
-
生物通官微
陪你抓住生命科技
跳动的脉搏
罕见血液病领域医疗专业人员AI素养、态度及应用的横断面研究
《Orphanet Journal of Rare Diseases》:Artificial intelligence knowledge, use, and perceived barriers among health care professionals in rare hematological disease networks
【字体: 大 中 小 】 时间:2026年10月09日 来源:Orphanet Journal of Rare Diseases 3.6
编辑推荐:
摘要背景AI技术越来越多地显示出改善患者预后的潜力,其在罕见血液病(RHDs,包括血红蛋白病)中的应用也在快速发展。为了指导AI的引入,有必要探索医疗专业人员(HCPs)对基础AI概念的了解、态度以及对其融入血液病临床研究与实践的看法。方法通过欧洲血液病社区,借助Europe
AI技术越来越多地显示出改善患者预后的潜力,其在罕见血液病(RHDs,包括血红蛋白病)中的应用也在快速发展。为了指导AI的引入,有必要探索医疗专业人员(HCPs)对基础AI概念的了解、态度以及对其融入血液病临床研究与实践的看法。
通过欧洲血液病社区,借助European Reference Network-EuroBloodNet网络和HELIOS倡议,采用便利抽样方式,通过邮件列表和社交媒体(2025年1月8日至6月1日)在EU Survey Platform上开展了一项横断面问卷调查,内容涵盖人口统计学信息、工作环境、AI术语掌握自信度、科研参与度、感知到的实施障碍、担忧以及AI在护理各阶段的影响。答案通过描述性和比较性方法进行分析。
来自25个国家的73名医疗专业人员(主要来自南欧)参与了调查,预计参与率约为10%。大多数受访者(74%)在的教学医院工作;35.6%从事研究工作,64.4%从事临床工作或两者兼顾。医生占49.3%(其中69.4%为资深医生);其他医疗专业人员,包括生物学家和护士,占50.7%。74%的受访者正确识别了"机器学习",但对于"深度学习",仅有57.5%选择正确,且37%自信作答的受访者仍然答错。尽管56.2%的人表示熟悉"大数据",但仅有31.5%能识别其三大核心特征。总体而言,71.2%的受访者使用过至少一种AI工具,94.6%认为AI将有利于患者。最常提到的障碍包括基础设施不足、个人责任、AI可信度和患者隐私问题。
尽管普遍持乐观态度并已采纳AI,但RHD专业人员仍存在显著的知识差距,有时甚至高估了自己的理解程度。这些发现将为针对不同医疗专业人员类别、设计有针对性的多学科培训方案提供依据,以弥补已识别的知识差距。
AI技术越来越多地显示出改善患者预后的潜力,其在罕见血液病(RHDs,包括血红蛋白病)中的应用也在快速发展。为了指导AI的引入,有必要探索医疗专业人员(HCPs)对基础AI概念的了解、态度以及对其融入血液病临床研究与实践的看法。
通过欧洲血液病社区,借助European Reference Network-EuroBloodNet网络和HELIOS倡议,采用便利抽样方式,通过邮件列表和社交媒体(2025年1月8日至6月1日)在EU Survey Platform上开展了一项横断面问卷调查,内容涵盖人口统计学信息、工作环境、AI术语掌握自信度、科研参与度、感知到的实施障碍、担忧以及AI在护理各阶段的影响。答案通过描述性和比较性方法进行分析。
来自25个国家的73名医疗专业人员(主要来自南欧)参与了调查,预计参与率约为10%。大多数受访者(74%)在的教学医院工作;35.6%从事研究工作,64.4%从事临床工作或两者兼顾。医生占49.3%(其中69.4%为资深医生);其他医疗专业人员,包括生物学家和护士,占50.7%。74%的受访者正确识别了"机器学习",但对于"深度学习",仅有57.5%选择正确,且37%自信作答的受访者仍然答错。尽管56.2%的人表示熟悉"大数据",但仅有31.5%能识别其三大核心特征。总体而言,71.2%的受访者使用过至少一种AI工具,94.6%认为AI将有利于患者。最常提到的障碍包括基础设施不足、个人责任、AI可信度和患者隐私问题。
尽管普遍持乐观态度并已采纳AI,但RHD专业人员仍存在显著的知识差距,有时甚至高估了自己的理解程度。这些发现将为针对不同医疗专业人员类别、设计有针对性的多学科培训方案提供依据,以弥补已识别的知识差距。