摘要:在分析医疗领域人工智能应用的现状和该领域存在的挑战性难题的基础上,聚焦研究医疗领域人工智能应用如何影响患者对医生的信任。对近6年国内外发表的相关文献(来源于领域8个权威数据库)进行筛选、综述和分析,将医疗领域人工智能应用分为诊断、治疗和康复3个应用类别。医疗领域人工智能应用在适应和改善医疗服务的同时,对传统医患关系也带来新挑战。探索性地提出了医疗领域人工智能应用中患者对医生信任的分析框架,并基于此分析框架,重点论述了医疗领域人工智能应用如何影响医患沟通、知识信息储备和环境条件,进而影响患者对医生的信任。本文研究表明,医疗领域人工智能应用能够通过影响医患沟通、知识信息储备和环境条件而有助于增强患者对医生的信任。建议应进一步建立和完善相关法律法规、引导医患双方自觉遵守伦理准则规范、强化质量监测和使用评估,以促进医疗领域人工智能的应用更好地增进患者对医生的信任。
“人工智能”在2017年全国两会政府工作报告中出现后,在历年的政府工作报告中被多次提及。党的二十大报告提出,要构建人工智能等新的增长引擎;国家“十四五规划”和“十四五生物经济发展规划”涉及了数字化医疗中心建设、5G+医疗健康、人工智能医疗器械监管等方面,积极推动了人工智能影像、人工智能诊疗、手术机器人等一批医疗领域人工智能的研发和应用。我国已在逐步建立医疗领域人工智能标准体系,对人工智能进行明确地定义和说明[1]。在此背景下,医疗领域人工智能应用场景正在我国逐步展开,如“小布AI医生”将国家儿童医学中心和复旦大学附属儿科医院积累的诊断经验浓缩提炼,不断学习以提高其在儿科门诊辅助诊断的决策能力,给患儿及其家庭带去更优质、可得、普惠的医疗服务,弥补儿科医生不足、医疗资源分布不均等问题。新冠疫情期间,短期内患者数量激增,使得医院管理和疾病管理的效率和安全受到考验[2]。实践表明,人工智能切实辅助了疫情期间的疾病救治和医院管理,如使用人脸识别技术和温度传感器技术进行防控、使用机器人降低交叉感染、使用知识图谱技术进行药物研发、通过远程门诊等方式使患者的医疗需求得到更好满足[2]。
医疗领域人工智能在应用发展和推广中,能够自主地从知识库和经验中学习以不断提高其性能,实时适应和优化改善医疗服务[3]。然而,人工智能在给传统医疗带来益处的同时,也为传统医患关系带来一系列潜在的、尚未解决的挑战性问题,包括安全性问题[4]、责任归属性问题[5]、透明性问题[6]、工作量问题[7,8]以及拟人性问题等[9]。我国的实践表明,有限的医生资源尚不能完全满足所有患者问诊的需求,尤其在应急事件发生时,为实现随时、随地、高效率和高质量地诊疗患者的目标,一种可行的办法就是采用人工智能在医疗服务中进行辅助。人工智能有潜力解决因医生资源不足或患者需求不被满足而导致的医患矛盾,改善医患关系。但是,人工智能存在的局限性和风险若无法妥当处理,会使患者对医生更不信任,对医患关系不利。随着人工智能技术发展和监管的不断完善,医疗领域人工智能应用对于改善医生资源不足、患者需求未被满足和医患关系紧张等难点问题,在一定层面能更好地体现以人为本的医疗服务理念,提升医疗服务质量,改善和促进患者对医生信任。传统医患关系是医生和患者两者之间关系,医疗领域人工智能应用中,医患关系是医生、患者、人工智能三者之间关系。医患关系直接影响医疗服务质量,而患者对医生信任是医患关系中的核心。因此,系统深入研究医疗领域人工智能应用如何影响患者对医生的信任,对于医疗领域人工智能应用的健康发展具有重要意义。
本文基于对相关文献的系统综述和分析,梳理医疗领域人工智能应用的研究现状,分析医疗领域人工智能应用对传统医患关系带来的挑战性问题,剖析医疗领域人工智能应用影响患者对医生信任的主要因素。针对医患沟通、知识信息储备和环境条件这3个因素,探究医疗领域人工智能应用如何影响患者对医生信任的机理,并据此探讨医疗领域人工智能应用中患者对医生信任分析框架。从伦理、法律和监管等方面,提出医疗领域人工智能应用增强患者对医生信任的措施建议。
