人工智能与数字孪生在医疗保健中的接受度：基于瑞士人口调查的行为证据

《BMC Health Services Research》：AI, digital twins, and healthcare utilization behaviour: evidence from a Swiss population survey

本研究针对AI与数字孪生(Digital Twin)技术未来在医疗保健领域的接受度问题，通过对瑞士1486名成年人进行代表性调查，发现医疗保健利用行为显著影响对数字创新的开放程度。结果显示，自我治疗使用者对数字孪生服务接受度最高，而补充与整合医学用户则表现出较多疑虑，这为针对不同用户群体定制数字化健康技术实施策略提供了关键依据。

　　

在人工智能（AI）技术席卷全球的浪潮中，医疗保健领域正经历一场深刻的变革。从精准诊断到个性化治疗规划，AI的应用前景广阔。与此同时，一个更为前沿的概念——数字孪生（Digital Twin）也开始从工业领域走向医疗健康。想象一下，未来每个人可能都有一个虚拟的“数字分身”，这个分身整合了你的基因信息、临床数据、生活环境乃至实时生理指标，医生可以在这个分身上模拟不同治疗方案的效果，预测疾病的发展轨迹，从而实现真正的精准医疗和早期干预。这听起来像是科幻小说中的场景，但全球的科研人员和医疗机构正在将其变为现实。然而，技术的飞速发展也带来了一个核心问题：当这些前沿技术从实验室走向临床时，未来的使用者——广大公众和患者——真的准备好接受它们了吗？他们是否信任这些技术？他们的态度是否会因为自身寻求医疗服务的习惯不同而产生差异？

为了回答这些问题，一项发表在《BMC Health Services Research》上的研究进行了探索。研究人员意识到，当前数字孪生和AI技术的研发大多由技术驱动，往往忽略了最终用户的体验和需求。每个人的医疗保健利用行为——比如是倾向于看常规西医医生，还是信赖补充疗法（如针灸、草药），或是习惯自我治疗，或是常去药店咨询——背后反映的是其独特的健康观念、价值观和对医疗体系的信任度。这些行为模式很可能预示着他们对新兴数字健康技术，如AI工具和数字孪生，的接受程度。因此，理解不同医疗保健利用行为群体之间的差异，对于未来设计出真正符合用户期望、能被广泛接受的数字健康解决方案至关重要。

基于这样的背景，研究团队提出了两个关键假设：第一，那些优先选择自我治疗方式的人，可能对数字健康技术（尤其是数字孪生）更为接纳；第二，那些倾向于使用补充和整合医学的人，则可能对数字健康整体上持更为谨慎的态度。为了验证这些假设，他们在瑞士进行了一项具有全国代表性的大规模调查。

研究人员开展这项研究主要运用了几个关键技术方法。首先，他们设计了一份结构严谨的在线问卷，于2023年通过专业的调查公司（gfs Bern）对瑞士1486名成年人进行了全国代表性调查。问卷内容涵盖了社会人口统计学信息、数字素养评估（采用Hargittai数字技能量表）、对AI工具（如ChatGPT）的熟悉度，以及当前数字健康工具的使用情况。其次，一个关键步骤是对“数字孪生”概念的引入和理解确保。研究没有假设参与者都了解这一新兴概念，而是通过一个解释性视频向参与者介绍数字孪生在医疗保健中的可能应用场景，并设置了两个控制问题来检验理解程度，回答错误者被排除在分析之外，这有效提升了数据质量。第三，研究的核心在于对参与者进行医疗保健利用行为分组。他们根据受访者在生病时寻求各种医疗服务（如全科医生、整合医疗、自我治疗、药店）的优先级，将其划分为五个非互斥的组别：常规医学使用者（Conv-U）、补充医学使用者（Compl-U）、整合医学使用者（Int-U）、自我治疗使用者（Self-U）和药店使用者（Pharm-U）。最后，在数据分析阶段，研究采用了加权分析以确保样本对瑞士总人口的代表性，并运用了Kruskal-Wallis检验、事后检验以及逻辑回归和线性回归模型等多种统计方法，来深入探究不同行为组在态度、信任度和期望等方面的显著差异。

3. 结果

3.1 各组的人口统计学特征

分析显示，不同的医疗保健利用行为群体在人口统计学特征上存在明显差异。自我治疗使用者（Self-U）倾向于更年轻、受教育程度更高（学术教育比例24.8%）、数字素养更高（数字技能得分21.01）且对ChatGPT更熟悉。相反，补充医学使用者（Compl-U）和整合医学使用者（Int-U）则表现出较低的教育水平（学术教育比例分别为11.2%和12.5%）和数字素养（数字技能得分分别为18.67和19.36），并且更可能拥有涵盖补充疗法的健康保险。常规医学使用者（Conv-U）也拥有较高的数字素养和教育水平。药店使用者（Pharm-U）则更可能是女性，且法语区比例较高。这些差异为理解各组后续对数字技术态度的不同奠定了基础。

3.3 应用程序和人工智能工具在医疗保健中的使用

在健康应用程序的使用方面，自我治疗使用者（Self-U）表现最为活跃，他们使用健康生活方式应用、与医生沟通的应用以及自我诊断应用的比例均显著高于总样本。而常规医学使用者（Conv-U）和补充医学使用者（Compl-U）则较少使用这类应用。药店使用者（Pharm-U）在慢性病监测和女性健康问题应用的使用上相对频繁。在对AI用于医疗决策的接受度上，自我治疗使用者（Self-U）对AI基于病历进行诊断和根据患者健康状况终止治疗的接受度最高。补充和整合医学使用者则表现出较低的接受度。

