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
本研究表明，公众对医疗保健领域人工智能的接受度遵循一个按临床后果排序的累积层级，在德语和意大利语人群中保持不变，并且尽管缺乏唯一确定的题目集，仍能通过一个五项短表形式进行有效捕捉。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正站在医院的候诊室里，看着屏幕上显示出由计算机程序生成的医生的诊断结果。对某些人来说，这感觉像是一个得力的助手；而对另一些人来说，这感觉像是一种危险的侵入。随着人工智能从研究实验室走向真实的医院和药房，一个至关重要的问题随之而来：这些旨在为人类服务的系统，真的被人们接受吗？答案对于每一项具体任务而言，很少是一个简单的“是”或“否”。相反，公众的观点往往呈现出一种模式。人们可能会接受机器预约挂号，但会对机器决定生死攸关的治疗方案感到深切不安。理解这种模式至关重要，因为它不仅告诉我们人们在想什么，还告诉了我们信任是如何在不同的医疗工作中建立或破裂的。
南提洛尔的一组研究人员——这是一个位于意大利北部、德语和意大利语使用者并存的双语地区——着手绘制了这张信任图谱。他们想知道公众对医疗保健领域人工智能的接受度是否遵循一种可预测的顺序，这种顺序在尽管存在文化差异的情况下，是否在两个语言群体中都保持一致，以及他们是否可以创造一种更短、更简单的方法来衡量它。他们调查了来自普通人口的901名成年人，要求他们对十六种不同的医疗人工智能应用方式进行评分。这些用途涵盖了从行政任务（如整理患者记录和发送用药提醒）到高风险临床决策（如在医疗紧急情况下支持医生或协助诊断复杂疾病）的广泛范围。
研究人员发现，公众的接受度确实遵循一个清晰的、累积式的阶梯。在阶梯的最底层，即接受度最高的地方，是行政任务。近百分之八十的受访者表示，他们可以接受人工智能发送自动化的用药提醒。稍低一点，但仍被广泛接受的，是预约挂号和管理电子健康档案等任务。随着任务变得更加临床化并涉及更多直接的患者护理，接受度开始下降。人们不太愿意让人工智能协助分析临床数据或辅助诊断。在阶梯的最顶端，即接受度最低的地方，是那些对时间敏感、高压力的决策。只有大约三分之一的受访者表示，他们会接受人工智能在医疗紧急情况或分诊中的支持，甚至更少的人接受其用于做出紧急决定。这种等级制度表明，公众并不将人工智能视为一个单一的技术整体；相反，他们根据特定任务所携带的临床后果来评判它。一项任务感觉越像是直接的医疗决策，人们就越不愿让机器来处理它。
至关重要的是，这一接受度阶梯对于德语群体和意大利语群体而言是完全相同的。尽管调查问题经过了翻译并根据每个语言群体的文化细微差别进行了调整，但人们对任务排序的先后顺序保持完全一致。这一发现意义重大，因为它证明了人们评估这些技术的方式不仅仅是语言或当地文化的问题，而是一种针对医疗任务本质的共同人类反应。这意味着，服务于多种语言的医疗系统可以使用相同的工具来衡量信任，而无需将这些群体视为根本不同的群体。
研究人员还发现，他们可以将调查从十六个问题缩减到五个，而不会失去观察到这种模式的能力。通过仔细选择五个涵盖了从简单的行政任务到困难的紧急决策的全范围特定问题，他们创建了一个短版本，其准确性与长版本相当。这个较短的版本对于时间有限的繁忙调查特别有用，能够让研究人员在不使受访者感到负担过重的情况下，快速评估公众情绪。然而，他们指出，虽然两个最极端的题目——一个关于用药提醒，一个关于紧急决策——是必不可少的锚点，但中间的三个问题可以根据具体背景略有变化，只要保留了整体的难度范围即可。
该研究还深入探讨了持有这些观点的各类人群。虽然大多数人的观点遵循普遍的阶梯，但约有百分之三十的受访者形成了一个独特的群体。这些人对于人工智能处理行政工作感到放心，但在让其接触任何临床决策方面划定了一道坚硬、绝对的界限。对他们而言，机器整理文件与机器协助医生之间的区别不是程度上的差异，而是性质上的不同。他们将这两个领域视为分离的，接受其中之一，却完全拒绝另一方。这表明，对于很大一部分人口来说，行政支持与临床护理之间的界限是一条不能被技术跨越的明晰红线。
最后，研究人员检查了年龄和数字经验如何影响这些观点。在对数据的简单计数中，年长者似乎更有可能出现在两个极端：他们既是拒绝所有人工智能的人群中的过度代表，也是广泛接受人工智能的人群中的过度代表。然而，当研究人员根据人们在日常生活中实际使用技术的程度进行调整后，这一模式发生了变化。年长者表现出的这种两极分化现象，很大程度上可以用他们数字经验的差异来解释。经常使用技术的人，无论年龄大小，都不太可能拒绝人工智能。这表明，熟悉程度而非年龄本身，才是驱动接受度的更强因素。
研究结论认为，公众对医疗保健人工智能的信任并非混乱且随机的意见组合，而是一个基于任务临床权重的结构化等级体系。这种结构是稳固的，在不同的语言和文化中均保持一致，并且可以通过一组非常短的问题进行有效衡量。虽然研究结果为公众现状提供了一张清晰的地图，但研究人员提醒说，这张地图适用于普通大众。至于每天与这些系统打交道的医生和护士是否遵循同样的信任阶梯，仍是一个有待未来研究的问题。目前，数据为如何以尊重公众界限的方式将人工智能引入医疗保健提供了坚实的基础。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。