1、研究方法
为深入研究医疗领域中人工智能应用如何影响患者对医生的信任问题,首先进行了系统全面的文献综述分析,确定综述问题、选择关键词和文献数据库和筛选文章,讨论综述结果[10]。基于近6年国内外发表的相关文献(来源于领域8个权威数据库)进行筛选、综述和分析,紧紧围绕医疗领域人工智能的概念定义和应用现状、医疗领域人工智能在应用中带来的挑战性问题、以及医疗领域人工智能应用如何影响患者对医生信任的主要影响因素进行了综述。选择了适用于计算机科学和健康/医疗领域的权威文献数据库,分别为ScienceDirect、SpringerLink、PubMed、ACM、Nature、万方数据库、中国知网和中国期刊网的相关文献进行检索。检索关键词包括“医疗(Healthcare)”“健康(Health)”“人工智能(Artificial Intelligence)”“深度学习(Deep Learning)”和“机器学习(Machine Learning)”及其组合。对于有关人工智能应用中患者对医生信任的相关文献检索时,在包含以上关键词的同时,加入“信任(Trust)”“患者信任(Patient Trust)”“患者对医生信任(Patient-doctor Trust)”和“医患关系(Patient-doctor Relationship)”,并充分参考了早期有关患者对医生信任和医患关系的代表性文献。收集了302篇原始文章作为最初的文献语料库,对这些原始文章进行分析和筛选。筛选过程中,仅包含过去6年(2018年1月- 2023年9月)内发表的期刊文章;仅包含关于人工智能在医疗领域应用的相关发表;仅包含目前已有落地应用的医疗领域人工智能研究,仍在研发中的医疗领域人工智能研究没有被纳入;合并来自多个数据库的文章,清除重复内容,最终确定其中的63篇文献并据此开展本文研究。
2、医疗领域人工智能应用研究现状
人工智能是指计算机软件模拟人类认知过程的方式,被定义为机器的智能,而非人类或其他生物物种的智能[11]。人工智能系统具有预测问题或在问题出现时处理问题的潜力,能够以智能的和自适应的方式运行[3]。实现人工智能的其中一种方式是机器学习,指机器通过遵循算法或规则以模仿人类的认知功能进行学习和解决问题[12]。机器学习又可分为“监督学习”“无监督学习”和“强化学习”[12,13]。其中,监督学习是指利用标记数据或注释的信息,根据输入将其映射到输出函数的过程,例如利用已知肿瘤的标记X光图像检测新图像中的肿瘤[12]。无监督学习是指从未标明或归类标签的数据中提取信息和学习,以识别数据中的共同特征,例如对有相似症状的患者进行分类以确定共同病因[13]。强化学习是指通过试错和示范策略学习,以获得最大回报的结果[13]。深度学习是指使处理器接触大量数据示例进行学习,推动了图像和语音识别领域的发展和进步[3]。
医疗领域人工智能应用是指将包括机器学习和深度学习等人工智能技术应用于医疗领域,以提升医疗水平[14]。1970年,基于规则方法的决策支持系统被提出,用于协助医生解释心电图、制定诊断决策以及选择适当治疗方法[15]。当时,该系统需要人工编写和更新,依赖于专家对医疗知识的输入和决策规则的制定[15]。而目前,人工智能技术根据要解决的任务类型,从数据中识别和学习以进行解释和决策,有能力发现数据中先前未被识别出的规律和特征,过程不再需要人工为每项具体任务输入决策规则[3,16]。目前,医疗领域人工智能在疾病识别、疾病筛查、疾病分析、医学影像、医院管理和药物开发等方面已有产品落地和应用[14,16,17]。文献综述和分析结果表明,研究者们常将人工智能的应用分为诊断环节应用、治疗环节应用和康复环节应用。
2.1 诊断环节(Diagnosis)
