范围不同。本研究试图填补关于实际障碍、工作流影响及未来意愿的空白。

2. 研究方法 (Methodology)

• 样本构成：研究针对法国（含海外省和领地）的 100 名放射科医生 进行了调查。
  • 招募渠道：通过专业平台（LinkedIn）、专业网络及放射中心群组进行招募。
  • 样本特征：
    • 地域分布：存在明显的地域偏差，48% 的受访者来自法兰西岛大区（Île-de-France），这与该地区放射科医生密度高（每 10 万人中有 18-20 名，巴黎高达 40 名）有关。
    • 经验水平：样本偏向资深医生，38.9% 的乳腺影像医生有 20-30 年从业经验，89% 的受访者拥有 10 年以上经验。
    • 专业细分：72% 的受访者从事乳腺影像解读。
• 数据收集：使用符合 GDPR 标准的在线问卷（Google Forms）。问卷包含 10 个问题，区分了“使用 AI"与“未使用 AI"的医生，以及“日常进行乳腺影像”与“非乳腺影像”的医生。
• 分析方式：结果以百分比形式呈现，基于各问题的有效回复数计算。

3. 关键发现与结果 (Key Results)

A. AI 采用现状

• 采用率：
  • 从事乳腺影像的医生中，52.8% 表示在日常工作中使用 AI。
  • 其他放射科医生中，75% 表示使用 AI。
  • 注：这一数据高于全国平均水平（20-30%），作者承认存在选择偏差（即使用 AI 的医生更倾向于参与调查）。

B. 未采用 AI 的主要障碍 (Barriers)

对于未使用 AI 的医生，主要障碍包括：

1. 缺乏设备：这是最主要的原因。94.1% 的乳腺影像医生和 71.4% 的其他医生表示其所在的影像中心未配备 AI 解决方案。
2. 成本过高：35.3% 的乳腺影像医生和 28.6% 的其他医生认为 AI 解决方案太昂贵。
3. 缺乏信任/价值感知：
   • 仅 8.8% 的乳腺影像医生表示不信任 AI。
   • 但在其他放射科医生中，42.9% 表示未感知到 AI 对其日常实践有附加价值。

C. 工作流改进 (Workflow Improvement)

• 在使用 AI 的医生中，65.8% 的乳腺影像医生和 85.7% 的其他医生认为 AI 改善了工作流。
• 对比分析：乳腺影像医生对 AI 改善工作流的认可度较低，部分原因可能是乳腺 AI 在解决不确定病例和差异讨论时增加了额外时间（与文献一致）。

D. 采用意愿与恐惧 (Adoption Intentions & Fears)

• 极高的采用意愿：在未使用 AI 的医生中，79.4% 的乳腺影像医生和 71.4% 的其他医生表示希望获得 AI 解决方案。
• 零拒绝率：0% 的受访者明确表示拒绝使用 AI。
• 对替代的恐惧极低：担心被 AI 取代的比例极低（乳腺影像医生 8.8%，其他医生 0%）。
• 免费获取意愿：近 80% 未使用 AI 的医生表示，如果提供免费的 AI 解决方案，他们愿意使用。

E. 主要期望 (Expectations)

放射科医生对 AI 的核心期望集中在三点：

1. 辅助诊断（Aid to diagnosis）：这是乳腺影像医生最强烈的期望（使用组 46.2%，未使用组 44%）。
2. 减少错误（Reduction of errors）：降低假阴性和假阳性。
3. 节省时间/提高生产力（Time saving/Productivity）：非乳腺影像医生对此期望更高。

4. 主要贡献 (Key Contributions)

1. 量化了实际障碍：明确指出了“设备缺失”和“高昂成本”是法国放射科医生未能采用 AI 的首要原因，而非技术不信任或恐惧被替代。
2. 揭示了细分领域的差异：对比了乳腺影像医生与其他放射科医生在 AI 采用率、工作流改善感知及期望上的显著差异。特别是指出乳腺影像医生对 AI 改善工作流的认可度较低，暗示该领域需要更成熟的工具。
3. 消除了“替代焦虑”的迷思：数据表明，法国放射科医生并不担心被 AI 取代，反而表现出强烈的整合意愿，这为推广 AI 提供了良好的心理基础。
4. 提出了实施建议：强调除了技术本身，还需要建立信任机制（透明化治理、可解释性）、提供培训以及解决经济门槛（成本问题）。

5. 研究意义与局限性 (Significance & Limitations)

意义

• 政策与商业启示：研究结果建议 AI 供应商和医疗机构应重点关注降低部署成本、解决设备普及问题，并开发能直接融入工作流、提供明确诊断辅助的工具，而非仅仅关注算法精度。
• 行业趋势：确认了法国放射学界正处于从“观望”向“积极整合”转变的关键节点，特别是当经济障碍被移除时。
• 监管参考：强调了建立透明治理框架（如欧盟 AI 法案要求的可解释性）对于建立医生信任的重要性。

局限性

• 样本偏差：样本量较小（100 人），且存在明显的地域（法兰西岛大区过代表）和经验偏差（资深医生居多，年轻医生/住院医参与度低）。
• 选择偏差：采用率数据（52.8%）可能高于全国平均水平，因为使用 AI 的医生更有可能参与此类调查。
• 预印本状态：该文章尚未经过同行评审（Peer Review），结论在指导临床实践时需谨慎。

总结

该研究描绘了一幅法国放射科医生对 AI 持高度开放和积极态度的图景。阻碍大规模采用的并非技术恐惧或拒绝变革，而是基础设施（设备）和经济学（成本） 问题。未来的 AI 部署策略应侧重于降低门槛、提供培训以及开发能切实解决乳腺影像等复杂领域工作流痛点的工具。