《Healthcare》：Assessing the Use, Impact, and Perspectives of Generative Artificial Intelligence Among Health Consumers: A Cross-Sectional Survey in Saudi Arabia
编辑推荐：
背景/目标：沙特阿拉伯（Saudi Arabia, SA）的健康消费者日益依赖生成式人工智能（generative Artificial Intelligence, AI）从不断增多的健康相关资源中获取健康信息。目前，关于消费者使用生成式AI工具寻求健康信息的
背景/目标：沙特阿拉伯（Saudi Arabia, SA）的健康消费者日益依赖生成式人工智能（generative Artificial Intelligence, AI）从不断增多的健康相关资源中获取健康信息。目前，关于消费者使用生成式AI工具寻求健康信息的频率和模式、其报告的影响以及健康消费者对这些工具的认知，所知甚少。本研究旨在调查SA健康消费者对生成式AI工具的使用和认知，并评估其使用对健康寻求行为的影响。方法：研究人员于2026年两个数据收集轮次（3—4月和7—8月）向居住在SA的成年人（≥18岁）发放了一项探索性、横断面、自我填写的在线调查。纳入过去一年内使用生成式AI工具寻求在线健康信息的所有成年人。研究人员采用双变量和多变量分析检验变量间关系。结果：共有403名符合条件的健康消费者（男性占58%）参与。在曾将生成式AI用于健康目的的受访者中，约49%报告每月使用超过5次。较年轻年龄、较高收入和更频繁的就诊前使用与频繁寻求健康信息行为的较高几率相关。头痛、腹痛和肌肉骨骼疼痛是最常见的主诉。ChatGPT是用于寻求信息的主要平台（84%）。年龄与频率显著负相关，而收入和就诊前使用呈正相关。通过生成式AI寻求健康信息的主要原因包括快速获取信息（71%）、节省时间（34%）和好奇心（30.5%）。结论：高使用频率提示生成式AI可作为健康信息来源，并可能使用户向医疗服务提供者隐瞒健康信息。它可能影响后续健康寻求行为，例如请求紧急照护或推迟就诊。这些自我报告结果不能确立诊断准确性（diagnostic accuracy）、临床有效性（clinical effectiveness）或患者安全（patient safety），且未评估临床风险和自行管理措施（self-management actions）的适宜性。许多受访者报告对不准确信息、漏诊严重疾病和健康焦虑增加存在担忧。
本研究关注沙特阿拉伯（Saudi Arabia, SA）健康消费者使用生成式人工智能（generative Artificial Intelligence, AI）工具获取健康信息的行为。传统上，医患接触是医疗决策的主要入口，而互联网普及使健康消费者常在就诊前在线检索健康信息。生成式AI工具可提供即时、低成本健康内容，改善健康决策并帮助消费者准备医疗会面；但其也可能产生错误信息或错误健康结论，影响决策、延误及时医疗、造成严重医疗伤害或不良事件，或导致不必要医疗服务。在线健康信息寻求还可能影响医患关系、患者对临床建议的接受度和治疗依从性，并可能加重健康相关焦虑（cyberchondria）。尽管生成式AI诊断表现值得注意，但其难以复制医患关系所依赖的关系性信任。SA对生成式AI用于非正式健康咨询的快速、 largely unregulated adoption 可能直接影响健康消费者健康寻求行为，而相关实际使用和影响研究有限。因此，研究人员开展横断面调查，以调查生成式AI工具的使用模式、影响和认知，并评估其对健康寻求行为的影响；其意义在于超越一般态度、技术准确性和平台流行度，聚焦自我报告的健康寻求行为影响，为SA及全球医疗专业人员了解患者就诊前期望、政策制定和AI开发者设计更临床契合工具提供依据。研究人员采用探索性、横断面、自我填写在线调查，问卷含四部分，经六名专家定性面审和内容审查、预试验及初步心理测量评估；通过Google Forms在SA两轮招募（2026年3月1日—4月15日、7月20日—8月5日），经LinkedIn、WhatsApp和X等社交媒体邀请，纳入≥18岁、有网络和数字设备且过去12个月至少使用过一次AI工具者，最低样本量377，最终403名符合条件者进入分析。