医疗领域的医生与人工智能：波兰采用与挑战的混合方法研究洞察
埃韦利娜·科瓦莱夫斯卡*
波兰华沙科兹明斯基大学管理系
引言： 了解医疗从业者对医学人工智能（AI）的态度，对于提升患者护理和临床实践至关重要。本研究通过系统综述与针对波兰医生的问卷调查，探讨了这些态度。尽管许多医疗从业者对AI整合表现出热情和准备，但因可靠性、伦理影响及法律问责等问题，另一些人仍持怀疑态度。系统综述突出了AI的潜在益处，如提升诊断准确性与流程效率，也指出了数据隐私和非典型场景验证等挑战。
材料与方法： 本研究结合系统综述与目标问卷调查，评估医疗从业者对AI的态度。调查聚焦于波兰医生，其医疗体系的特殊挑战使其成为独特研究对象。
结果： 问卷显示波兰医生（n=86）中68%愿意采用AI工具，但强调需定制化教育和明确实施指南。
讨论： 本研究揭示了医疗AI领域乐观与疑虑并存的双重叙事，强调解决障碍以实现全球效益的重要性。
引言
在医疗快速变革的背景下，人工智能的整合正成为变革力量，承诺在诊断、治疗方案和患者护理方面实现突破。数字时代重新定义传统医疗实践的同时，医生对AI技术的态度成为决定医疗未来的关键因素。
AI系统提供智能解决方案，缓解医疗系统饱和压力。这种饱和由老龄化、慢性病增加及医疗资源有限驱动。不同于简单技术干预，AI不仅管理数据，还能提供直接影响临床决策的建议（1,2）。这些系统在资源受限环境（如优化流程、提升诊断准确性）中潜力显著。
尽管前景积极，AI在医疗中的应用仍引发从业者混合态度。这种矛盾反映复杂因素：从对临床自主权和可靠性的担忧，到对增强诊断准确性及患者结局的期待。伦理责任、数据隐私和非典型临床场景中AI角色的担忧进一步阻碍接受度。
当前临床AI应用仍有限，受医生对变革的抵触、误解和知识差距影响（3,4）。作为AI系统的主要使用者和操作者，医生在整合过程中扮演关键角色。因此，其观点需深入探索。此外，AI驱动的变革将影响医学生这一未来医生群体，需研究以制定有效的教育和卫生政策。
尽管关于医生及医学生AI态度的证据不断增长，但多数研究集中在发达西方国家（5,6）。为克服这种地理偏差并理解不同背景下的从业者观点，本研究聚焦于波兰医生。波兰医疗体系以公共资金为基础，面临显著工作压力和快速数字化——这些因素创造了独特的AI应用环境。
波兰医疗体系相较全球其他资源受限体系具有独特视角。首先，其保险模式保障每位公民通过公共资金获得医疗服务，确保经济状况不影响医疗获取（7）。其次，波兰正经历去机构化过程，医疗服务更多在本地而非大医院提供，旨在改善老年人和心理健康患者的生活质量（8）。此外，波兰制定了医疗发展战略如"健康未来"（2021-2027），目标是创建友好、现代化、高效的医疗体系（9）。同时，波兰致力于确保所有公民获得高质量医疗服务，这在资源有限背景下尤为重要。
类似体系存在于加拿大、荷兰和英国等保险模式主导的国家。未来研究可比较这些国家结论是否与波兰一致。
为探索这些观点，本研究分两阶段进行：首先系统综述全球医生AI态度的关键趋势和知识空白；其次设计目标问卷，对波兰医生进行调查。该方法旨在收集关于其知识、认知和AI整合准备的全面数据。通过弥合现有研究差距，本研究为全球医疗AI整合讨论提供重要见解。
材料与方法
本研究采用两阶段流程，首先通过系统综述评估现有文献中医生对AI的偏好。综述结果指导设计针对波兰医生的目标问卷，以捕捉其具体观点。
系统综述初始检索词包括评估医生AI偏好的研究。文章限定为2018年1月1日至2023年6月12日发表的英文文献。检索于2023年6-7月在PubMed数据库中完成，共识别4,636条记录。图1展示了PRISMA流程图，详细说明系统综述各阶段。
