《Scientific Reports》：Dentists’ acceptance of artificial intelligence-assisted decision support for oral potentially malignant disorder detection: a structural equation modeling study
编辑推荐：
# 摘要翻译
人工智能(AI)可能为口腔潜在恶性疾患(OPMDs)的早期检测与临床决策提供支持，但临床落地取决于牙科医生对AI辅助临床决策支持的接受度。本研究旨在运用扩展技术接受模型(TAM)识别牙科医生AI接受度的结构关联。研究人员对500名牙科医生开展横
# 摘要翻译
人工智能(AI)可能为口腔潜在恶性疾患(OPMDs)的早期检测与临床决策提供支持，但临床落地取决于牙科医生对AI辅助临床决策支持的接受度。本研究旨在运用扩展技术接受模型(TAM)识别牙科医生AI接受度的结构关联。研究人员对500名牙科医生开展横断面调查，采用验证性因子分析评估结构效度与信度，并采用结构方程模型结合bootstrap中介分析检验假设关联。扩展TAM显示出总体令人满意的测量学特性与良好的整体模型拟合。对AI的态度与行为意向的关联最强(β=0.550)，其次为AI辅助临床决策依赖(β=0.220)、感知有用性(β=0.180)、信任(β=0.140)和感知易用性(β=0.120)。显著间接效应均通过对AI的态度发挥作用。该模型解释了行为意向67.5%的变异。牙科医生对AI辅助OPMD检测决策支持表现出良好的行为意向，对AI的态度与行为意向关联最强，结果与扩展TAM一致。成功实施需要可解释系统、临床医生教育、信任构建及有效的工作流程整合。尚需纵向研究以确定这些关联能否转化为实际临床采纳。理解与牙科医生AI接受度相关的因素，可能有助于将AI辅助决策支持负责任地整合入口腔癌筛查路径。
# 论文主体解读
## 研究背景与问题
口腔鳞状细胞癌(OSCC)仍是全球重大健康负担，据GLOBOCAN 2020估计，每年新发病例超过377 000例、死亡约177 000例；尽管手术、放疗、化疗和靶向治疗不断进步，预后仍强烈受诊断分期影响，许多患者就诊时已属晚期。部分OSCC起源于临床可识别的口腔潜在恶性疾患(OPMDs)，包括白斑、红斑、口腔扁平苔藓和口腔黏膜下纤维性变，其恶变风险各异，早期识别与恰当管理是预防恶变、改善预后的关键机会。然而，良性与潜在恶性口腔病变的鉴别在临床上仍具挑战，早期病变常表现细微或非特异；口腔黏膜病变在常规牙科诊疗中又十分常见，因此细致的临床检查与及时识别需监测、活检或转诊的病变十分重要，OPMDs的临床异质性(如口腔扁平苔藓)进一步凸显准确风险评估与监测的必要性。
牙科医生常是常规检查中首先遇到可疑口腔病变的医疗专业人员，在OPMDs早期检测、风险评估与转诊中起关键作用；但牙科医生口腔癌意识与筛查实践的不足仍被持续报道，提示需要教育举措与创新性临床决策支持策略。人工智能(AI)，尤其是机器学习与深度学习，已展现出作为口腔医学临床决策辅助手段的潜力，系统评价、meta分析及多中心研究支持AI辅助决策支持在OPMD检测与口腔癌诊断中的潜力。尽管如此，向常规牙科实践的转化仍有限：多数研究聚焦算法开发与受控条件下的诊断性能，对临床医生接受度及影响其融入常规实践的因素关注较少；已报道的障碍包括信任不足、可解释性欠缺、工作流程整合困难、伦理法律顾虑及教育培训不足。Guo等(2026)亦将临床医生接受度与实施挑战列为AI用于OPMD评估广泛推广的主要障碍。