数据分析使用SPSS 32和JASP 0.98.1，包括描述统计、Spearman秩相关、Mann–Whitney U检验、Pearson卡方检验、探索性二分类logistic回归、基于多分格相关矩阵的探索性因子分析（exploratory factor analysis, EFA）、平行分析和Cronbach’s α等。关键技术方法概括（不超过250字）：研究为横断面自我填写在线调查，样本为SA居住成年人，来源于2026年两轮社交媒体招募；问卷经专家审查、预试验和初步心理测量评估；采用描述统计、Spearman相关、Mann–Whitney U、卡方、二分类logistic回归及基于多分格相关矩阵的EFA、平行分析和Cronbach’s α分析。结果显示，492人提交问卷，403人符合条件（82%），其中第一轮333人、第二轮70人；样本以35—44岁最多（26.1%），男性58.3%，学士学位43.9%，非医疗就业31.5%，月收入≥20,000 SAR约40%，自评健康极好36.5%、很好40.7%，每年就诊2—3次者41.7%。3.1 Demographic Findings：通过描述统计得出样本以中年、男性、高学历、较高收入及自评健康较好者为主。3.2 Usage Patterns of Generative AI Tools by Health Consumers in Saudi Arabia：通过描述统计发现，197人（48.9%）每月使用生成式AI寻求在线健康信息超过5次；最常见主诉为头痛（28%）、腹痛（19.4%）和关节痛（19.1%）；中度症状占43.4%，严重和极严重症状占11.9%；ChatGPT占84.1%，Gemini占38%，DeepSeek占12.4%；主要原因包括快速获取信息（71.2%）、节省时间（34.2%）和好奇心（30.5%）；最常见AI建议为尽快看医生（32.8%），其次为家庭管理（27.5%），21.1%未获明确建议。3.3 Factors Associated with Using Generative AI Tools by Health Consumers in Saudi Arabia：通过双变量分析发现，使用频率与年龄显著负相关（Spearman’s rho=?0.214，p<0.001），与收入正相关（rho=0.183，p<0.001），与就诊前使用AI频率正相关（rho=0.384，p<0.001），与教育、自评健康和就诊频率无显著关联，性别差异不显著；通过探索性二分类logistic回归发现，年龄每增加一个类别与频繁使用几率降低相关（调整OR=0.699，95%CI：0.591–0.827，p<0.001），较高收入与更高几率相关（调整OR=1.378，95%CI：1.154–1.645，p<0.001），更频繁就诊前使用与更高几率相关（调整OR=1.895，95%CI：1.538–2.335，p<0.001）；模型拟合可接受，AUC=0.752。3.4 Impacts on Consumers’ Health-Seeking Behaviours：通过自我报告影响分析发现，40.2%采取独立自我管理措施，22.8%未采取行动，22.8%延迟就医，14.1%当日请求立即医疗照护；22.3%因AI安慰而推迟就诊，68%未推迟，9.7%不确定；25.3%因AI建议而寻求医疗照护，64.5%未如此，10.2%不确定；27.5%在联系医疗服务提供者前经常或几乎总是使用生成式AI；在回答医生意见条目者中，6.5%报告医生鼓励使用AI，9.4%报告被警告不要使用，17.8%报告医生未评论，66.3%未告知医生其AI使用。3.5 Consumers’ Perspective, Satisfaction, and Concerns Toward the AI-Based Generative Recommendation：通过Likert量表、EFA和性别比较发现，10个条目不支持单一单维复合评分，保留两因子方案； usability and perceived experience 子量表均值为3.24（SD=1.00），Cronbach’s α=0.878，略高于量表中点；trust and confidence 子量表均值为2.72（SD=0.96），Cronbach’s