AI在黑色素瘤检测中的角色定位：皮肤科医生、全科医生与皮肤影像技师的决策认知差异研究

【编辑推荐】本研究通过深度访谈30名临床医师，探讨了AI工具在黑色素瘤(Melanoma)诊断决策中的定位分歧。研究发现医生群体将AI视为"验证工具""第二意见"或"专家指导"，但普遍强调临床判断力(Clinical Acumen)的核心地位，揭示了AI整合中"经验悖论"——新手可能过度依赖而专家可能忽视AI价值，为优化人机协作流程提供了关键依据。

　　

在皮肤癌诊疗领域，黑色素瘤的早期检测始终是关乎患者生存率的关键挑战。当前诊断主要依赖医生肉眼观察和皮肤镜(Dermoscopy)检查，但诊断准确性受医生经验差异影响显著。尽管研究表明人工智能(AI)在实验条件下识别恶性皮损的准确率可媲美甚至超越皮肤科专家，但如何将AI真正整合到临床决策流程仍存在巨大争议——是作为决策辅助者、验证工具还是独立诊断系统？这个问题的答案直接影响着未来皮肤癌筛查项目的设计。

来自澳大利亚昆士兰大学等机构的研究团队在《JMIR Dermatology》发表了一项开创性研究，他们深度访谈了17名皮肤科医生、6名全科医生(GP)和7名皮肤影像技师(Melanographer)，首次系统揭示了不同临床角色对AI在黑色素瘤检测中功能定位的认知差异。研究发现医生群体对AI的接受度与其临床经验深度相关，并识别出五种典型的AI角色模型，这些发现为平衡技术创新与临床实践提供了重要路线图。

研究采用定性访谈法，对来自澳大利亚、新西兰等国的30名临床医师进行半结构化访谈，采用模板分析法(Thematic Analysis)构建主题框架。样本中83%参与者具有2D/3D皮肤成像AI工具的使用经验，涵盖FotoFinder、DermEngine等主流平台。

研究结果呈现五大主题：

1. 核心主题：临床判断力的重要性
   所有参与者均强调，优秀临床决策需要综合患者病史、皮损特征等多元信息，而当前AI缺乏这种情境化理解能力。一位皮肤科医生指出："AI只看图像，而我们看的是有100个皮损的真实患者"(ID17)。

2. AI作为决策中的工具之一
   82%的皮肤科医生将AI视为"增量信息源"，但强调需由经验丰富的医生解读。有GP坦言："优秀皮肤镜医师实际上比AI更早发现小型黑色素瘤"(ID02)，反映专家对AI附加价值的质疑。

3. 决策后的验证辅助
   73%参与者倾向先自主决策再用AI验证。皮肤影像技师描述："AI更像诊所里的安慰剂朋友"(ID20)，主要用于缓解对漏诊的焦虑，而非指导初始判断。

4. 疑难病例的第二意见
   在少数模棱两可病例中，AI被类比为"会诊同事"。但有趣的是，当AI与医生判断冲突时，67%的皮肤科医生选择坚持己见(ID01)，突显对AI权威性的保留态度。

5. 决策前的专家指导悖论
   虽然认为AI可能帮助初级医生，但90%的专家担忧这会导致"技能退化"(Deskilling)。一位资深皮肤影像技师坦言："如果明天停用AI，我的临床技能会退化吗？"(ID20)，揭示依赖风险。

讨论部分指出，当前关于"AI辅助决策"的笼统表述掩盖了关键分歧——是作为决策形成中的信息源(Theme 2)，还是决策后的验证工具(Theme 3)？这种定位差异直接影响AI的实际价值：对专家而言，AI主要提供心理安慰；对新手则可能成为"决策拐杖"。研究特别警示，在澳大利亚等黑色素瘤高发地区，过度依赖AI可能削弱医生在长期阳光损伤皮肤评估中的独特经验。

该研究首次系统描绘了AI在皮肤癌诊疗中的认知图谱，其核心贡献在于突破性地揭示了：所谓"人机协作"绝非单一模式，而需要根据使用者经验水平和临床场景进行差异化设计。正如研究者强调，未来AI整合必须保护临床判断力的培养，这不仅是效率问题，更是关乎医疗本质的价值选择。这些发现为正在开发中的AI皮肤癌筛查指南提供了实证基础，特别是对3D全身成像等新技术的应用具有直接指导意义。