面向以患者为中心的AI事实标签：利用外在信任线索

医疗保健中的人工智能技术有望应对众多挑战，但确保患者理解、信任和采用这些技术仍然是一个重大障碍。虽然人机交互社区提出了AI文档框架（如模型卡片）来增强理解，但患者视角在医疗AI文档中仍未得到充分探索。为了解决这一差距，我们基于现有框架设计了原型，并收集了18位参与者的反馈，以探索他们对心脏病学领域AI文档的看法，在这一领域，高风险AI工具的使用日益增加，理解用户对AI的信任至关重要。我们的发现揭示了患者对医疗AI技术更详细信息的需求、外在信任线索（如监管状态）的重要性，以及将AI文档整合到现有护理流程中的必要性。基于这些发现，我们讨论了两个设计含义：增强AI文档的患者中心化，以及利用外在信任线索来改进其设计。本研究通过放大患者在设计AI文档中的声音并提供有效利用外在信任线索的可操作见解，为人机交互社区做出贡献。