诊断环节的目的是确定患者是否受到疾病的影响,确定患者的症状原因[18]。目前诊断环节的医疗领域人工智能已有以下应用:①人工智能咨询平台,进行智能分诊、智能导诊和智能预问诊,针对患者的主诉智能匹配医生和科室,协助医生收集患者的信息,有效缓解医院排队长和等待时间长的问题,为患者诊断提供线上新渠道[19]。②人工智能疾病检测,通过症状描述和病灶分析,检测疾病特征和类型[20]。例如皮肤科或眼科,患者可以通过上传图片,人工智能辅助医生识别和检测疾病[21,22]。③人工智能医学成像,通过人工智能辅助对部位进行处理和分析,辅助医生发现和分析损伤[23]。④提高诊断安全,人工智能有潜力辅助提高诊断的精度,协助医生解答各种诊断中的问题[4]。⑤人工智能辅助医生提供诊断服务,人工智能可以从创建健康检查档案到处理患者记录,协助医生更有效地完成诊断流程中的工作任务[24]。通过将一些重复性的任务自动化,医生可以更多地发挥自身优势,有更多时间与患者互动,有利于构建和谐的医患关系[5]。
2.2 治疗环节(Treatment/Therapy)
治疗环节的目的是采取有效的措施和方案,使患者身体恢复或部分恢复特定功能,并对患者的病情进行管理和护理[25]。目前治疗环节的医疗领域人工智能已有以下应用:①在手术治疗中,通过智能手术辅助机械手臂和手术机器人等,提高手术的精确度和准确性,使远程手术成为可能,辅助提供更精确、安全、清洁的治疗过程和环境[26,27]。②在放射治疗中,可以利用人工智能辅助医生勾画靶区和危及器官的轮廓,节约时间,提高精度[28]。③在药物治疗中,人工智能辅助设计和开发新药,精准防治,推动临床试验设计和药物生产流程优化的同时,为患者制定个性化的治疗方案[29]。④治疗过程中的物流和服务提供,例如基于算法为患者和医生及时供应药品和治疗设备,通过分析临床数据和病例预测治疗中可能出现的不安全情况,辅助进行治疗方案的制定[24]。
2.3 康复环节(Tecovery)
康复环节的目的是使患者在各方面恢复到患病前的程度或更高的程度[30]。目前康复环节的医疗领域人工智能已有以下应用:①可穿戴监测设备,通过从生活中获取有关患者关注的健康信息,例如通过深度学习配合硬件设备检测患者心房颤动,学习患者惯常心率,如果与预期值有显著差异发出警报,对患者康复中的体征监测有重要意义[31]。②智能康复训练,例如康复机器人在运动治疗过程中为患者的肢体提供物理支持和引导[32]。③智能诊后随访,通过语音识别等技术定期了解患者的病情变化和康复情况,对患者进行康复指导[24]。④虚拟康复助手,通过提供智能的个性化功能和心理康复计划,辅助患者进行管理[33]
已有的研究表明,在诊断环节、治疗环节和康复环节中,患者的特征(如疾病严重程度)、医生的职责(如医生角色)以及人工智能的应用有所不同,因此,医疗领域人工智能应用如何影响各个环节中患者对医生信任的影响程度也不同。综上,本文认为,讨论医疗领域人工智能分别在诊断环节、治疗环节和康复环节的应用,能够更便于研究医疗领域人工智能应用如何影响患者对医生信任的问题。
在诊疗过程中,人类医生和人工智能各有独特的优势和特点,在提供医疗服务方面可以互补。美国医学协会认为人工智能在医疗领域的作用是增强,而不是取代人类医生的工作[34]。在这种关系下,患者对医生信任仍是和谐医患关系的核心,也是医疗领域成功实施医疗领域人工智能应用的关键。因此,需首先对医疗领域人工智能应用为传统医患关系带来的一系列挑战性问题进行讨论,进而探讨医疗领域人工智能应用对于影响患者对医生信任的主要影响因素,分析如何设计、实施和整合人工智能,以支持促进医疗领域人工智能应用中患者对医生的信任。
3、医疗领域人工智能应用中的挑战性问题
随着医疗领域人工智能应用技术的不断发展,其有潜力改善医生和患者之间医疗服务提供的质量。然而,医疗领域人工智能应用所带来的社会影响,也可能会为传统的医患关系带来了一系列不确定性和挑战性问题。
3.1 知情问题和“黑箱”问题
