AI临床决策支持系统对初级保健医生心理健康诊疗决策的影响评估：一项基于SMART随机情景实验的研究

本研究针对AI-CDSS（临床决策支持系统）如何影响初级保健医生对心理健康诊疗决策的关键问题，通过SMART随机情景实验设计，发现医生更易采纳AI推荐的治疗建议（尤其当与初始判断冲突时），而AI的"不治疗"建议则无显著影响。该成果发表于《npj Mental Health Research》，为AI在精神卫生领域的伦理部署提供了决策行为学证据。

　　

随着人工智能(AI)技术加速渗透医疗领域，AI临床决策支持系统(AI-CDSS)在精神卫生初级保健中的应用前景备受关注。当前全球面临精神科医生严重短缺的困境，约50%的心理健康问题首次就诊于初级保健机构，但家庭医生和内科医生往往缺乏专业训练。尽管AI-CDSS能提升诊断效率，但医生如何权衡AI建议与自身判断仍是未解难题——既往研究显示，医生可能过度依赖错误AI预测，导致诊断准确率反而低于未使用AI时的水平。这种"AI服从悖论"在精神卫生领域尤为危险，因为误诊可能导致抗抑郁药(SSRI)不当处方或延误ADHD转诊。

斯坦福大学研究团队Katie Ryan、Hyun-Joon Yang等人在《npj Mental Health Research》发表研究，采用创新的SMART（序贯多重分配随机化试验）情景实验设计，模拟AI-CDSS介入下的医生决策过程。研究招募420名美国家庭医学和内科医生，通过三阶段随机化流程：首阶段分配ADHD转诊或SSRI处方情景；次阶段随机提供AI系统简短/详细说明；末阶段接收AI"治疗"或"不治疗"建议。主要观测医生初始评估与最终决策的变化、自我报告的AI影响度及决策"保真度"（初始判断与假设无AI时决策的一致性）。

关键技术包括：基于AMA医师数据库的全国抽样；SMART情景实验平台（smartvignettes.stanford.edu）实现三阶段自适应随机化；Efron偏置硬币设计平衡组间差异；逻辑回归模型分析决策改变的条件比值比(OR)。

研究结果
Change in decision from initial assessment to final decision
数据显示，当AI建议与医生初始评估冲突时，66.7%初始判断"不治疗"的医生会改变决策采纳AI治疗建议（OR=9.0，95%CI 2.805-28.873）。相反，AI建议"不治疗"时，无论医生初始评估如何，决策改变率无统计学差异（OR=1.236，95%CI 0.477-3.205）。

Self-reported final decision without AI involvement
27%实际改变决策的医生否认AI影响，这种认知偏差在AI建议治疗组更显著。初始评估与AI建议冲突的医生自述"无AI会做不同决策"的概率升高5.63倍（95%CI 1.090-29.144）。

Fidelity
决策保真度呈现不对称性：AI建议与初始评估一致时保真度提高10.56倍，但仅当AI建议治疗时初始评估才显著影响保真度（OR=13.16，95%CI 5.471-31.687）。

讨论与意义
该研究揭示了AI-CDSS在心理健康决策中的"行动偏向"现象：医生对AI治疗建议表现出近乎条件反射式的遵从（即使违背专业判断），但对保守建议保持怀疑。这种不对称性可能源于医疗诉讼风险感知——医生更担忧未执行AI治疗建议导致的过失责任。值得注意的是，21.55%的医生在AI支持其初始判断时会强化原有决策，印证了"确认偏误"在AI辅助决策中的存在。

研究创新性在于：首次量化AI建议方向性（治疗/不治疗）对决策的影响差异；开发"保真度"指标评估AI对临床判断的深层影响；采用SMART方法克服传统情景实验的静态局限性。实践意义包括：①AI-CDSS开发需纳入"建议类型"的风险校准；②医疗机构应针对治疗类AI建议设置额外核查机制；③医学教育需加强医生对AI建议的批判性评估能力。

该研究的局限性在于情景实验与真实临床环境的差异，未来研究可探索高风险决策场景（如自杀风险评估）中的AI影响模式。随着FDA逐步放宽AI医疗设备的"预先认证"标准，这项研究为构建负责任的AI-CDSS监管框架提供了关键行为学证据。