综述：眼科人工智能在眼病领域的接受度：文献综述与定性分析

这篇综述系统梳理了眼科人工智能（AI）的接受度研究，基于心理模型（绩效预期、努力预期、社会影响、促成条件及调节因素）评估了16项研究质量，指出当前研究多聚焦技术效能而忽视社会伦理因素，强调需扩大跨学科样本、结合循证医学（EBM）和随机对照试验（RCT）以提升AI在患者、医师及公众中的整体接受度。

　　

Abstract

眼科人工智能（AI）的临床应用潜力巨大，但其成功落地离不开终端用户的认知与接受度。通过文献回顾与心理模型定性分析发现，现有16项研究普遍侧重技术层面的绩效预期（如诊断准确性）和努力预期（易用性），而对社交影响（如同行推荐）、促成条件（基础设施支持）及调节因素（年龄、经验等）的探讨不足。尽管患者、眼科专家及公众对AI的总体接受度较高，但跨地域、多学科的高质量定性研究仍待补充。

关键挑战与建议

AI在眼科的应用面临多重矛盾：经济负担与成本效益的平衡、患者隐私与数据共享的冲突、模型安全性与临床信任的建立。为此，需推进三项核心工作：

1. 证据强化：开展大样本随机对照试验（RCT）验证AI模型的临床效益；
2. 教育普及：针对患者和医师设计分层培训，提升AI认知透明度；
3. 技术保障：开发隐私保护技术（如联邦学习）并建立责任认定法规。

未来方向

研究者呼吁关注“社会技术协同”路径——将AI工具的开发与医疗场景的复杂性（如糖尿病视网膜病变的分级诊疗）深度结合，同时纳入保险支付方、政策制定者等利益相关者，以系统性解决接受度瓶颈。