文献指出,有必要研究在何种情况、是否以及多大程度保证人工智能在诊断、成像和手术等医疗领域应用,患者和医生对人工智能的知情同意原则[35]。有学者认为,如果医生不能合理地告知患者人工智能被使用的原因,就所使用人工智能的形式、数据以及可能存在的偏差等对患者介绍,则可能导致患者对医生的不信任[36]。“黑箱”也可能使医生难以完全理解和解释其技术原理,那么医生需要在多大程度上对患者披露他们无法完全理解人工智能的原理?同时,例如人工智能支持的智能配餐、用药提醒等应用程序在嵌入患者生活带来便利的同时,也为患者带来知情同意的问题[37]。与传统的知情同意程序不同,人工智能平台的用户协议在没有面对面对话情况下签订的条款,患者是否充分了解?负责任的用户条款是什么样的?当面向患者的人工智能应用将收集的患者信息反馈给医生时,医生如何处理这些数据具有挑战性,而患者对医生的信任能够缓解这种挑战性。
3.2 安全性问题
人工智能在医疗领域应用带来的安全性问题是对医患关系的挑战性问题之一[38,39]。例如IBM Watson使用人工智能算法评估患者病历信息,帮助医生为患者探索和制定患者的详细治疗方案,却被指出没有使用真实的患者数据,而只是用一些医生设计的“合成病例”数据进行训练,从而给出的治疗建议“不安全、不正确”[40]。这个例子表明,训练人工智能的数据集的可靠性、有效性和透明度,是实现人工智能的潜力、保障患者安全的关键。训练数据集越安全、可靠、有效,算法越完善,人工智能的表现就越好,输出结果越准确[4];其次,为了保证患者的安全,以及对人工智能和医生的信心,需确保训练数据集合适程度的透明度。而医疗领域人工智能应用开发者也应具有足够的透明度,对所使用的数据种类和软件的缺陷或偏差进行披露[41]。训练数据的公开和透明度,有利于患者更好地理解医生的意图,对于患者建立对医生的信任起到积极作用。
3.3 偏见和公平性问题
人工智能不仅有能力改善医疗服务提供的深度和广度,使专业知识的分布更加广泛,使医疗的提供更加普及[6]。然而,人工智能系统或人类训练的算法,其可信度、有效性和公平性取决于所训练的数据,如果数据出现偏见,则可能导致不公平和不准确[42]。因此,医疗领域人工智能应用开发过程的每个阶段应尽量减少潜在偏见,避免造成在患者性别、年龄、地区等方面的不公平。训练数据集、开发人员和人工智能使用的环境等都可能导致人工智能结果的偏差[43]。例如在涉及基因型相关信息的医疗领域,有偏见的人工智能可能会导致对某一类人群的错误诊断,使得这类患者群体的治疗无效[44]。随着数据可用性的提高,以及更好地从少数人群中收集数据,明确算法对人群的适用性,可以使更多患者受益[45]。
3.4 隐私性问题
如果人工智能对个人隐私侵犯的问题不能得到有效解决,那么将其成功融入医疗领域和成功实施会带来风险,对患者对于医生信任也不利[46]。除了收集数据的问题,保护患者的数据以避免医患关系之外的用途也是文献中所提到的挑战性问题之一,这些不当的用途可能会对患者造成不利的影响[8]。患者的数据应以多大程度与医生共享,医生以多大权限操作这些数据作,都会影响患者对医生保护自己隐私的信心。另外,患者是否有权撤回自己已共享的数据,不会对医生的工作造成困扰,影响着医生和患者之间的关系以及整体医疗的效率[8]。
针对以上人工智能的社会影响和治理问题,国内外已发布多项有关人工智能的伦理指南,呼吁开发和应用使人类受益并不被伤害的人工智能。英国纳菲尔德生命伦理委员会对医疗领域人工智能开发和应用带来的安全、算法、数据和公众信任等问题进行了伦理分析[47]。美国医学会倡导对人工智能的临床应用进行验证和评估,认为需对人工智能系统潜在的风险和利益进行评估[34]。针对人工智能及人工智能治理问题,“熟悉程度”和“治理手段”被认为是治理的有效途径,即熟悉并参与人工智能系统,以及以适当的控制手段来治理人工智能的开发和部署,是促进医疗领域成功实施人工智能的必要条件[48]。我国国家卫健委发布了《关于加强全民健康信息标准化体系建设的意见》,指出要推动我国人工智能在医疗应用中的标准化建设,为我国人工智能在医疗中的合理应用提供了标准支持。
