基于SEM模型的糖尿病患者人工智能糖尿病视网膜病变筛查接受度影响因素研究

本研究针对中国糖尿病患者对AI糖尿病视网膜病变(DR)筛查设备的接受度问题，整合技术接受模型(TAM)、计划行为理论(TPB)和双因素理论(DFT)，通过结构方程模型(SEM)分析发现主观规范(SN)和态度(ATT)是核心驱动因素，抵抗偏差(RB)为主要抑制因素。研究为AI医疗设备在中国的临床推广提供了文化适配的理论框架，对优化慢性病管理策略具有重要实践价值。

　　

糖尿病作为中国患者数量增长最快的慢性病之一，糖尿病视网膜病变(DR)并发症导致的失明风险正持续加剧。传统眼底筛查面临专业医师短缺、医疗资源分布不均等挑战，而AI辅助诊断技术虽展现出90%以上的敏感性和特异性，却在临床推广中遭遇"叫好不叫座"的困境——这背后隐藏着怎样的认知密码？成都医学院等机构的研究团队在《BMC Medical Informatics and Decision Making》发表的研究，首次揭示了中国文化语境下影响AI医疗设备接受度的关键因子。

研究采用横断面调查设计，从成都两家三甲医院招募519名糖尿病患者（女性56.8%，51岁以上占89.9%）。通过整合三大行为理论构建创新模型：技术接受模型(TAM)考察感知有用性(PU)和易用性(PEOU)；计划行为理论(TPB)分析主观规范(SN)和行为控制(PBC)；双因素理论(DFT)则同时纳入促进因子和抑制因子。采用结构方程模型(SEM)进行多维度验证，通过5000次Bootstrap检验中介/调节效应。

【主要结果】

1. 文化特质驱动接受行为
   主观规范(SN)对使用意向(IU)的直接影响最强(β=0.323, P<0.001)，印证了中国集体主义文化中"从众心理"的支配地位。有趣的是，医生推荐等权威意见通过SN→PEOU→IU的链式中介(β=0.025)产生二次强化。

2. 矛盾的心理抑制机制
   抵抗偏差(RB)显著降低使用意向(β=-0.215)，表现为患者因技术陌生感产生的"现状偏好"；但独特性忽视(UN)却意外呈现正向影响(β=0.124)，反映在医疗资源紧张背景下，患者反而期待AI基于大数据的"标准化"诊断。

3. 态度决定技术价值认知
   态度(ATT)通过完全中介效应影响使用意向，其路径系数(ATT→PU→IU=0.070)是易用性路径(PEOU→IU)的2.3倍，说明患者更关注"是否值得用"而非"是否容易用"。

4. 失效的信任调节作用
   尽管医疗信任(TR)直接提升使用意向(β=0.485)，但未能显著调节PU→IU路径(P=0.165)，暗示当前医患关系背景下，技术效能认知与情感信任尚未形成协同效应。

讨论部分指出三个突破性发现：首先，SN的强效应为制定"权威背书-社区扩散"推广策略提供依据；其次，RB与UN的拮抗作用提示需开展"三期体验计划"消除技术陌生感；最后，PU的中介优势表明应重点宣传AI诊断的95%CI置信区间等硬指标。研究同时承认样本年龄偏倚(90%>50岁)可能低估年轻群体的技术敏感度，建议后续开展多中心队列研究。

这项研究首次构建了适配中国医疗场景的AI接受度预测模型，其理论价值在于揭示文化因素对技术采纳的调节规律，实践意义则体现在为DR筛查的医保政策制定提供了量化依据。正如作者强调："当技术精度不再是瓶颈时，理解那些藏在Likert量表下的文化密码，或许比优化算法更重要。"