医疗AI聊天助手在中国医患群体中的接受度影响因素：基于扩展UTAUT模型的实证研究

这篇基于全国调查的原创研究创新性地扩展了UTAUT模型，揭示了性能预期（PE）、感知成本（PC）、数字接入（DA）和数字能力（DC）对中国医患群体使用医疗AI聊天助手意愿（IU）的正向影响，同时发现患者年龄和就诊频率（而非社会经济地位）直接驱动实际使用行为（AUB），为老龄化社会的健康信息化政策提供了实证依据。

　　

1 引言

中国作为医疗需求大国，2023年门诊量达95.4亿人次，人均就诊7次。在"健康中国2030"战略推动下，AI医疗应用市场规模预计2025年将达1270亿美元。尽管MedGPT等国产医疗AI聊天助手诊断准确率已达96%，但实际渗透率不足4%，凸显研究医患接受度影响机制的紧迫性。

2 文献综述

2.1 医疗AI聊天助手的应用与伦理

国际研究显示ChatGPT对心血管疾病诊断准确率达80%，但存在"技术黑箱"和数据隐私风险。2.2 对医患关系的影响呈现两极观点：Margam认为AI能促进共享决策（SDM），而Dey指出过度依赖可能加剧医患疏离。2.3 UTAUT模型发展经典模型包含绩效预期（PE）、努力预期（EE）、社会影响（SI）和便利条件（FC），解释力达69%。本研究创新性剔除EE和SI，新增数字接入等中国医疗场景变量。

3 研究方法

采用全国配额抽样（n=500），覆盖城乡、年龄、收入等6维人口特征。通过结构方程模型（SEM）分析，问卷Cronbach's α达0.943，KMO值为0.939，模型拟合优度CMIN/DF=1.558，RMSEA=0.033，各项指标均优于阈值标准。

4 结果

4.1 关键发现

绩效预期（β=0.354）和数字能力（β=0.239）对使用意愿影响显著，而感知成本呈现反常正向关联（β=0.286）。4.2 年龄差异ANOVA显示16-30岁群体使用意愿最低（F=3.296，p<0.05），与常规技术接受规律相反。4.3 就诊频率Kruskal-Wallis检验证实高频就诊患者更倾向使用AI（H=12.157，p=0.007）。

5 讨论

价格信号效应：82.08%中国患者将高价格等同于高质量，使感知成本转为技术可信度指标。老龄化机遇：AI助手为老年患者提供便捷慢性病管理通道，有效缓解线下医疗压力。研究否定了社会经济地位（SES）的传统影响，揭示数字包容比经济因素更具决定性。

6 实践启示

建议采用"基础免费+增值服务"定价策略，开发低认知负荷的适老化界面。政策层面应推动AI问诊纳入医保目录，开展"银龄数字教练"培训，缩小数字鸿沟。

7 局限与展望

未充分考量中医诊疗特性，未来可结合CASA范式，探索AI共情能力对医患信任的构建机制。全球医疗AI发展需兼顾各国医疗体系差异，建议纳入诊断准确率、患者满意度等临床实效指标深化研究。