为了在医疗领域更好地发挥人工智能的重要作用,有关医疗领域人工智能应用可能产生的伦理、社会和监管问题的相关系统的研究已经开展。
4、医疗领域人工智能应用中患者对医生信任的分析
综上所述,医疗领域人工智能应用的技术发展、应用场景及社会影响,均很大程度影响了传统的医患关系,且这种影响具有很大的复杂性。患者对医生信任是医患关系的核心,本节针对该问题,研究其主要影响因素,探讨其分析框架。
患者对医生信任概念研究中有3个基本要素:信任者、被信任者、风险性[49]。就具体应用到医疗领域的患者对医生信任而言,医生是被信任者,患者是信任者,诊疗存在风险性。目前,患者对医生信任概念和定义仍具有内涵差异性和形式多样性。有研究认为,患者对医生信任是“患者在相对弱势的情况下,相信医生将以患者利益最大化的目标来行动”[50];也有研究认为,是“患者对医生未来的行动所表现出的一系列信念或期望”[51]。患者对医生信任的主要层面包括:人际层面,强调患者对医生的信任受到患者与医生个人之间反复互动的影响[52];社会层面,强调患者对医生的信任受到患者对医疗机构及社会医疗体制信任的影响[53]。
文献中,无论如何定义患者对医生信任概念,医生的专业能力水平和职业道德素养、诊疗风险性程度以及患者对于医疗知识信息的了解状况,都将影响患者对医生信任。一般而言,当患者有诊疗需求时,患者提前对症状原因、医生信息、医疗机构信息等相关知识信息进行了解;就诊时,患者和医生沟通提出自己的疑问和需求。医生了解患者的情况、偏好和担忧等越是充分深入,医生所具备的医疗知识背景越是专业,患者越会感受到医生的倾听、理解、尊重、共情和支持;诊疗时,患者对就诊环境安全性和专业性的感知越好,就越有利于患者产生和增强对于医生积极为其提供高质量诊疗的心理预期,建立良好的患者对医生信任。
Asan[54]等探讨了患者有诊疗需求时和诊疗中,医生和患者的沟通是影响患者对医生信任的重要因素之一。Conradsen[55]等认为患者在诊疗前和诊疗中的医疗知识信息量,会影响患者对医生信任;Schnoor[56]等发现,医生的专业知识信息水平和知识投入,也会影响患者对医生信任。Greene[57]等发现,在越安全和清洁的医疗环境中,患者对医生越信任。综上,本节将重点从医患沟通、医患知识信息储备和医患环境条件,探究医疗领域人工智能应用对医患信任的影响,医疗领域人工智能应用中患者对医生信任分析框架见图1。
图1 医疗领域人工智能应用中患者对医生信任的分析框架
4.1 医患沟通
医疗领域人工智能应用对于医患沟通的时长、方式和内容均会产生影响,从而影响患者对医生信任[58,59,60,61,62]。患者就诊时,可以将自己的个人情况和问诊记录等信息通过人工智能发送给医生,医生则可以结合与患者面对面沟通所获信息,为患者进行更加准确的诊断。患者就诊后,医生可以将专业知识、经验和用药医嘱等通过人工智能呈现给患者,使患者可以诊前自查和诊后查看医嘱等信息。就诊中,患者与医生沟通的时长由等待时长与实际沟通时长构成,这两部分均会影响患者对医生信任[58]。人工智能的应用有潜力提高医生的工作效率,在给定患者数量的情形下,减少患者等待时长的同时,使医生有更多的时间与患者沟通交流,增加与患者相互了解的时长,使医生与患者进行更为充分的互动,更加深入细致地倾听患者,促进患者对医生信任[59]。
在合理的医患沟通时长的基础上,医患沟通的场景也影响患者对医生信任。在没有医疗领域人工智能应用的情形下,患者基本依靠与医生面对面地在医院进行沟通。这可能导致医院中患者人数多、医疗资源紧张和医疗资源分配不均匀,不利于患者对医生信任[59]。人工智能可以辅助医生通过线上提供诊疗服务,节省患者就医时间,同时减少医院空间资源压力,使真正需到医院诊疗的患者有更好的医疗体验。患者也可以通过在线咨询寻找符合需求的诊疗方案与合适的医生。人工智能可以辅助医生对患有慢性病的患者进行随访和医嘱沟通,为患者提供心理上和病情上的支持。人工智能的应用为医患沟通提供了多样实现方式,丰富了医患沟通场景,更大程度地满足患者的不同医疗需求,对医患沟通产生有利影响[60]。