图1
图1. PRISMA流程图
本综述中，AI定义为可在临床环境中自动化智能行为的技术，旨在支持临床决策系统并增强医生主导的护理。消费产品如可穿戴设备被排除，以聚焦直接参与临床实践的技术。
方法论
系统综述遵循PRISMA（系统综述和荟萃分析优先报告条目）指南，确保透明可重复的评审过程。综述根据预设纳入/排除标准进行严格筛选。主要目标是识别聚焦医生在医疗环境中AI采纳态度、观点、信心、信任或采纳的实证研究，而非临床试验、技术开发或特定AI工具的专家意见。这使研究能聚焦医生如何感知、接受和与AI技术互动。
筛选标准
纳入标准：
- 聚焦医生对医疗AI技术的态度、观点或采纳，强调态度、意见、信心、信任或AI系统整合
- 包含通过定性或定量方法（如问卷、访谈、焦点小组）收集的实证数据
- 2018-2023年英文发表，确保包含最新相关研究
- 针对医疗从业者（医生、医师、临床医生）在诊断、治疗规划或行政任务中使用AI技术
排除标准：
- 综述文章、系统综述或荟萃分析，因不提供新实证数据
- 临床试验或AI工具技术开发，未涉及医生观点或偏好
- 理论性或观点性文章（如社论、专家意见），未涉及医生态度实证数据
- 仅涉及医学生或非临床群体
- 未包含医生观点，仅从技术或临床角度讨论AI潜在应用
研究筛选流程
初始数据库检索获得4,636篇文章。根据上述标准系统筛选相关性后，大量研究因不相关被排除，主要因其描述临床试验、AI工具技术开发或专家意见。剩余研究进行全文评审，最终选择符合所有纳入标准且符合研究范围的文章。
补充材料包括PRISMA清单、所有综述研究清单（含接受/拒绝原因）及后续问卷的英文版本。这些材料确保透明度并允许方法可重复。
文献综述发现
综述发现AI整合医疗的多重益处。研究强调AI将增强而非取代医生角色，如van der Zander等（11）和AlZaabi等（12）所述。van der Zander等（11）指出医疗服务质量提升是关键益处，而Coppola等（13）和Khafaji等（14）报告显著减少诊断错误。此外，AI通过简化流程和减少重复任务优化工作流程，如Coppola等（13）和Horsfall等（15）所示。AlZaabi等（12）指出AI创造医疗新角色，Oh等（16）强调其分析大数据能力。von Wedel等（17）强调AI在减少诊断时间方面的效率。
然而，实施障碍同样被识别。Oh等（16）指出非典型病例诊断支持缺失，Buck等（18）和Chen等（19）认为AI可能改变传统医生角色并影响医患关系。Buck等（18）还报告AI实施导致更高诊断错误。患者数据不当使用的担忧由Buck等（18）提出，而AlZaabi等（12）和Horsfall等（15）强调需明确法律框架以界定AI决策责任。
有效AI整合需满足若干前提。Jungmann等（20）强调定期验证算法可靠性的重要性，Pangti等（21）和Pecqueux等（22）主张医生必修专项培训。Strohm等（23）强调实施前需证明AI临床价值。
文献总体见解进一步凸显对AI采纳的多元视角。部分研究（如Quirine等、Buck等、Mawya等、Chen等）认为AI可能改变医生角色或取代某些功能，而Coppola等和Shelmerdine等坚持AI不会取代医生，而是支持者。常见益处包括服务质量提升、诊断错误减少和医生显著时间节省。Strohm等（23）强调成功AI整合需结构化方法，包括放射科医生与临床医生合作。Diprose等指出医生参与开发和验证对信任AI解决方案至关重要。Cobianchi等、Pangti等和SalAlzaabi等强调AI教育培训的重要性，多数受访者表示若包含国际指南或正式培训，愿采纳AI（12）。