技术接受模型(TAM)是解释技术接受与使用最广泛验证的框架之一，感知有用性与感知易用性影响用户态度与行为意向；纳入信任、感知风险、促进条件等构念可提升其解释力，在技术直接影响临床决策与患者照护的医疗场景尤为如此。信任对AI辅助决策支持尤为重要，因为临床医生必须批判性评估AI建议，同时保留临床决策与患者照护的最终责任。尽管牙科对AI兴趣迅速增长，关于牙科医生在口腔医学中接受AI辅助决策支持的证据仍有限：既往研究多关注牙科学生与执业者对AI的认知、教育准备或总体看法，少有研究以理论驱动的实施框架和结构方程模型检验牙科医生接受AI辅助OPMD检测决策支持的决定因素；中低收入国家证据尤其稀缺。研究人员选择TAM，因其简洁结构直接捕捉从感知易用性、感知有用性到态度与行为意向的认知路径，并通过纳入信任与新开发的AI辅助临床决策依赖构念予以扩展。据此，本横断面研究旨在以扩展TAM评估牙科医生对AI辅助OPMD检测决策支持的接受度，具体考察感知有用性、感知易用性、信任、态度及依赖对行为意向的影响，并收集AI认知、既往接触、感知实施障碍与教育需求的描述性数据。
## 主要关键技术方法
研究为横断面问卷调查研究，遵循STROBE指南，经英国大学埃及牙学院研究伦理委员会批准(批件号26–040)。研究对象为在埃及执业的持证牙科医生，通过学术机构、政府医疗机构、私人诊所与专业牙科网络招募；纳入全科医生、专科医生、顾问、教职人员及研究生住院医师，排除本科生、退休或非执业者、重复作答及缺失数据严重者。样本量先验以G*Power 3.1.9.7按多元线性回归估算(中等效应量f2=0.15，α=0.05，power=0.80，最少118人)，鉴于主要分析为含6个潜变量、25个观测指标的验证性因子分析与协方差结构方程模型，预设目标样本500人，最终分析样本500人。问卷改编自经验证的TAM量表及既往AI采纳问卷，共35个条目、8个部分，Likert 5级计分；经5名多学科专家内容效度评审，并在20名牙科医生中预试验(预试验数据不纳入分析)。新开发的AI辅助临床决策依赖(AICDR)4条目量表未经探索性因子分析或独立量表开发样本，直接在分析样本中经CFA评估。数据分析使用Python 3.10，pandas、NumPy、SciPy进行描述统计，semopy(2.3.11)以最大似然法完成CFA与CB-SEM，采用Cronbach's α、组合信度(CR)、平均方差提取量(AVE)、Fornell–Larcker准则与异质—单质比率(HTMT)评估信效度，以5000次bootstrap重抽样(95%CI)检验间接效应，并以Harman单因子检验评估共同方法变异。
## 研究结果
**参与者特征**：500名埃及执业牙科医生平均年龄40.30±12.82岁，女性占60.8%(n=304)，60.2%(n=301)临床经验超过10年；专业以牙周病学(22.4%)、全科牙科(19.0%)和口腔医学(17.2%)居多；主要执业于学术(43.2%)或混合(31.0%)机构；仅26.0%(n=130)接受过口腔癌筛查正式培训，74.0%(n=370)无既往正式培训。
**研究构念的描述统计与信度**：各构念呈中至高分，对AI的态度(4.05±0.88)与行为意向(3.92±0.85)最高，其次为感知有用性(3.84±0.92)，信任与AICDR分别为3.68±0.86和3.69±0.86，感知易用性最低(3.52±0.73)；各多条目量表Cronbach's α为0.662(PEOU)至0.945(态度)。
**研究构念间的双变量关联**：Pearson相关显示所有构念间均呈显著正相关(p<0.001)，系数0.424~0.798；行为意向与态度相关最强(r=0.798)，其次为感知有用性(r=0.687)与信任(r=0.688)，与感知易用性中度相关(r=0.538)；感知有用性与态度(r=0.769)、信任(r=0.758)强相关，信任与态度亦强相关(r=0.785)；AICDR与信任(r=0.722)、态度(r=0.721)、感知有用性(r=0.711)关联最强。
**测量模型评价**：CFA显示多数指标标准化载荷满意，但PEOU条目"使用AI不会显著增加我的临床工作量"载荷仅0.170(其余三条目为0.742、0.864、0.697)；因四条目PEOU为理论预设，主分析保留该条目并以敏感性分析考察。CR为0.736~0.944，AVE为0.453~0.810，PEOU的AVE=0.453(CR=0.736)处于临界；Fornell–Larcker准则及HTMT(0.528~0.842，均低于0.85)支持区分效度。