3.4 对数字孪生的看法

3.4.1 使用数字孪生的意愿和感知重要性

总体而言，受访者对使用数字孪生服务表现出较高的开放性，多数人表示愿意使用。其中，自我治疗使用者（Self-U）的意愿最为强烈，有33.7%的人明确表示“愿意”，显著高于其他组。在数字孪生可能带来的益处评估上，自我治疗使用者（Self-U）对降低医疗保险保费、验证医疗方案、预测疾病进展、协调治疗等各项功能的重视程度都显著更高。而补充医学使用者（Compl-U）和整合医学使用者（Int-U）则对数字孪生在降低成本、验证疗法和预测疾病方面的益处评价较低。常规医学使用者（Conv-U）特别担忧数字孪生会取代医生，并且对个人独立使用数字孪生支持度最低。

3.4.2 对数字孪生的期望

所有参与者普遍期望数字孪生推荐的治疗能显著改善其健康状况，各组间无显著差异。但在安全性期望上，常规医学使用者（Conv-U）的报告值较低，而药店使用者（Pharm-U）的报告值较高。

3.4.3 对支持和反对数字孪生论点的认同度

在评估支持和反对数字孪生的论点时，自我治疗使用者（Self-U）和药店使用者（Pharm-U）更倾向于认同支持使用的论点（如能让每个人按自己偏好管理健康、帮助医生更好治疗等）。相反，补充和整合医学使用者对支持性论点的认同度较低，而对反对性论点（如数字孪生基于错误的“人即机器”观念、可能造成保持健康的心理压力等）的认同度较高。

3.4.4 对提供数字孪生机构的信任度

总体而言，参与者对公立机构（如公立医院、大学）的信任度远高于私立机构（如科技公司、制药公司）。具体到各组，补充和整合医学使用者（Compl-U, Int-U）对各类机构的信任水平普遍最低，而药店使用者（Pharm-U）的信任水平最高，尤其是在公立医院和大学方面。自我治疗使用者（Self-U）对私立诊所和健康保险公司的信任度相对较高。

3.4.5 关于数字孪生使用的意见

关于数字孪生使用的规范，最强的共识是“不应强制使用数字孪生”。自我治疗使用者（Self-U）更支持将匿名健康数据用于数字孪生研究，并更倾向于允许个人使用数字孪生进行自我预防、诊断和治疗。而药店使用者（Pharm-U）和常规医学使用者（Conv-U）则更认为数字孪生应仅限于医疗专业人员使用。

4. 讨论与结论

这项研究清晰地表明，尽管数字孪生技术在医疗保健领域总体上获得了较高的接受度，但其接受程度与个体现有的医疗保健利用行为模式密切相关，研究的两项主要假设均得到了证实。

自我治疗使用者（Self-U）被证明是数字健康创新的早期采纳者和热情拥护者。他们通常年轻、受教育程度高、数字素养强，并且已经是健康应用程序和AI工具（如ChatGPT）的活跃用户。他们对数字孪生的潜在益处抱有高度期望，信任提供服务的机构，并支持数据共享用于研究。这一群体代表了推动数字健康技术普及的关键力量。

另一方面，补充医学（Compl-U）和整合医学（Int-U）使用者则表现出显著的谨慎和怀疑态度。他们对数字孪生的诸多益处评价不高，对支持性论点认同度低，反而更担忧其背后可能存在的还原论哲学（视人为机器）以及带来的心理压力。他们对提供数字孪生服务的机构，尤其是私立机构，信任度较低。这提示，在向这类群体推广数字孪生技术时，需要特别关注其价值观和担忧，强调技术的辅助性和人性化层面，而非纯粹的技术效能。

有趣的是，研究发现在数字健康应用上，自我治疗使用者（Self-U）的主要“对立面”并非补充/整合医学使用者，而是常规医学使用者（Conv-U）。尽管后者具备较高的数字素养，但他们更依赖于传统家庭医生，对最新医学科学、健康促进措施和数字护理服务的重视程度相对较低，并且特别担心数字孪生取代医生以及个人独立使用带来的风险。这表明，即使是数字素养较高的群体，其固有的医疗行为习惯也可能成为接受新技术的障碍。

药店使用者（Pharm-U）则呈现出一个混合且独特的形象。他们相对年轻，对数字孪生的协调和预测功能有较高评价，对机构（包括技术公司）的信任度也较高，但同时也担忧心理压力，并支持将数字孪生的使用权限定于专业人员。随着药店在瑞士医疗系统中提供服务的范围不断扩大，这一易于接触的群体将成为数字健康技术推广的重要切入点。

此外，人口因素如语言和性别也显示出显著影响。法语区参与者普遍对数字孪生及相关机构表现出更多怀疑，这与之前关于数字技术接受度的研究一致。女性参与者 across various dimensions 也表现出更多的谨慎态度。

综上所述，这项研究提供了宝贵的、以用户为中心的见解，揭示了医疗行为模式是预测对AI和数字孪生等未来健康技术接受度的关键指标。研究结果强调，数字健康技术的开发和实施不能采取“一刀切”的策略。开发者、政策制定者和医疗保健提供者需要识别这些不同的用户画像，理解其独特的需求、价值观和顾虑，从而设计出更具包容性、针对性且符合伦理的解决方案，确保技术创新能够真正服务于多样化的公众，实现改善全民健康结局的最终目标。