文献综述主要为问卷设计收集数据，聚焦2018-2023年文章。综述将持续更新以填补未来出版空白。但为设计问卷，现有信息已足够。
医疗AI最新观点
为增强综述，作者纳入2024-2025年近期研究，确保包含最新发现，为研究提供更全面基础。
关键见解之一是AI增强医疗体系中医学专家角色的演变。例如Sedaghat（24）探讨基于AI的成像技术（包括ChatGPT驱动应用）如何变革放射学。研究显示AI可自动化常规任务，如X光和MRI初步分析，加速诊断流程并减轻放射科医生工作量。然而，复杂成像病例仍需专家监督。AI非取代放射科医生，而是提升效率，使其专注高复杂度诊断和患者决策。
2025年另一研究（25）调查英国133名临床医生对AI辅助MRI脑部扫描分诊态度。71%医生偏好AI辅助分诊而非传统方式。此外，热图等视觉解释显著提升临床信心，60%参与者对AI生成诊断建议信任度更高。这些发现强化放射学中AI接受度的提升，显示其增强流程效率和诊断准确性的潜力。
除放射学，AI在基层医疗整合也被探索。Allen等（26）开展混合方法研究评估基层医生（PCPs）对AI驱动决策支持工具的态度。虽然PCPs认可AI在疾病筛查、慢病管理和行政支持中的效率提升作用，但担忧医疗公平性和医患关系影响。研究强调需解决算法偏见、流程整合和法规障碍，确保AI补充而非干扰基层实践。
这些更新观点提供医疗AI演变格局的重要洞察，强调需平衡方法——在利用AI能力的同时保持人类在患者护理中的核心角色。研究强调克服现有挑战和建立稳健框架以确保AI在医疗中有效和道德整合的重要性。
问卷调查
基于系统综述发现，开发了网络问卷以捕捉波兰医生对医疗AI实施的观点。
波兰医生在显著工作压力和资源限制下运作，既构成挑战也提供AI解决方案实施机遇。这些特殊条件使波兰医生成为分析临床实践AI采纳准备的理想群体。
问卷草案经医生试点阶段调整，最终版包含14题：7题人口学问题（年龄、性别、专业经验、专科、工作场所等）和6题AI偏好问题，包括对AI使用态度、益处与挑战认知及AI能否取代医生。李克特量表部分评估AI定期验证与可靠性检查的重要性、AI建议的法律责任及实施前专项培训需求。
人口学问卷选择经过深思熟虑，以全面了解受访者背景及其对AI态度的潜在影响。
年龄
年龄纳入以识别不同年龄组对AI态度差异。年轻医生可能更开放新技术，年长医生可能更持怀疑态度。
专业经验
评估专业年限以探索经验水平对AI采纳准备的影响。经验丰富医生可能已有固定流程，适应性较低。
工作场所（城市/乡村）
纳入工作地点以考虑城乡资源和科技获取差异。城市医生可能更容易接触先进技术。
性别
考虑性别以探讨医疗实践中AI认知和接受是否存在性别差异。
这些人口群体通过卡方独立性检验进行比较。分析显示人口群体间AI日常实践使用无统计学显著差异。
李克特量表选择基于若干关键因素：
态度和信念测量
李克特量表允许对受访者态度和信念进行细致测量，捕捉对特定陈述的同意或不同意程度。
主题复杂性
鉴于医学AI的多面性，李克特量表适合评估简单是非题无法捕捉的细微观点和看法。
数据分析简便性
李克特量表数据适合统计分析，便于跨不同人口群体比较响应并识别显著模式。
定量研究普及度