总体测量模型信度与区分效度基本满意，但PEOU存在临界AVE与一个低载荷条目。
**结构方程模型**：结构模型整体拟合良好(χ2/df=2.41，CFI=0.962，TLI=0.956，RMSEA=0.053，SRMR=0.044)。主模型(四条目PEOU)中所有假设路径均显著：态度对行为意向的直接关联最强(β=0.550，p<0.001)，其次为AICDR(β=0.220)、感知有用性(β=0.180)、信任(β=0.140)和感知易用性(β=0.120)；感知易用性与感知有用性强关联(β=0.620)，感知有用性(β=0.480)与信任(β=0.400)均与态度显著关联；模型解释感知有用性38.4%、态度64.8%、行为意向67.5%的变异。Bootstrap中介分析显示三条预设间接路径均显著：感知易用性经感知有用性与态度对行为意向的间接效应β=0.164(95%CI 0.118–0.214)，信任经态度β=0.220(95%CI 0.165–0.282)，感知有用性经态度β=0.264(95%CI 0.198–0.339)，均p<0.001。
**共同方法偏倚评估**：Harman单因子分析显示首个未旋转成分解释总变异的55.51%，超过常用50%的经验阈值，提示可能存在共同方法变异但不足以据此确定其存在或程度；所有HTMT低于0.85，但信任—态度间HTMT=0.842较高，提示构念重叠需谨慎解读；总体而言不能排除共同方法变异，信任→态度与态度→行为意向等关联应谨慎解释。
**其他发现**：参与者对AI技术的认知与既往接触为中等水平(认知条目均值约3.0~3.5)；尽管既往AI辅助诊断系统经验有限，受访者强烈愿意接受未来AI相关培训，其中"I intend to seek training to improve my ability to use AI in dentistry"同意度最高(4.12±0.89)；工作流程整合与临床工作负荷增加是最常报告的障碍，而参与者强烈同意AI可改善OPMDs早期检测、转诊决策与临床决策。
**感知易用性构念的敏感性分析**：原四条目PEOU的Cronbach's α为0.662，工作量条目校正条目—总分相关0.185、标准化载荷0.170，删除后α升至0.804；重新估计测量模型得载荷0.740、0.870、0.692，AVE=0.594，CR=0.813。以三条目PEOU重新估计全结构模型，PEOU仍与感知有用性正相关(β=0.459，p<0.001)，模型解释感知有用性21.1%、态度68.7%、行为意向68.9%的变异；若干结构估计发生变化，包括PEOU→BI关联增强(β=0.210，p<0.001)及信任→BI不再显著(β=0.050，p=0.271)；5000次bootstrap亦支持指定TAM路径的显著间接关联。因四条目PEOU为预设理论构念，研究保留其为主分析，三条目结果仅作为敏感性分析。
## 讨论部分总结
讨论指出，AI已成为医疗领域最具变革性的技术之一，在口腔医学中用于OPMDs早期检测、诊断与决策支持的应用日益增多；OPMDs早期识别是重要临床优先事项，延迟诊断显著增加恶变风险并导致更差预后。AI在常规牙科实践中的成功实施不仅取决于技术性能，还取决于临床医生采纳、信任与恰当整合的意愿；AI应被视为补充而非替代全面临床检查、专业判断及必要时的组织病理学确认的临床决策支持工具。
测量模型具备足够心理测量学质量，构念的充分区分表明牙科医生能区分AI易用性、有用性、可信性及由此形成的态度与行为意向等相关但概念不同的感知。PEOU虽AVE略低于阈值，但其CR与总体测量性能按既有SEM指南仍可接受，不影响其纳入模型；模型支持将采纳理解为可用性、感知临床价值、信任与依赖等相互关联但可区分维度的更细致解释。