α=0.849，低于量表中点；两子量表中度相关（Pearson r=0.590，p<0.001）；最高均值为更信任医生而非生成式AI（Q27：M=3.67，SD=1.38），其次为易用性（Q20：M=3.37，SD=1.22）和理解建议容易（Q21：M=3.37，SD=1.19），满意度均值3.17（SD=1.12）；较低均值为信任AI生成健康信息准确性（Q22：M=2.69，SD=1.07）、愿意推荐AI工具（Q28：M=2.71，SD=1.17）和基于AI建议决策的信心（Q23：M=2.77，SD=1.06）；男性在信任准确性和满意度上高于女性， usability 子量表男性高于女性，trust 子量表性别差异未达显著；最常见担忧为AI可能提供不准确信息（68.5%）、不必要焦虑（52.1%）和未能发现严重问题（28.8%），隐私担忧22.8%，8.9%担忧AI未来替代医生，13.4%无主要担忧；EFA显示KMO=0.872，Bartlett检验显著，平行分析支持两因子，第一、第二多分格特征值分别为5.31和1.61，第三为0.97；担忧条目共同度低（0.06），医生偏好条目在usability因子强负荷而在trust因子负负荷，故单独报告。3.6 Comparison of the Two Recruitment Rounds and Sensitivity Analysis：通过两轮比较和敏感性分析发现，第二轮参与者更年轻、更可能硕士学历、更可能自雇、收入较低、自评健康较差；第一轮频繁使用（≥4次/月）为63.1%，第二轮为32.9%（χ2(1)=21.64，p<0.001）；第二轮在10个认知条目中7个得分更高，两子量表均更高；在敏感性分析中，第二轮与频繁使用几率降低独立相关（调整OR=0.192，95%CI：0.102–0.362，p<0.001），加入轮次后模型改善，三个原预测变量方向和显著性保持，收入OR由1.378降至1.269，p=0.011；轮次×预测变量交互块显著（χ2(3)=12.58，p=0.006），主要由就诊前使用项驱动（B=1.339，p=0.010），该关联在两轮方向相同但第二轮更强；合并估计仍以第一轮为主，轮次差异被视为局限。讨论部分总结：本研究发现SA健康消费者生成式AI使用频率较高，ChatGPT为主要平台；高使用与较年轻年龄、较高收入和更频繁就诊前使用相关，与既往关于年轻和数字素养较高者使用新兴工具的研究一致；收入与即将就诊的关联似为情境特异性发现。受访者对工具易用性和体验呈中度偏正认知，但对信息准确性、依从AI建议和推荐他人的信任低于量表中点，呈现“使用有用性感知与信任不足并存”的张力；最高均值为更信任医生建议。担忧包括不准确信息、不必要焦虑、隐私和安全问题。使用动机为快速获取信息、节省时间和好奇心；常见症状头痛、腹痛和肌肉骨骼疼痛多处于决策不确定的“灰色地带”。研究提示生成式AI可能作为早期分诊或就诊前信息支持的潜在辅助，但不能就临床整合得出结论，因为未评估分诊准确性、诊断表现、临床结局或患者安全。多数受访者未向医生披露AI使用，既往研究提示非披露可能与担心损害医患关系或被不认可有关；医疗服务提供者应主动适应消费者健康行为变化，鼓励患者分享AI生成信息以澄清误解或纠正错误信息。信任缺陷与多国证据及SA研究一致，Alshehri et al. (2026)报告低信任，Alharbi et al. (2026)观察到中度至高度信任且存在变异性。局限性包括横断面设计不能推断因果、样本高教育高收入限制外推、两轮招募残余选择偏倚、排除无经验者限制外推、自我报告可能带来错分/回忆偏倚/社会赞许偏倚、五分类使用频率二分类可能损失信息，故回归结果应视为探索性。研究结论部分翻译：本研究为SA健康消费者样本从生成式AI工具寻求健康建议的使用、影响和动机提供了证据。高使用与较年轻年龄、较高收入和更多就诊前使用相关。动机包括快速获取信息、节省时间和好奇心。研究结果显示，在感知从生成式AI工具寻求建议的有用性与信任其对患者安全的影响之间存在张力，原因包括不准确信息和遗漏严重诊断问题。大多数参与者报告未向医生披露其使用。未来工作需要医疗服务提供者、AI开发者、健康技术供应商和监管者密切合作，促进可信、透明的AI工具，并鼓励患者在临床会面中讨论AI生成健康信息。最后，本研究未评估不良临床结局，且由于研究局限，不能推广至SA或类似健康情境的所有健康消费者。