医患沟通中的沟通内容,也影响患者对医生信任[61]。患者在诊疗中往往对疾病的实际名称、用药的原理和下一步的预期并不十分清楚,医生需要对患者解释清楚相关内容,让患者充分参与的同时,保证诊疗的专业性和有效性。同时,诊疗内容中的倾听和共情,也影响患者对医生信任[62]。医生需在沟通内容中表达认真和积极的倾听和共情。在医疗领域,人工智能应用可以使医生在诊疗前或诊疗中给患者提供更多的信息。当患者不清楚人工智能是如何将不同患者的偏好(如关于治疗目标的偏好等)考虑在算法中时,医生在沟通中对人工智能应用的结果和决策进行解释,在沟通内容中保障患者的知情权,从而促进患者对医生的信任。
4.2 医患知识信息储备
患者对医生有专业医疗知识方面的需求,并希望从医生处了解相关专业医疗知识,而患者对医生的专业知识和机构的水平状况难以完全掌握,医生与患者在知识信息方面具有不对称性[63,64,65]。没有人工智能应用时,患者获得专业医疗知识的渠道往往较单一,一般是听取医生的医疗建议;人工智能的应用为患者了解专业医疗知识提供了新渠道。同时,人工智能也可以更便捷地为医生提供专业医疗知识。以人工智能医疗诊断先驱IBM Watson(沃森)为例,其旨在利用人工智能学习和提炼相关医学研究,结合患者数据和专家经验,形成治疗建议[40]。当对其询问某疾病的具体治疗决策时,沃森在知识库中搜索出详细信息,匹配出可行的治疗决策,沃森平均需要40秒来采集分析数据和形成治疗建议,而肿瘤学专家平均需要12分钟来完成同样的工作量[40]。对于就医资源紧张或资源不发达地区,人工智能有利于给当地患者更多机会接触到更高质量专业医疗知识。
医生给患者制定更准确和人性化的医疗决策,需对患者个人情况和个人背景有较为充分的了解[64]。在医疗领域,没有人工智能应用时,医生仅能通过有限的互动时间对患者信息进行了解;有人工智能应用时,患者信息可以被储存在人工智能技术支持的知识库中,医生通过人工智能查看和了解患者个人信息。当患者认为医生对自己更加关心和了解时,患者对医生也会更信任[64]。同时,患者就诊医疗机构和医生直接影响患者的诊疗结果,患者关于就诊医疗机构和医生的知识信息储备直接影响患者对医生信任[65]。人工智能的应用使患者可以通过人工智能获取所需相关医疗机构和医生的信息,选择适合自己的机构和专家进行就诊[19]。
由此可见,医疗知识、患者信息和医疗信息均会影响患者对于医生为其提供高质量诊疗的心理预期。在医疗领域,没有人工智能应用时,患者只有通过与医生直接沟通,交流医疗知识和患者信息,但很难对医疗机构和医生有详细的了解;有人工智能应用时,患者和医生均可以通过人工智能这一渠道实现更充分的知识信息储备,缓解医生和患者之间的信息不对称,促进患者对医生的信任。
4.3 医患所处环境条件
医生和患者所处环境的安全性、清洁性以及和谐性都会影响患者对医生信任[57,66,67]。在医疗领域,没有人工智能应用时,患者和医生的所处环境完全由医院相关人员进行管理;有人工智能应用时,通过预测和监控医院内外的安全性问题,保障患者和医生的人身安全,减少错诊和漏诊导致的诊疗安全性问题[8]。利用人工智能,有能力自动检测和标记放射科医生未报告的CT检查结果,以提高患者安全[41]。数据驱动的统计方法(如机器学习)根据输入的数据学习预测功能,如果这些方法不够透明,会对医生和患者安全以及患者对医生信任产生影响[8]。
同时,有人工智能应用,协助医疗人员进行清洁、消杀、消毒等工作,随时进行必要的清扫和消毒,保障物流等过程的清洁性和精准性,使患者的就诊环境和医生的工作环境更加专业卫生[66]。协助医疗机构提高工作效率,改善临床和业务工作流程,协助医生自动生成、更新、分析患者报告,减少医生工作量,缓解诊疗繁琐的业务流程,缓解医患紧张,促进诊疗环境的和谐性[67],而在病房内通过人工智能,有潜力实现病区医生、患者和医护人员之间信息和数据更加顺畅的传递,保证医疗服务和需求满足的及时性和全面性,有利于促进患者对医生信任。