主要发现之一是参与者对AI辅助技术总体持积极态度，尽管仅四分之一曾接受口腔癌筛查正式培训，报告了高感知有用性、积极态度与强行为意向；这与国际上牙科医生对AI辅助诊断普遍热情但承认教育、实践暴露与实施指导不足的观察一致，也与埃及研究生牙科学生的近期研究相呼应。高接受度与有限正式培训并存值得注意，可能反映对AI潜力的乐观而非基于经验的信心，因此积极态度不应被视为牙科医生已具备安全批判性使用AI的充分准备，结构化教育、动手实践与恰当人工监督指导可能是将积极认知转化为胜任临床使用的必要条件。
与原始TAM一致，感知易用性与感知有用性强正相关；PEOU虽与行为意向有显著直接关联，但其影响经感知有用性与态度的间接路径大为增强，提示单纯可用性在技术临床价值不明时可能不足以驱动采纳，直观系统设计主要通过使临床医生认识AI辅助诊断的实际临床获益而促进采纳。这印证了TAM的核心前提：临床医生主要在感知到诊断准确性、效率、生产力与患者照护明确改善时才受激励采纳新技术。在OPMDs背景下，众多AI系统已显示识别潜在恶性口腔病变的良好诊断准确性；但感知有用性应与已证实的临床有效性相区分，研究环境中的良好诊断性能不一定意味着在常规实践中改善患者结局或诊断路径，未来实施研究应检验感知有用性能否转化为诊断准确性、转诊适当性、工作流程效率与患者结局的可测改善。
信任与态度显著关联，并经态度对行为意向产生显著间接关联，这与强调临床医生须将AI视为可靠、透明、临床可信后才采纳其建议的当代AI采纳框架一致；本研究中信任的重要性扩展了传统TAM视角，表明涉及临床决策时感知有用性可能不足——牙科医生可能认可AI潜在有用，但若无法判断何时或为何应信任其建议，仍不愿采纳。可解释AI、透明算法开发、外部验证与持续上市后监测可能在增强临床医生信心方面发挥基础作用；同时信任不应等同于无条件依赖，恰当临床实施需要"校准的信任"，牙科医生应理解AI的能力与局限并保留整合其输出与临床检查及其他诊断证据的责任，伦理考量(问责、公平、隐私、算法偏倚)亦须伴随技术发展。
本研究的显著贡献是将AI辅助临床决策依赖作为传统TAM的扩展；与感知有用性或信任不同，该构念专门评估临床医生在保持专业责任的同时将AI建议整合入真实诊断决策的意愿。在控制所有传统TAM构念后，AICDR仍与行为意向独立正相关；该区分对OPMD检测尤为重要，因为AI的临床价值最终取决于其输出如何融入进一步检查、转诊、活检或监测决策。既往基于TAM的医疗AI采纳研究多强调感知有用性、易用性、信任与态度，本发现将传统技术接受模型从一般使用意愿扩展至临床医生是否准备将AI生成信息纳入诊断推理这一更具临床特异性的问题。
总体而言，牙科医生对AI辅助OPMD决策支持的接受最好理解为多维过程而非对技术能力的单一反应：感知易用性似乎促进对临床有用性的认识，感知有用性与信任塑造总体评价并进而影响使用意向，AICDR的额外贡献提示临床AI接受涉及从认识潜在获益到考虑AI信息能否恰当纳入专业决策的转变，这对AI输出可能影响活检、转诊、监测与早期癌症检测决策的口腔医学尤为重要。
讨论同时指出AI辅助OPMD检测的技术与临床局限：AI性能强烈依赖训练与验证数据的质量、多样性与代表性，病变患病率、患者特征、成像设备、采集条件与标注实践的差异可能限制跨人群与场景的泛化性，这对临床与形态异质性显著的OPMDs尤为相关；AI可能产生假阳性或假阴性建议，尤其对细微、交界或早期病变，假阴性可致转诊、活检或诊断延迟，假阳性可致不必要检查、转诊、患者焦虑与医疗资源使用；AI输出应视为决策支持信息而非全面临床检查、专业判断或必要组织病理学评估的替代；常规临床实践的前瞻性证据仍有限，需进一步评估AI辅助OPMD检测能否超越回顾性或受控数据集中的性能而改善诊断路径与患者结局。监管与医疗法律问题亦需在常规临床实施前予以关注，包括AI输出与专业判断冲突时的问责、算法决策透明度、错误责任、数据治理、验证要求与部署后监测，需明确的机构与监管框架；因此临床医生接受度不应等同于临床实施准备度，负责任采纳需要经过恰当验证的系统、透明的性能报告、人工监督及明确的专业与监管责任。
