规范人工智能革命：越南医院对人工智能的认知威胁及其应用实践

《Computers in Human Behavior Reports》：Moderating the AI Revolution: Perceived Threat and Generative AI Implementation in Vietnamese Hospitals

本研究整合UTAUT模型与感知AI威胁，通过越南胡志明市573名医疗从业者的横截面调查，发现绩效期望、努力期望和社会影响正向促进生成式AI采用意愿，而感知AI威胁显著抑制该意愿，并调节绩效期望和社会影响的作用。模型解释力达79.8%，强调需通过培训、透明沟通和监管支持缓解威胁感知，以促进AI在越南医疗中的应用。

　　在人工智能技术迅猛发展的背景下，其在医疗领域的应用正逐渐成为关注的焦点。生成式人工智能（Generative AI）作为一种新兴技术，具备显著的潜力，能够在提升诊断准确性、优化行政流程以及改善患者沟通方面发挥重要作用。然而，尽管其优势明显，医疗专业人员对于人工智能可能带来的影响仍然存在诸多担忧，例如职业替代、数据安全问题以及伦理困境。这些担忧构成了所谓的“感知AI威胁”（Perceived AI Threat, PAT），可能阻碍人工智能在医疗领域的广泛采用。因此，研究医疗专业人员在越南等新兴国家中对生成式人工智能的接受度和使用意愿，以及这些因素如何受到感知AI威胁的影响，具有重要的现实意义和理论价值。

本研究旨在通过整合统一技术接受与使用理论（Unified Theory of Acceptance and Use of Technology, UTAUT）与感知AI威胁，探讨越南医疗环境中人工智能采用的关键驱动因素及其受到威胁感知的调节作用。研究采用横断面调查方法，收集了来自越南河内的573名医疗专业人员的意见，包括医生、护士和行政人员。研究结果表明，性能期望（Performance Expectancy, PE）、努力期望（Effort Expectancy, EE）以及社会影响（Social Influence, SI）对人工智能采用意愿（Behavioral Intention, BI）具有显著的正向影响，而促进条件（Facilitating Conditions, FC）则未显示出显著预测作用。感知AI威胁（PAT）则表现出较强的负向影响，特别是在削弱性能期望和社会影响对采用意愿的正向作用方面。模型解释了79.8%的行为意图变异，显示出较高的预测能力。这些发现强调了在医疗领域中，必须关注与AI相关的存在性恐惧，例如对职业安全和专业自主性的担忧。

### 技术接受与威胁感知的互动关系

在医疗环境中，技术的接受度不仅受到其功能性的影响，还受到技术使用过程中感知到的威胁的调节。研究指出，性能期望和努力期望是传统技术接受模型中的核心因素，它们分别代表了用户对技术有用性以及使用难易程度的主观评价。然而，当这些技术被引入医疗领域时，医疗专业人员可能会产生对职业安全、伦理规范以及患者数据安全的担忧，从而形成感知AI威胁。这种威胁感知可能削弱传统驱动因素对采用意愿的正向影响，表明在技术采纳过程中，心理层面的担忧和恐惧具有不可忽视的作用。

此外，社会影响作为另一个关键因素，指的是个体认为他人对其使用新技术的期望。在越南这样的社会文化背景下，医疗专业人员往往受到同事、上级以及专业机构的影响，这使得社会影响在预测采用意愿方面具有显著作用。然而，当感知到AI威胁时，这种社会影响的作用可能被削弱，表明在组织层面，必须考虑如何通过加强社会支持和透明沟通来缓解这些担忧。例如，通过培训、宣传以及涉及医疗专业人员的AI部署流程，可以增强其对AI的信任，从而减少威胁感知对其采用意愿的负面影响。

### 实证研究的方法与发现

本研究采用定量方法，通过横断面调查收集数据，并利用偏最小二乘结构方程模型（Partial Least Squares Structural Equation Modeling, PLS-SEM）对提出的模型进行检验。研究对象为河内多家医院的医疗专业人员，样本量为573人，涵盖了医生、护士和行政人员等不同角色。研究发现，尽管医疗专业人员普遍认为AI技术具有较高的性能期望和努力期望，但这些因素在面对感知AI威胁时，其对采用意愿的正向作用被显著削弱。此外，社会影响在AI采用过程中发挥了最强的直接预测作用，表明在越南医疗体系中，社会认同和组织支持对于AI的接受具有重要作用。

研究还发现，促进条件（FC）并未显示出显著的预测作用，这可能是因为河内地区的大型医院已经具备基本的基础设施和培训资源，使得FC在决策过程中显得相对次要。然而，感知AI威胁（PAT）作为一个重要的调节变量，对性能期望和社会影响的影响尤为显著。这意味着，医疗专业人员对AI威胁的感知可能成为影响其采用意愿的关键因素，尤其是在职业安全和伦理问题上。

### 理论与实践的结合

从理论角度来看，本研究扩展了UTAUT模型，将感知AI威胁纳入考虑范围，为理解技术采纳提供了新的视角。研究不仅验证了UTAUT中已有的核心因素，还揭示了威胁感知如何影响这些因素的效用。例如，当医疗专业人员对AI威胁的感知增强时，即使他们认为AI技术具有较高的性能期望，这种正向作用也会被削弱。这表明，技术采纳不仅仅是一个技术问题，更是一个心理和文化层面的问题。

在实践层面，研究结果为政策制定者、医院管理者以及AI开发者提供了重要的指导。首先，医院管理者应重视社会影响因素，通过培养支持AI的医疗专业人员群体，促进AI的广泛应用。其次，政策制定者需要建立清晰的法律和伦理框架，以解决AI技术在医疗领域中的潜在风险，如数据隐私、责任归属和伦理问题。此外，AI开发者应优先考虑系统的透明度和可解释性，以增强医疗专业人员对AI的信任，确保其在临床决策中的合理使用。

### 未来研究的方向与局限性

尽管本研究提供了有价值的见解，但其方法论仍存在一定的局限性。首先，研究采用横断面设计，无法提供因果关系的确切证据。其次，样本主要来自河内地区的大型医院，可能忽略了农村或私立医疗机构的情况，这些机构可能具有不同的组织文化和资源状况。此外，随着生成式人工智能技术的快速演进，威胁感知可能会随时间而变化，因此未来的研究需要考虑技术发展带来的长期影响。

未来的研究可以进一步探讨不同国家和医疗体系中AI采用的关键因素，分析威胁感知在不同功能AI应用中的表现。此外，结合纵向研究方法，可以更全面地了解医疗专业人员对AI的态度和采用行为如何随时间和政策变化而演变。同时，加入定性研究方法，如访谈和焦点小组，可以深入挖掘文化、心理和组织层面的影响因素，为技术采纳提供更全面的理论支持。

### 结论

本研究通过整合UTAUT模型与感知AI威胁，揭示了越南医疗专业人员对生成式人工智能的接受度和采用意愿的关键影响因素。研究结果表明，性能期望、努力期望和社会影响在预测AI采用意愿方面具有显著作用，而感知AI威胁则可能削弱这些因素的效用。因此，在推动人工智能在医疗领域的应用时，必须充分考虑医疗专业人员的心理反应和职业安全感，通过加强培训、透明沟通和法律保障，确保AI技术的顺利采纳和有效应用。这不仅有助于提升医疗效率和质量，还能确保技术的伦理性和可持续性。