公众对AI医疗决策感知的结构方程模型研究

一项基于3915名受访者的结构方程模型研究显示，公众对AI医疗决策的感知受多种因素影响。对AI不同形式的熟悉度、对临床医生识别AI内容能力的信心、使用对话代理获取健康信息与感知有用性正相关；使用对话代理与感知风险负相关，而对AI熟悉度和依赖传统健康信息源则与感知风险正相关；感知公平性主要受临床医生能力信心预测。

该研究提供了公众接受AI医疗决策的实证证据，表明信任并非仅取决于技术性能，而是与对临床医生能力的信心及信息获取方式紧密相关，为设计面向用户的AI医疗产品提供了关键参考。

• 开发集成对话代理的健康信息产品，以降低用户对AI医疗的风险感知。
• 在设计AI诊断工具时，强调临床医生的监督与决策审核角色，增强用户对公平性的信心。
• 基于用户AI熟悉度分层，提供差异化的AI解释透明度，例如为高熟悉度用户展示模型细节。

• 研究样本是否有地域或文化偏差，结论能否推广到其他医疗体系？
• 临床医生对AI内容识别能力的信心如何客观衡量？
• 对话代理降低风险感知的效果是否随时间推移而持续？