《PLOS Digital Health》:Changes in the acceptance of artificial intelligence in medicine among physicians and the general public in Japan: A repeated cross-sectional comparison of 2018 and 2025
编辑推荐:
医疗人工智能(artificial intelligence, AI)已快速发展,但社会对AI熟悉度的提高是否伴随更愿意接受相对自主的AI主导照护仍不清楚。研究人员于2018年和2025年在日本使用同一问卷开展重复横断面在线调查(repeated cross-
医疗人工智能(artificial intelligence, AI)已快速发展,但社会对AI熟悉度的提高是否伴随更愿意接受相对自主的AI主导照护仍不清楚。研究人员于2018年和2025年在日本使用同一问卷开展重复横断面在线调查(repeated cross-sectional online surveys),并比较自报医师(self-identified physicians)与一般公众(2018年:399名医师和600名公众;2025年:300名医师和300名公众)。在两个群体中,评估使用医疗AI意向的条目平均应答在调查年份间均无显著差异,尽管对其有用性和未来必要性的评价持续积极。在医师中,2025年关于医疗AI改善临床效率潜力的未调整平均应答较高,但经年龄和性别调整后该差异不显著。在一般公众中,2025年医疗AI自评知识较高,同时对医疗AI增加医疗成本的预期也更高。这些发现提示,自评知识增加未必伴随使用相对自主医疗AI(relatively autonomous medical AI)意向的增强。因此,实施策略应在努力提高公众理解的同时,应对责任、安全、数据保护和医疗成本方面的担忧。
研究背景与问题:医疗人工智能(artificial intelligence, AI)已逐步进入医疗照护,用于支持临床诊断、治疗决策和运营效率。然而,医疗AI的接受度仍不确定,患者与公众对安全性、问责性以及AI在临床照护中的角色存在担忧。日本自2017年前后开始由政府主导推动医疗AI的社会化实施,因此有必要理解医务人员与一般公众的态度。Tamori et al. 在2018年开展的全国调查发现,医师总体比一般公众更积极并报告更高的使用意向,但两组均对法律责任和可解释性存在明显担忧。国际研究亦显示,感知有用性可与安全与问责担忧并存;医师可肯定AI临床有用性,同时担忧法律责任和可解释性。COVID-19疫情后,远程医疗和远程监测扩展加速了医疗数字化;近年大语言模型和生成式AI进一步增加公众与专业人员对AI技术的暴露,同时伦理、法律和透明性相关担忧加剧,提示接受度不仅取决于技术有用性,也取决于信任和适当治理。Yang et al. 报告,尽管生成式AI支持的临床决策被认为合理,但医师的感知能力和同行信任可能受到不利影响,说明社会和心理因素也塑造接受度。既往研究多依赖横断面调查,尚未使用同一问卷跨不同时间点考察变化。因此,本研究于2025年采用Tamori et al. 2018年所用问卷开展重复横断面调查(repeated cross-sectional survey),比较医师与一般公众在2018年和2025年的条目水平应答,并探索对相对自主医疗AI态度的潜在因子结构。
研究实施、结论与意义:研究人员使用同一问卷在2018年和2025年对日本自报医师和一般公众进行调查,比较医疗AI接受度的条目水平变化,并开展因子分析。研究结论显示,两个群体中使用医疗AI意向的平均应答在调查年份间均无显著差异;医师对临床效率潜力的未调整平均应答在2025年较高,但经年龄和性别调整后不显著;一般公众的自评知识在2025年较高,同时对医疗AI增加医疗成本的预期也更高。该研究提示,对AI熟悉度或自评知识的增加未必直接转化为使用相对自主医疗AI的意愿;实施策略需在提高理解的同时应对责任、安全、数据保护和医疗成本担忧。
关键技术与方法(不超过250字):本研究为重复横断面在线调查,2018年和2025年使用同一问卷,样本来自日本Rakuten Insight, Inc.商业在线研究面板;2018年最终纳入399名自报医师和600名一般公众,2025年纳入300名自报医师和300名一般公众。医疗AI定义为AI无需医师参与即可确定诊断和治疗方案。问卷含20个条目,参照统一技术接受与使用理论(Unified Theory of Acceptance and Use of Technology, UTAUT)设计,采用五级Likert量表,医疗成本条目为1=降低至5=增加。分析采用独立样本t检验、Cohen’s d、年龄和性别调整的有序logistic回归;以2018年数据行探索性因子分析(exploratory factor analysis, EFA),并对2018年和2025年数据行验证性因子分析(confirmatory factor analysis, CFA),采用对角线加权最小二乘(diagonally weighted least squares, DWLS);使用R 4.5.2、JMP和lavaan包。
结果:
