《British Journal of Cancer》：Preferences for the use of Artificial Intelligence (AI) technologies to help detect skin cancer in primary care settings: a UK-wide discrete choice experiment (DCE)
编辑推荐：
背景：人工智能（AI）技术可帮助分诊可疑皮肤病变。本研究旨在考察全科医生（GPs）、患者及公众对于用于辅助检测皮肤癌的AI技术各项属性的偏好。方法：研究人员开展一项离散选择实验（DCE），采用在线调查，选择情境基于：假阴性率、假阳性率、成本、AI技术使用地点、
背景：人工智能（AI）技术可帮助分诊可疑皮肤病变。本研究旨在考察全科医生（GPs）、患者及公众对于用于辅助检测皮肤癌的AI技术各项属性的偏好。方法：研究人员开展一项离散选择实验（DCE），采用在线调查，选择情境基于：假阴性率、假阳性率、成本、AI技术使用地点、在不同肤色上的效能，以及指南推荐。数据采用备选特定条件logit回归模型（alternative-specific conditional logit regression models）分析。结果：2302名参与者完成调查。所有属性均显著影响受访者偏好。按相对重要性排序，全科医生（GPs）、患者和公众三组一致：假阴性率最重要，其次为该技术所基于开发和测试的皮肤色调。假阴性结果对全科医生（GPs）选择的负面作用显著强于其他组。参与者偏好由医护人员（HCPs）在全科诊所（GP surgery）使用AI技术，而非患者在家使用。结论：AI皮肤癌检测技术的实施应聚焦最小化假阴性率；使用涵盖所有肤色数据开发和测试AI技术至关重要；对AI技术的偏好可能对成功实施产生重要影响。
研究背景方面，皮肤癌包括黑色素瘤与角质形成细胞癌（鳞状细胞癌和基底细胞癌），是全球最常见癌症且多数人群发病率上升。英国全科咨询中约14%涉及皮肤科问题，可疑皮肤病变分诊占显著工作量，而紧急疑似皮肤癌转诊转化率低，皮肤科服务负担重。尽管AI已广泛用于皮肤癌检测研究，但尚无最优路径共识，且关于患者、公众与医护人员（HCPs）对这类新技术偏好的证据有限。实施新技术需理解利益相关者偏好，因此研究人员开展该项英国范围内研究，考察全科医生（GPs）、患者和公众对初级保健中辅助检测皮肤癌的AI技术属性的偏好及组间差异。《British Journal of Cancer》发表了该论文。
为开展研究，研究人员采用几个主要关键技术方法：通过系统综述与定性访谈研究识别属性，由患者与公众参与（PPIE）小组协助确定六项属性及水平；依托YouGov招募患者与公众、M3 Global Research招募全科医生（GPs），样本含300名GPs、425名患者、1577名公众，覆盖英国多地；设计八项选择任务、 fractional design 经Stata的-dcreate-生成16个情境并分块；用备选特定条件logit回归模型分析，计算相对重要性、边际替代率（MRS）、预测概率及潜类别分析（latent class analysis）。样本队列来源为患者为近5年因可疑皮损就诊者，公众为不符合患者定义者，GPs为市场调研库内合格者。
研究结果部分保留小标题如下。Responses and sample：研究人员共回收2304周期内2302份回复，三组人口学特征均衡但受教育程度偏高；多数支持AI，且更支持医护在诊所使用而非居家使用。Simple attribute ranking：假阴性率被三组均排最重要，成本最不重要。Regression analysis comparing attribute preferences：所有组偏好少假阴、少假阳、低成本、诊所医护使用、全肤色开发测试、指南推荐；GPs对假阴性率上升的负面敏感度最强，指南推荐对GPs正向作用大于患者。Relative importance of the attributes：相对重要性排序三组相同，依次为假阴性率、全肤色开发测试、假阳性率、成本、指南推荐、使用地点。Marginal rates of substitution：研究人员算出各属性以成本计意愿支付，如全肤色训练测试愿付约￡115，假阴性由14降至2每百人愿付￡81.12。Predicted probability that participants would select an AI technology over the gold-standard pathway：呈现A-H技术与金标准路径选择概率，GPs因重假阴性更偏好C而非A。Preference heterogeneity：潜类别分析分三类，Class 1重全肤色与指南、多为女性；Class 2重低假阴性、多为GPs与浅肤色；Class 3相对中立。
讨论部分总结：研究人员指出假阴性率最低是共同最核心偏好，GPs更强源于误诊责任与临床后果；全肤色通用性关乎公平与安全；医护在诊所使用优于居家与澳研究一致；成本虽排名不高但影响卫生经济与政策。局限性含假设选择、教育偏倚、未涵盖自主AI、英国体系外推慎取。
结论部分翻译：若干商用AI技术已用或近落地，NICE健康技术评估（HTE）呼吁更多转诊后远程皮肤科中黑棕肤色数据与效果证据；转诊前初级保健证据更少。本研究提供利益相关者偏好新证据，各组方向一致利于实施；低假阴性率最关键，全肤色开发测试亦关键，医护诊所使用受偏好。开发契合偏好可增加成功采纳可能，应特别关注减少假阴性并确保人群泛化性。
Key findings中研究人员强调六属性两组分析一致；How the findings relate to previous research指出与澳洲远程皮镜及基因风险研究呼应；Strengths and limitations说明大样本与定性支撑为优势，假设性、教育偏高、未评自主AI为限；Conclusions重申实施位点未定，需循证与符合偏好设计。
