谁值得信赖作为第二意见？比较医学AI和医生在乳房X光检查后活检决策中的集体建议

研究背景与问题

• 作者发现了哪些问题或挑战？
  随着人工智能（AI）逐渐在医疗领域中被采纳，其在患者决策过程中的影响仍不明确，特别是在当AI和医生的建议不一致时。现有研究中对患者如何在一致或冲突的建议中做出决定的理解不足。

• 为什么这个问题很重要？
  在乳腺癌筛查等高风险医疗场景中，早期正确的诊断对于患者的生存率至关重要。因此，明确患者对AI与医生集体建议的信任与依从程度，有助于优化医疗流程和设计更有效的AI决策支持系统。

• 研究动机与相关工作
  研究旨在探讨患者如何看待基于AI和医生的集成医疗决策，尤其是当两种建议冲突时。背景包括医疗AI在乳腺癌筛查和其他诊断领域的快速应用，该技术能提升诊断水平，但患者对其信任仍低于对医生的信任。认知不协调理论（Cognitive Dissonance Theory）被引入以理解冲突建议对决策的潜在心理影响。

解决方案

• 作者提出了哪些方法或解决方案？
  作者设计了一个混合研究方法，包括一个定性访谈研究（9名患者）和一个量化在线实验（339名参与者），用于评估AI与医生共同提供建议场景下患者的信任态度和行为。

• 该解决方案的创新之处是什么？

  1. 深入分析患者如何处理集体医疗建议中的一致性与不一致性。
  2. 定性研究揭示了患者对AI的独特期望（如“四眼原则”）。
  3. 量化实验通过现实案例描述与行为决策数据，探讨了患者实际决策与信任的联系。

• 实施步骤是什么？使用了哪些关键技术？

  1. 定性访谈：收集乳腺癌患者对AI诊断支持的看法，提炼关键主题，如患者的自主权、AI的同理心不足等。
  2. 量化实验：
     • 使用乳腺癌筛查的案例场景及视觉刺激，模拟患者面对AI和医生建议的真实情境。
     • 交叉设计不同的建议组合（AI与医生一致或冲突）。
     • 收集参与者的信任态度（7点Likert量表）与行为信任（建议依从性）数据。
  3. 数据分析：通过t检验和逻辑回归建模比较AI与医生之间的信任和决策依从性差异。

研究成果

• 取得了哪些具体成果？

  1. 定性研究：患者普遍希望通过AI第二意见实现更严谨的“四眼原则”，增强自主决策的能力，同时担忧AI缺乏对个体和情感的关怀。
  2. 量化研究：
     • 患者更信任医生（平均信任值为5.01）而非AI（平均信任值为3.71）。
     • 在一致建议下，99%的参与者依从建议进行活检；但当两者建议冲突时，参与者表现出风险规避行为，包括66%依从AI建议（如果AI建议活检）。

• 与现有解决方案相比，它有哪些优势？
  与单独考察人类医生或AI的研究相比，该研究首次系统地分析了集体医疗建议模式下患者的信任与决策行为，揭示了患者风险规避和信任动态之间的微妙关联。

• 实验或评估结果是什么？

  • 冲突情况下，参与者显著倾向于做更保守的风险规避选择（如进行活检）。
  • 即使AI的信任水平低于医生，当AI建议活检时，高达66%的参与者会依从AI的建议，这表明风险感知可能比信任态度更重要。

• 局限性与未来方向：

  • 局限性：
    1. 数据仅基于德国女性参与者，缺乏地域性与性别多样性。
    2. 实验是虚拟情景模拟，可能与现实中高压力下的决策行为有所不同。
  • 未来方向：
    1. 在全球范围进行跨文化研究，验证结果的普适性。
    2. 深入探索医疗AI设计中的情感支持功能和解释性增强功能。
    3. 研究更多临床场景（如心脏病学）下AI与医生合作的信任与依从性模式。

以上分析展示了该研究如何通过混合方法深入探讨医疗AI与医生联合作为建议提供者的信任动态，以及整合信任、风险感知和依从行为的复杂性。这为未来优化AI在医疗中的应用提供了重要启示。