态度与行为意向直接关联最强，并作为连接感知有用性、信任与技术采纳的显著中介；中介分析表明对AI的良好感知主要通过形成积极态度而非仅直接效应与更高行为意向相关，这与TAM3及表明态度是认知信念影响行为意向重要机制的meta分析证据高度一致；因此实施策略不仅应改进技术性能，还应通过教育、展示临床获益与实践体验机会培育临床医生积极态度。结构模型解释行为意向67.5%的变异，显示可观解释力，与既往医疗技术接受研究相比亦属良好，较高解释力可能部分反映纳入信任与AICDR这两个捕捉AI支持临床决策特有心理维度的构念，说明在研究AI支持的医疗决策时以信任与临床特异性依赖构念扩展经典TAM的潜在价值。
从临床视角看，AI辅助口内照片及其他临床数据分析可通过改善病变识别、减少临床医生间差异、促进风险分层及更一致的转诊与活检决策，支持常规牙科检查中的机会性口腔癌筛查；由于许多患者首先就诊于全科牙科医生而非口腔医学专家，AI决策支持系统可能在初级保健层面增强高风险病变的早期识别、缩短诊断路径并减少专科转诊与确诊延迟。工作流程整合是主要感知障碍之一，表明成功实施不仅取决于诊断准确性，还取决于有效融入现有临床流程；AI系统应与电子牙科记录、数字影像平台、转诊路径、多学科口腔癌网络与远程会诊服务无缝整合而不增加就诊时间或行政负担，此类互操作性可能促进实时临床决策支持，在专科资源较少的欠服务或地理偏远地区尤为如此。
尽管对AI态度积极，参与者对AI技术熟悉度仅为中等且正式培训有限，凸显接受度与实施准备度之间的重要差距；这与既往提示牙科医生口腔癌意识与筛查准备不足的证据一致，提示AI辅助决策支持系统在恰当整合入临床流程时可能有助于标准化病变评估并改善转诊与活检决策。教育举措应优先关注AI素养、算法输出的批判性解读、伦理决策及将AI纳入循证临床路径；AI能力应逐步纳入本科与研究生牙科教育，继续职业发展项目应提供对经验证AI系统的监督下实践暴露；同时教育者、专业组织、政策制定者、开发者与监管机构之间的合作对建立促进AI在口腔医疗中安全、透明、可解释与负责任使用的治理框架至关重要。
据研究人员所知，本研究是首批以严格评估的协方差结构方程建模框架评价牙科医生对AI用于OPMD检测接受度、并将AICDR作为扩展TAM中独立构念检验的研究之一；研究全面评估了测量效度、信度、直接与间接关联、中介路径与解释变异，较大样本量增强了方法学稳健性。局限性包括：横断面设计限制因果推断，结构方程模型仅检验与理论模型一致的关联，不能确立时间先后或因果；研究评估行为意向而非实际临床使用，R2=0.675仅表示模型解释样本中陈述性使用意向的变异，不应解读为解释实际临床采纳，行为意向未必直接转化为常规使用；多数参与者对AI诊断技术直接接触有限，回答可能反映预期而非基于经验的感知，自我报告亦可能引入应答偏倚，Harman单因子分析首因子解释55.51%变异提示共同方法变异不能排除，信任与态度间较高HTMT(0.842)亦需谨慎解读；PEOU一个条目校正条目—总分相关与因子载荷偏低，虽敏感性分析显示删除后测量特性改善，仍因理论相关性保留预设四条目模型，属测量局限并需独立样本进一步验证；开放式电子招募无法计算传统应答率，可能引入选择偏倚，对AI或口腔癌筛查兴趣更高者可能更可能参与，结果未必直接推广至医疗基础设施、监管环境或AI实施水平不同的国家；负责任的临床实施还要求对AI参与患者评估保持透明，患者应被告知AI对其临床评估的贡献并遵循适用伦理与机构要求履行知情同意。未来研究应考察实际AI使用、临床医生接受度的纵向变化、教育干预、治理框架及不同医疗环境中的真实世界临床性能。
**结论翻译**：埃及牙科医生对AI辅助OPMD检测与评估的决策支持表现出良好的行为意向。在所提出的TAM框架内，感知有用性、信任、态度及对AI辅助临床决策的依赖均与行为意向显著相关。这些发现反映的是陈述性行为意向而非实际临床使用，且不能确立因果关系。转化为实践将需要经外部验证且可解释的AI系统、前瞻性真实世界评估、临床医生教育、恰当的工作流程整合以及明确的监管与专业问责。目前AI应被视为在适当人工临床监督下的补充性决策支持工具，而非专业判断的替代或确定性诊断工具；当有组织诊断指征时，组织病理学检查仍是参考标准。在AI参与患者评估的情况下，应依照适用的伦理、机构与监管要求保持适当透明并履行知情同意。