医师2018年与2025年比较:医师“使用意向”2025年平均分为3.54(SD=1.02),与2018年的3.43无显著差异(p=0.16,d=0.11)。关于医疗AI改善临床效率潜力的条目在2025年为3.62(SD=0.87),高于2018年的3.44(SD=0.89),未调整比较差异显著(p<.01,d=0.21)。因两年度医师年龄分布不同,进一步行年龄和 sex 调整的有序logistic回归;调整后调查年份与使用意向(似然比χ
2=0.84,p=0.360)及临床效率潜力(似然比χ
2=0.66,p=0.415)均无显著关联;年龄与两个结局显著相关,性别不显著。
一般公众2018年与2025年比较:公众“使用意向”2025年平均分为3.35(SD=0.90),与2018年的3.23(SD=0.92)无显著差异(p=.06,d=0.13)。公众“医疗AI知识”条目2025年为2.29(SD=1.03),高于2018年的2.12(SD=1.01),差异显著(p<.05,d=0.16)。公众对医疗成本影响的感知条目2025年为2.95(SD=0.96),高于2018年的2.79(SD=1.04),差异显著(p<.05,d=0.17;1=降低,5=增加)。
探索性因子分析:基于2018年数据集的探索性因子分析(EFA)提示,医疗AI接受度可分为五个因子:“社会印象”“个人接受”“知识”“风险与责任(担忧)”“运行质量”。
验证性因子分析与五因子模型:使用2025年数据集(n=600)行验证性因子分析(CFA),五因子模型的CFI、TLI和SRMR分别为0.988、0.986和0.070,但RMSEA为0.088(90% CI,0.083–0.094),稳健RMSEA为0.103,提示总体模型拟合有限。标准化因子载荷方面,F1(制度与社会评价)和F2(个人接受)多数条目载荷较高(一般≥0.70);F2内Q5和Q20载荷较低(Q5:0.35;Q20:?0.117)。因子相关显示F1与F2相关很高(r=0.92),F1与F5、F2与F5亦呈较高正相关(r=0.65–0.76),提示五因子独立性有限。
三因子模型探索:为改善解释性并探索更简约表示,研究人员将F1、F2和F5合并为F′1(总体接受),保留F3为F′2(知识)、F4为F′3(担忧),并在2018年和2025年数据集中行CFA。三因子模型CFI和TLI在两个数据集中均超过0.97,但RMSEA在2018年为0.121(90% CI,0.117–0.125),2025年为0.106(90% CI,0.101–0.112),提示拟合不佳。F′2(知识)和F′3(担忧)标准化载荷较高、结构较清晰,而F′1包含较多异质性接受相关条目。三因子相关显示F′1与F′2中度正相关,F′1与F′3、F′2与F′3弱负相关。该三因子结构应视为探索性而非已验证测量模型。
讨论总结:本重复横断面研究比较2018年和2025年日本医师与一般公众对相对自主医疗AI的态度。主要发现是两群体使用医疗AI意向均无显著年际差异;医师对临床效率潜力的未调整平均应答较高,但调整年龄和性别后不显著;公众自评知识和医疗成本增加预期均较高。这说明对医疗AI的熟悉和对其实际影响的认知并未直接转化为更强使用意愿。因子分析提示态度是多维的,包括总体接受、知识和担忧,但模型拟合限制要求谨慎解释。医师未调整效率差异可能部分反映样本年龄构成差异;调整后无明确证据表明医师效率感知独立于样本特征而上升。熟悉度未转化为使用意向的可能解释包括:问卷描述的是无需医师参与确定诊断和治疗方案的相对自主医疗AI,对通用AI或医师辅助系统的更多暴露未必导致对更自主系统的使用意愿;知识增加可能同时提高对安全、诊断责任、问责、医学伦理和法律监管问题的认识;公众对医疗成本增加的担忧也可能抑制使用意愿。但问卷未直接评估使用或不使用原因,这些解释应视为假设。公众使用意向均值略升但无统计显著变化,自评知识显著增加,成本增加预期也显著增加,提示公众对医疗AI的社会和经济影响认识加深。Richardson et al. 报告患者和公众对医疗AI有积极兴趣,同时担忧安全、问责和医疗成本;Nong et al. 报告美国存在成本控制预期,提示成本影响感知因国家和医疗体系而异。研究定义的相对自主医疗AI较窄,不能直接推广至一般医疗AI或医师监督下AI辅助决策系统。EFA提示五因子,但CFA显示五因子判别效度有限,F1与F2相关很高,F5与二者亦相关;三因子模型虽更简约但RMSEA超过0.10,应视为探索性。知识与担忧弱负相关提示知识增加未必降低担忧;这与Shevtsova et al.(2024)将医疗AI信任和接受视为多维构造以及Heinrichs et al.(2025)在医师中识别“接受与期望”和“怀疑与焦虑”相对独立因子的发现一致。医疗AI接受可能并非单一连续谱,而是积极评价与担忧并存的多维结构。局限包括:重复横断面非同一个体随访,不能证明因果;无正式先验样本量计算,2025年样本量基于预算和可行性;未行正式测量不变性检验,不能假定问卷测量属性跨年等价;比较基于条目水平观察应答而非潜因子均值或复合得分;三因子模型拟合不理想;问卷定义较窄;未直接评估使用意向原因;日本医疗体系和社会文化背景限制外推,但日本老龄化社会和医疗AI较早实施可能为其他国家提供参考。
研究结论(译文):使用2018年和2025年在日本收集的重复横断面在线调查数据,本研究发现,在医师和一般公众中,使用相对自主医疗AI的意向在调查年份间均无显著差异。在医师中,感知临床效率的未调整增加经年龄和性别调整后不显著。在一般公众中,2025年自评知识较高,同时对医疗AI增加医疗成本的预期也更高。这些发现提示,熟悉度或知识增加未必导致使用医疗AI意愿增强。促进知情接受将需要在努力提高理解的同时应对持续存在的担忧。