李克特量表广泛用于定量研究，使结果更可比现有研究，更容易置于更广泛科学文献中。
最终问卷通过多渠道分发。2023年8月8日，链接包含在最高医学数据库注册医生的电子通讯中。"最高医学数据库"指波兰最高医学委员会（Naczelna Izba Lekarska）管理的中央医生注册处（Centralny Rejestr Lekarzy）。该数据库提供医生和牙医专业资格和执业权信息，可通过
伦理考量
根据波兰法律，不涉及患者数据或干预的基于问卷的研究无需生物伦理委员会批准。因此，本调查无需正式伦理批准。
调查合理性
本研究旨在调查影响波兰医生AI整合认知和准备的特定因素。选择波兰医生因其医疗体系特征：医疗卫生支出占GDP比重低于其他欧盟国家、显著工作压力和快速数字化（如电子病历、电子处方、电子转诊）。这些因素为理解地方条件如何塑造医疗AI态度提供丰富背景，为全球临床AI整合讨论贡献宝贵见解。
本研究的一个局限性是可能的回应偏倚，因调查依赖自我报告数据，可能导致参与者提供社会期望答案而非真实观点。未来研究可通过匿名调查和互补定性方法（如访谈）缓解此问题，以获得更细致真实见解。
结果
对AI的知识、理解与态度
系统综述提供了医生对医疗AI偏好当前研究状态的全面概述。多项研究强调AI整合的潜在益处，包括增强诊断准确性、改善医疗质量和优化工作流程。例如，van der Zander等（11）和Coppola等（13）指出AI可减少诊断错误和优化重复任务，使医生有更多时间关注患者护理。此外，AlZaabi等（12）和Oh等（16）展示AI分析大数据和创造医疗新机会的能力。尽管如此，采纳障碍也被指出。担忧包括AI处理非典型临床案例的能力、可能干扰医患关系及缺乏AI驱动决策的法律框架（15,18）。
此外，系统综述强调结构化实施策略的重要性。这些包括AI算法的严格验证、医疗专业人员的必修培训计划及AI临床价值的证据展示。这些见解为探索波兰医生观点的问卷设计奠定了基础。
对86名波兰医生的调查提供了关于其态度和临床实践AI采纳准备的详细见解。多数受访者（68%）对AI整合持乐观态度，20%已在使用基于AI的工具。然而，9%表示不感兴趣，2%未决定。分析显示，受访者对AI使用态度在年龄、性别或工作场所设置上无显著差异。这些发现表明，医疗AI整合的认知在人口和专业群体间一致，反映对AI益处和挑战的普遍认知。受访者识别关键益处包括改善诊断准确性、显著节省时间和增强处理大数据的能力。这些发现与系统综述中的全球趋势一致，反映对AI优势的普遍认知。
然而，调查也揭示了受访者的重大担忧。许多人强调了AI工具在处理非典型或复杂临床场景中的可靠性问题。AI使用的法律责任和伦理含义也被频繁引用为障碍。受访者强调了定期验证和监控AI系统以及实施前专项培训计划的必要性。将AI相关指南纳入正规医学教育和遵守国际标准也被认为是建立信任和有效使用的关键。
对医疗AI实施的看法
系统综述和调查均显示对医疗AI角色的多元看法。van der Zander等（11）和Coppola等（13）强调AI增强诊断准确性和减少错误的潜力，而其他研究则突出担忧。Buck等（18）指出伦理和法律责任担忧，反映对AI采纳的更广泛预期。这些发现与波兰医生调查相呼应，受访者对AI的变革潜力持乐观态度，但对可靠性和伦理含义持怀疑。
调查受访者特别重视AI简化工作流程、减少重复任务和辅助分析大数据的潜力。然而，对技术处理非典型案例的限制和过度依赖的担忧显而易见。对稳健验证和教育的强调表明了谨慎但乐观的AI整合方法。
发现综合