5、结语
本文基于系统的文献综述和分析研究,梳理了医疗领域人工智能应用的概念和具体应用现状。从知情问题和“黑箱”问题、安全性问题、偏见和公平性问题以及隐私性问题的角度出发,阐述了医疗领域人工智能应用可能带来的社会、伦理以及对于患者对医生信任的影响。通过构建医疗领域人工智能应用患者对医生信任分析框架,探讨了医疗领域人工智能应用如何影响患者对医生的信任,分析了医疗领域人工智能应用对医患沟通、知识信息储备和环境条件产生有利影响,从而有助于增强患者对医生的信任。扩展了已有在医疗领域人工智能的概念和应用现状的综述成果,分析了人工智能应用中影响患者对医生信任的主要变量,可能有助于推进科学的实证研究。
随着我国进入新发展阶段和健康中国战略的深入实施,医疗领域人工智能应用将紧扣以患者为中心,重构医疗、健康、卫生、防疫、护理等全价值链,以数据运营为抓手,推动医疗行业的智慧化、数字化、便捷化转型,切实保障医疗质量安全,有效维护人民群众健康权益。为使人工智能在医疗应用中更好地促进患者对医生信任,结合本文所开展的研究工作,提出如下3个方面的初步建议:①坚持“以人为本”和“智能向善”理念,充分体现人类健康伦理价值,结合医疗伦理领域的实践,增进医生和患者对人工智能伦理问题的认识,引导医生和患者自觉遵守人工智能伦理准则与规范,保障患者知情权与有效参与。②建立完善相关法律法规,明确医疗领域人工智能应用过程各环节相关主体的职责和权力边界,避免使用可能产生严重消极后果的不成熟技术,保障医疗领域人工智能应用安全可靠,提升医疗领域人工智能应用的普惠性、公平性和非歧视性、透明性和可解释性。③强化对医疗领域(如智能导诊、辅助诊断、智能治疗、医学知识图谱、医学影像等)已使用的人工智能产品与服务的质量监测和使用评估,鼓励医生和患者积极参与对医疗领域人工智能应用社会影响的讨论和评估,辅助医疗机构提高医疗领域人工智能应用水平。
在本研究的基础上,可进一步构建医疗领域人工智能应用中患者对医生信任的理论分析模型,从医患沟通、医患知识信息储备和医患环境条件这3个主要影响因素,实证研究医疗领域人工智能应用如何影响和多大程度影响患者对医生的信任,更好地理解医疗领域人工智能应用如何影响患者对医生的信任,并据此提出相应的对策建议。
参考文献:
[1]张旭东.人工智能蓝皮书:中国人工智能发展报告(2020)[M].北京:社会科学文献出版社,2020.
[19]刘道文,阮彤,张晨童,等.基于多源知识图谱融合的智能导诊算法[J].中文信息学报,2021,35(1):125-134.
[21]陈睛晶,项毅帆,吴晓航,等.常见眼病智能问答系统应用价值调查分析[J].中华实验眼科杂志,2020,38(8):692-697.
[32]高品操,唐芳,杨义,等.智能康复训练系统对脑卒中患者上肢及手功能的效果[J].中国康复理论与实践,2020,26(10):1198-1203.
[38]胡元聪,林丽星.人工智能医疗器械产品消费安全权问题探讨[J].南通大学学报(社会科学版),2020,36(2):91-100.
[43]陈龙,曾凯,李莎,等.人工智能算法偏见与健康不公平的成因与对策分析[J].中国全科医学,2023,26(19):2423-2427.
[46]刘伶俐,王端.人工智能在医疗领域的应用与存在的问题[J].卫生软科学,2020,34(10):23-27.
[49]杨同卫,苏永刚.患者对于医生之信任产生的机理:关系依赖与理性选择[J].医学与哲学,2012,33(3):19-20,26.
基金资助:国家自然科学基金重大项目(72293571);国家自然科学基金面上项目(72074133);上海市2021年度人工智能科技支撑专项定向项目(21511104501);
文章来源:韩倩雯,王有强.医疗领域人工智能应用现状、挑战及如何影响患者对医生信任的研究[J].卫生软科学,2024,38(02):19-26.
