人工智能辅助诊断下放射科医师法律责任认知的随机对照研究：AI误诊率对公众归责倾向的影响

为解决AI在放射学应用中可能引发的法律责任认知偏差问题，来自美国的研究团队通过随机对照实验（n=1334）探究了AI检测结果（AI agree/disagree）及错误率数据（1% FOR/50% FDR）对公众归责倾向的影响。研究发现：当AI与放射科医师意见相左时，72.9%-78.7%参与者认为医师应担责；而提供AI错误率背景后，归责率显著下降（如脑出血案例从72.9%降至48.8%）。该研究为医疗AI的司法评估提供了重要实证依据。

　　

这项开创性研究设计了一项精妙的心理实验：让652名脑出血案例和682名癌症案例的受试者随机阅读不同版本的医疗纠纷情景。当人工智能(AI)系统与放射科医师同时漏诊（AI agree组）时，仅50.0%-63.5%的公众认为医师失职；但若AI成功识别出被医师忽略的病变（AI disagree组），追责比例骤升至72.9%-78.7%——这组数据生动揭示了AI作为"数字见证人"对公众判断的颠覆性影响。

研究团队巧妙引入两个关键参数：当告知受试者AI的假遗漏率(false omission rate, FOR)仅1%时，脑出血案例的归责率从50.0%降至34.0%；而当说明AI存在50%假发现率(false discovery rate, FDR)时，AI disagree组的追责热情明显冷却（脑出血案例从72.9%→48.8%）。这些波动曲线犹如一面镜子，映照出公众对AI技术认知的理性与非理性交织状态。

该研究最终绘制出一条清晰的认知路径：医疗AI的司法评价绝非简单的"机器比人可靠"命题，而需要动态考量技术局限性(FDR/FOR)的公示效果。这些发现不仅为未来医疗纠纷庭审提供了科学参照系，更暗示着——在算法与人类协作的医疗新时代，普法教育或许该从解释AI的统计学参数开始。