医疗领域中的人工智能接受度不仅关乎功能，还关乎身份和同理心

AI acceptance in healthcare isn’t just about function - it’s about identity and empathy

一项新的研究表明，复杂的心理和人口统计因素在塑造公众对医疗领域中人工智能赋能的语音助手（VAs）和数字AI人类（DHs）的接受度方面起着重要作用。这项由威斯敏斯特大学领导的研究调查了472名英国成年人，并以《探索医疗领域中人工智能赋能的语音助手和数字AI人类的可接受性：一项横断面调查》为题发表在《AI & Society》杂志上。

在人工智能技术即将重塑医患互动之际，该研究确定了接受度的催化剂和障碍。机构信任、文化认同和个人特质成为用户态度的关键预测因素。尽管大多数受访者熟悉VAs并适度了解DHs，但实际日常使用率较低——这表明熟悉度与舒适度之间存在差距。

什么驱动了医疗领域中语音助手的接受度？

研究强调了公众对基于AI的医疗工具的强烈兴趣，超过85%的受访者使用过语音助手，超过82%的受访者目前拥有一个。然而，只有25.8%的受访者表示每天使用。研究发现，使用VAs进行医疗的意愿高度依赖于NHS的认可，这使得采用几率增加了六倍。

人口统计变量发挥了显著作用。女性、少数民族和受教育程度较低的人群使用VAs的可能性显著较低。数字习惯也很重要：很少在线搜索健康信息的参与者不太可能接受VAs，而参与在线健康讨论的人则表现出更大的开放性。有用性和安全性感知也影响结果，当参与者认为VAs有效、易于使用且安全时，他们更有可能接受它们。

心理倾向成为一个强大的影响因素。在五大个性特质中，只有“开放性”在调整后的模型中仍然是VAs接受度的统计显著预测因子。得分高的人在医疗环境中接受语音助手的可能性高出75%以上。

谁可能接受数字AI人类及其原因？

尽管数字AI人类比语音助手更少见，但它们普遍获得了积极的态度。意识率达到70.3%，接受度评分为2.17（五分制，分数越低表示越有利）。然而，与VAs不同，DHs接受度最强的预测因素不仅仅是先前的接触或感知的实用性——它们深深植根于文化认同和个性动态。

影响DH态度最突出的因素是对医疗中面对面互动的重要性认知。重视面对面咨询的参与者对DHs表达了更积极的看法，可能是因为它们具有类似人类的界面。参与在线健康讨论也提升了接受度，表明已经适应数字健康信息交换的个体更容易接受DHs。

从心理学角度来看，尽责性和低神经质是积极DH态度的最强预测因素。相比之下，“开放性”虽然对VAs接受度至关重要，但在DHs中并不具有统计显著性。这表明DHs可能更吸引那些偏好结构和情绪稳定性而非新颖性和灵活性的个体。

种族是另一个关键决定因素。白人/爱尔兰/欧洲参与者比少数民族更接受DHs。这一发现强化了早期研究，显示头像代表特别是匹配用户的种族背景，可以增强信任和接受度。当DHs看起来文化一致时，尤其是来自弱势社区的用户更有可能有意义地参与。

这些技术如何弥合或扩大医疗差距？

这些发现强调了基于AI的对话代理在弥合和扩大医疗不平等方面的双重潜力。虽然像VAs和DHs这样的AI技术承诺提供可扩展、低成本和个性化的医疗服务，但其采用并非普遍。人口统计和心理差异揭示了公众准备度的关键裂缝。

该研究证实了技术接受模型的核心原则：感知的有用性和易用性对于采用至关重要。然而，它也通过整合个性维度和文化代表性扩展了这一框架。“创新开放性”可能推动VAs的采用，但尽责性和对人际互动的偏好才是赢得DH用户的关键。

设计这些技术以响应文化需求可能会是一个游戏规则改变者。开发者被鼓励考虑基于种族的定制、语音身份选项和文化适应性功能。这些包容性可以显著提高历史上接受度较低群体的参与度，即女性、少数民族和受教育程度有限或数字接触较少的个体。

政策含义同样明确。公共医疗机构如NHS的正式认可显著提高了信任和使用意图。通过官方认可或共同开发AI代理，医疗系统可以树立必要的信心，以覆盖更多犹豫不决的用户。

该研究的局限性包括依赖“愿意使用”的代理指标而不是实际采用情况，以及主要由白人/欧洲受访者组成，限制了种族子组结果的普遍性。尽管如此，这项工作标志着将五大个性模型与医疗领域中的AI接受度联系起来的第一个关键步骤，为未来研究开辟了新的前沿。

(全文结束)