数字素养与AI素养对医疗人工智能信任的悖论效应：多层次信任转移机制解析

《BMC Medical Ethics》：Trust transfer from medical AI to doctors and hospitals: Integrating digital, AI, and scientific literacy in a cross-sectional framework

本研究针对医疗AI信任形成机制的理论空白，通过1250人问卷调查构建多层次信任转移模型(MTTM)。研究发现数字素养增强而AI素养削弱医疗AI信任，揭示"知情怀疑"现象；信任通过"AI信任→医生信任→医院信任"层级传递，且科学素养负向调节该过程。成果为医疗AI伦理治理提供认知心理学依据，发表于《BMC Medical Ethics》。

　　

当人工智能悄然走进诊室，患者面对的不再只是穿白大褂的医生，还有隐藏在算法背后的"数字医生"。这种变革带来了一个关键难题：人们会像信任人类医生那样信任AI吗？更复杂的是，这种对机器的信任如何影响我们对整个医疗系统的信心？姚洁团队在《BMC Medical Ethics》发表的研究，通过1250份问卷揭开了这个信任迷局。

医疗AI虽能媲美放射科医生诊断乳腺癌、预测再入院风险，但其"黑箱"特性让信任建立充满挑战。传统研究多关注技术特性，却未能解释不同认知水平患者如何形成并转移信任。这项研究创新性地整合信任转移理论与认知处理理论，构建多层次信任转移模型(MTTM)，系统揭示从技术信任到人际信任再到制度信任的完整链条。

研究采用横断面调查设计，通过课程群招募有就医经历的大学生，最终获得1250份有效问卷。关键测量包括：采用Hargittai量表评估数字素养(如在线信息评估能力)，Laupichler等开发的AI素养量表(侧重风险意识)，以及医疗AI信任、医生信任和医院信任的标准化量表。科学素养通过8道科学知识测试题计分，数据分析使用偏最小二乘结构方程模型(PLS-SEM)进行路径检验。

数字素养与AI素养的悖论效应

研究发现认知基础层存在分化路径：数字素养显著增强医疗AI信任(β=0.150)，而AI素养反而削弱信任(β=-0.182)。这表明普通技术能力促进接受，但专业AI知识会引发"知情怀疑"，使个体更关注算法偏见等风险。多群组分析证实，低AI素养组信任度显著更高，揭示出认知深度对信任评估的双刃剑效应。

信任传递的层级特性

模型显示医疗AI信任需通过医生信任中介才能影响医院信任(β=0.221)，直接路径不显著。医生作为"信任经纪人"的关键作用凸显，而医院信任更多由医生信任直接驱动(β=0.690)。这验证了信任从具体技术工具到人际纽带再到抽象制度的层级传递规律。

科学素养的调节作用

交互分析发现，科学素养负向调节医疗AI信任向医生信任的转移(β=-0.118)。低科学素养者更依赖直觉推理，信任转移更强(β=0.425)；高科学素养者倾向分析性思维，转移效应减弱(β=0.203)。这表明认知方式差异显著影响信任整合过程。

研究的理论突破在于揭示数字/AI素养通过不同认知路径影响信任——表面操作技能促进接受，深度专业知识引发审慎。实践层面提示需设计差异化沟通策略：对普通公众强调AI易用性，对高知群体需坦诚技术边界；同时强化医生作为AI与患者间的信任翻译者角色。

这项研究首次系统刻画医疗场景中技术信任的传导图谱，为AI时代医患关系建设提供认知心理学基石。未来需通过纵向追踪验证"知情怀疑"的长期演变，并将模型拓展至更多元人群，以构建负责任的医疗AI治理生态。