总体而言，系统综述和调查的综合发现揭示了医疗AI领域的双重叙事：乐观与疑虑并存。尽管AI被认可具有增强效率、准确性和数据处理能力的变革潜力，但可靠性、伦理考虑和法律责任的显著担忧依然存在。这些见解强调需针对性干预（如教育计划和政策框架）以解决障碍，确保AI有效融入临床实践。为此，可提出具体策略以增强研究的实际价值。例如，在医学院和继续职业教育中实施AI专项教育计划，可弥合知识差距并建立医疗专业人士的AI素养。此外，制定涵盖AI伦理、法律和责任问题的全面政策框架可营造可信的AI采纳环境。这些框架应包括AI验证和使用的明确指南及定期监督更新机制。此外，建立医疗提供者、AI开发者和政策制定者的协作平台以分享见解和经验，对齐AI应用与临床需求并确保其有效性和安全性至关重要。通过采用这些策略，医疗界可有效应对AI整合挑战，充分发挥其改善患者护理和临床流程的潜力。
讨论：理解医疗从业者对AI的态度
本研究提供的洞察揭示了医疗从业者对医学人工智能态度的复杂性和演变性。这些发现强调需同时解决AI整合带来的机遇与挑战，以有效发挥其改善患者护理和临床流程的潜力。
系统综述发现，医疗从业者对AI整合的参与度、熟悉度和准备度水平各异。Khafaji等（14）和Pecqueux等（22）研究表明，受访者学习和培训AI技术的意愿显著，表明整合准备。然而，知识差距依然存在，特别是在外科等专科，如De Simone等（27）所述。这凸显了针对性教育和培训计划的必要性，以弥合差距并提升各医学领域的AI素养。
对AI实施的看法也表现出信念和期望的多样谱系。van der Zander等（11）和Coppola等（13）强调AI增强诊断准确性减少错误的潜力，而Buck等（18）则担忧伦理和法律责任。这种双重性在波兰医生调查中得到呼应，受访者对AI的变革潜力持乐观态度，但也强调对可靠性和明确法律框架的需求。
波兰医疗体系的独特背景为AI采纳影响因素提供了额外洞察。在显著工作压力和快速数字化的资源受限环境中，波兰医生具备从AI技术中受益的条件。然而，他们的实施担忧凸显需制定针对性策略解决本地条件。例如，将AI培训纳入医学教育和建立AI验证与使用的稳健指南被调查受访者频繁提及。波兰的这些观察也可为具有相似医疗挑战的国家提供宝贵见解。例如，加拿大、荷兰和英国等采用保险制医疗体系的国家可能从类似针对其独特背景的策略中获益。
此外，调查范围有限，仅聚焦波兰医生，反映需更大更多样本的进一步研究。扩展研究涵盖不同专科和国籍的医生，可更广泛理解AI采纳的全球趋势，识别普遍和特定背景的影响因素。例如，未来研究可探讨其他资源受限环境的医疗从业者是否对AI持有相似态度，可能推动全球医疗AI整合策略。
2024-2025年的最新研究揭示医疗AI演变角色，提供验证或挑战早期预测的证据。尽管早期热情集中于AI减轻医生工作量和增强诊断准确性的能力，这些新发现突出具体进展，特别是在AI辅助分诊和自动成像分析方面。对工作替代的担忧已大幅缓解，AI increasingly被视为支持临床专业知识的工具而非替代者。这些洞察强调用最新证据重新评估早期预测的重要性，确保讨论与当前AI医疗采纳现状相关。
本研究结果强调未来研究的必要性，强调考虑本地和全球医疗背景的重要性。协作方法对AI成功整合至关重要，需政策制定者、教育者和技术开发者共同创建可靠且符合伦理的工具，以满足医疗从业者需求。通过建立信任和解决潜在挑战，医疗界可充分发挥AI潜力，同时最小化风险。本研究为全球医疗AI讨论贡献框架，帮助理解和应对全球医学专业人士的多元观点。
【全文结束】