分享:
长期经常性高脂饮食,能量摄入超过消耗,会导致脂质代谢紊乱,引发代谢综合征[1]。非酒精性脂肪肝(non-alcoholic fatty liver disease,NAFLD)以甘油三酯在肝脏蓄积和肝脂肪变性为特征,是代谢综合征在肝脏的局部表现[2,3]。NAFLD的患病人数约占全球总人口的四分之一,我国NAFLD患病率高达29.2%,为第一大肝病,还可发展为肝硬化甚至肝癌,对人类生命健康造成了极大的困扰[4,5]。
2024-04-18肺纤维化是以炎性反应和细胞外基质沉积为特征的一组肺部疾病,主要累及肺间质和肺泡腔,导致肺组织异常修复引起不可逆损伤。其病因非常复杂,发病机制不清晰,目前缺乏有效的治疗方法, 预后极差,死亡率高。近年来进行了大量研究,指出肺纤维化中肺泡上皮细胞凋亡、巨噬细胞M2极化以及成纤维细胞活化是该病发生发展的核心机制。
2024-04-02我国慢性疼痛患者数以百万计, 且女性慢性疼痛发生的严重程度和持续时间均较男性重。 持续的炎症状态是复杂区域性疼痛综合征(complex regional pain syndrome, CRPS)发生的主要原因, 而炎症的消退依赖于炎症细胞的凋亡与炎症反应的消退。 术后慢性疼痛不仅严重影响患者的生活质量, 同时对其心理产生严重创伤, 目前已有较多研究关注慢性疼痛的护理及症状减轻。
2024-03-29横断面研究是经典的流行病学研究方法之一。在全科医学和基层卫生研究中,横断面研究是一种耗时相对较少且能够帮助解决实际问题的研究方法,其特点在于可以在短时间内完成调研,通过了解研究对象在一个时点或短时间内的状况,了解疾病特征、卫生服务现状、医学教育情况、卫生经济学情况、解释医疗过程的一般规律、探讨信息间关联的研究方法,所以也被称为现况研究[1]。
2024-03-04阿尔茨海默病(AD)是一种以进行性痴呆为主要表现的中枢神经系统退行性病变,也是最普遍的老年痴呆患者类型。AD常见的神经病理学变化的是细胞外老年斑(SP)和细胞内神经原纤维缠结(NFTs)的形成、神经元丢失及脑萎缩。目前的研究表明β淀粉样蛋白(Aβ)的异常聚集、炎症水平增加,都与AD的发病机制密切相关,但是具体机制尚不十分清楚。
2024-02-20“人工智能”在2017年全国两会政府工作报告中出现后,在历年的政府工作报告中被多次提及。党的二十大报告提出,要构建人工智能等新的增长引擎;国家“十四五规划”和“十四五生物经济发展规划”涉及了数字化医疗中心建设、5G+医疗健康、人工智能医疗器械监管等方面,积极推动了人工智能影像、人工智能诊疗、手术机器人等一批医疗领域人工智能的研发和应用。
2024-02-06免疫记忆是适应性免疫的主要特征之一,即免疫细胞如T细胞在对某一抗原产生特异性识别及应答的同时,记住该抗原,当再次遭遇同一抗原时,能发生快速且强烈的免疫应答。分子与细胞生物学技术的发展推动了人类对CD8+T细胞记忆形成与维持的认识。而CD4+T细胞的分类复杂,有关其记忆方面的研究直到近年才有所增多。
2024-01-31随着核能在工业生产和疾病治疗等领域的广泛应用, 电离辐射诱发的健康问题及生物效应愈加得到人们的持续关注。 其中, 免疫系统辐射损伤及其引发的免疫功能障碍是因核辐射、 放射性核事故和放射性治疗等受辐照人群最常见的病症, 很容易造成全身严重感染而影响患者的生存及生活质量[1,2]。
2024-01-31醛脱氢酶(ALDH)是I相反应中非常重要的氧化酶超家族之一,由一组NAD+依赖性酶组成,主要作用是不可逆的催化内源性和外源性醛,避免醛在人体内蓄积中毒[1]。在哺乳动物组织中均存在ALDH,其中肝脏表达水平最高,其次是肾脏、子宫和大脑,目前在人体内发现了19种不同的ALDH[2]。
2024-01-25蛋白质是生命活动的物质基础,其合成过程须经过多肽链的正确折叠,形成三维构象,从而具备生理活性。蛋白质的正确折叠对其在生物体内发挥作用至关重要[1]1]。其中,蛋白质在内质网折叠过程中,两个半胱氨酸残基间形成的二硫键是获得蛋白质正确构象的重要步骤之一。
2024-01-24我要评论
期刊名称:基础医学教育
期刊人气:2090
主管单位:山西医科大学
主办单位:山西医科大学
出版地方:山西
专业分类:医学
国际刊号:2095-1450
国内刊号:14-1364/R
邮发代号:22-285
创刊时间:1999年
发行周期:月刊
期刊开本:大16开
见刊时间:4-6个月
影响因子:0.590
影响因子:0.640
影响因子:0.297
影响因子:0.000
影响因子:0.690
400-069-1609
您的论文已提交,我们会尽快联系您,请耐心等待!
你的密码已发送到您的邮箱,请查看!