临床医生的视角：医疗领域XAI的核心考量
本研究通过半结构化访谈收集了11位荷兰临床医生的深度观点，揭示了可解释性人工智能（XAI）在医疗实践中的关键需求。临床医生普遍认可AI工具的潜力，但也提出了具体应用场景与实施挑战。
核心发现
- 应用方向：
- 行政流程优化：80%医疗任务属文书工作，AI可释放医生精力
- 临床风险预测：术前并发症概率预测、分娩方式智能判断等场景需求强烈
- 远程监测：通过可穿戴设备实现术后患者居家监测
- 技术偏好：
- 特征重要性评分因其直观性最受青睐，但医生担忧其过度简化可能引发认知偏差
- 反事实解释需符合临床因果逻辑（如调整参数后的预后变化）
- 规则型透明模型（如"2岁儿童不可能患乳腺癌"）更符合诊断逻辑
- 实施挑战：
- 医患关系维护：警惕AI成为医患沟通的障碍
- 培训体系建设：现有医学教育缺乏AI素养培养
- 信任与责任分离：医生需为AI辅助决策承担最终责任
研究创新
首次从整体视角识别医疗XAI的通用需求，区别于传统聚焦特定工具的研究。发现临床医生的三大核心诉求：
- 视觉化解释界面（消除语言障碍）
- 模型不确定性提示（置信度评分）
- 临床背景信息透明（训练数据来源、验证方法）
实施路径
- 多学科协作：建立医生-数据科学家联合开发机制
- 渐进式应用：优先采用简单可解释模型（如规则系统）
- 变革管理：结合认知心理学设计培训体系
研究同时揭示了医疗AI应用的潜在风险：年轻医生可能过度依赖AI，而资深医生存在技术抵触倾向。建议通过神经科学指导界面设计，降低认知负荷。
【全文结束】
