沙特阿拉伯医疗机构中人工智能(AI)采纳的决定因素研究

《Healthcare》:Determinants of AI Adoption in Saudi Arabian Healthcare Institutions

【字体: 大 中 小 】 时间:2026年06月26日 来源:Healthcare 3.4

编辑推荐:

  背景/目的:人工智能(Artificial Intelligence, AI)在医疗领域的整合有望提高诊断准确性、患者安全性和运营效率。然而,由于知识缺口、风险担忧及治理挑战,尤其是沙特阿拉伯等发展中国家面临独特的基础设施、组织和文化挑战,医护人员对AI的接受

  
背景/目的:人工智能(Artificial Intelligence, AI)在医疗领域的整合有望提高诊断准确性、患者安全性和运营效率。然而,由于知识缺口、风险担忧及治理挑战,尤其是沙特阿拉伯等发展中国家面临独特的基础设施、组织和文化挑战,医护人员对AI的接受度仍然有限。本研究调查沙特阿拉伯医院中医疗从业者、护士、行政人员及学生对AI接受的影响因素,以确定采纳的关键决定因素与障碍。方法:本研究采用横断面设计,使用整合医疗人工智能伦理评估与分析模型(Model for Ethical Assessment and Analysis of AI in Medicine, MEAAM)伦理考量的扩展统一技术接受与使用理论(Unified Theory of Acceptance and Use of Technology, UTAUT)框架。向沙特全境119名医疗专业人员及学生发放双语结构化问卷,测量认知与知识(Awareness and Knowledge)、绩效期望(Performance Expectancy)、努力期望(Effort Expectancy)、促成条件(Facilitating Conditions)、社会影响(Social Influence)、信任(Trust)、感知风险(Perceived Risk)、伦理治理(Ethical Governance)及价格价值(Price Value)。采用偏最小二乘结构方程模型(Partial Least Squares Structural Equation Modeling, PLS-SEM)进行定量分析,并对开放式定性回答进行主题分析。结果:PLS-SEM分析解释了AI采纳行为意向(Behavioral Intention) 59.8%的方差(R2= 0.598)。认知与知识是最强预测因子(β = +0.505, p < 0.001),其次为绩效期望(β = +0.229, p < 0.05)和社会影响(β = +0.123)。感知风险是主要障碍(β = ?0.185, p < 0.05)。定性结果发现基础设施缺口、监管模糊及培训不足为主要实施障碍,同时强调诊断准确性和远程监测的应用机会。结论:沙特医疗领域AI接受主要由知识驱动,感知有用性和同伴支持为次要促进因素,而安全和责任归属担忧仍是实质障碍。成功的AI整合需要在教育、透明治理框架和机构支持方面协同努力。本研究通过在非西方医疗背景下验证扩展UTAUT模型作出理论贡献,并为可持续AI采纳提供循证策略。
论文解读:沙特阿拉伯医疗机构中人工智能(AI)采纳的决定因素研究
本文原载于《Healthcare》期刊。该研究针对沙特阿拉伯"2030愿景"推动的医疗数字化转型背景,指出尽管AI在医疗诊断与效率提升方面潜力巨大,但沙特医护人员的AI实际采纳率偏低。现有文献多仅描述性调查AI意识水平,缺乏基于理论模型的多维度实证分析来揭示认知、组织、伦理及财务因素对采纳意向的相对权重。为此,研究人员在经典UTAUT四因子基础上引入信任(Trust)、感知风险(Perceived Risk)及源自MEAAM的伦理治理(Ethical Governance)构念,通过实证调查明确各决定因素的驱动与阻碍作用,为政策制定与医院管理提供循证依据。
主要关键技术方法
研究人员采用横断面(cross-sectional)调查设计,基于扩展统一技术接受与使用理论(UTAUT, Unified Theory of Acceptance and Use of Technology)框架融汇医疗人工智能伦理评估与分析模型(MEAAM, Model for Ethical Assessment and Analysis of AI in Medicine)之伦理维度,编制双语(阿拉伯语/英语)结构化量表。通过目的抽样与滚雪球抽样,面向沙特阿拉伯公立医院、私立医院及教学医院之医生、护士、行政人员和医学相关学生发放问卷,回收有效样本N=119(达到G*Power预估最少114份要求)。定量数据使用SmartPLS 4软件运行偏最小二乘结构方程模型(PLS-SEM, Partial Least Squares Structural Equation Modeling)分析潜变量间路径系数与R2;信效度检验采用Cronbach's α、组合信度(CR, Composite Reliability)和平均方差萃取量(AVE, Average Variance Extracted),判别效度采用Fornell–Larcker准则及HTMT比。同期对开放式问题作答使用NVivo 15进行主题分析法(thematic analysis),由两名作者独立编码并共识校验。
样本特征
研究人员自沙特各地公立、私立及教学医院招募医生、护士、行政人员、医学生及其他医疗人员共119人,覆盖不同性别、年龄层、从业年限(<1年至>15年)及机构类型,样本满足先验功效分析要求。
量表信效度
多数构念Cronbach's α > 0.70,其中认知与知识(Awareness/Knowledge)表现优异(α = 0.818, AVE = 0.849, CR = 0.918)。促成条件(Facilitating Conditions)、信任(Trust)、感知风险(Perceived Risk)、价格价值(Price Value)达可接受阈值。社会影响(Social Influence) α略低(0.587)但AVE与CR合格。绩效期望(Performance Expectancy, α = 0.382, AVE = 0.462)与努力期望(Effort Expectancy, α = 0.260, AVE = 0.421)因题项少存测量瑕疵予以保留。判别效度基本满足,PE、EE、SI与Trust间存轻微内容重叠。
各构念应答分布
认知与知识均值M = 3.79,多数受访者熟悉通用医疗AI、影像分析及临床决策支持系统(Clinical Decision Support Systems, CDSS)。绩效期望较高(M = 3.92),认同AI可提升诊断精度与减少人为错误。努力期望显示中等学习信心(M = 3.98);促成条件揭示仅有43.7%认为所在医院提供充足AI培训。社会影响得分偏高(M = 4.02),同事鼓励与管理层支持被认为重要。信任均值M = 4.12,但感知风险亦高(M = 3.92),集中关切高危场景依赖AI、患者隐私及法律责任归属。伦理治理期望极高(M = 4.21),强调可解释性(explainable AI)、公平及问责。行为意向中等(M = 3.48),86.6%认同AI应为辅助而非替代医生。
PLS-SEM结构模型结果
模型解释行为意向 59.8% 方差(R2= 0.598)。认知与知识对行为意向正向影响最强(β = +0.505, p < 0.001),绩效期望显著正向(β = +0.229, p < 0.05),感知风险显著负向(β = ?0.185, p < 0.05)。社会影响(β = +0.123)、伦理治理(β = +0.094)及促成条件(β = +0.077)呈正向但未达显著性。信任(β = +0.019)、价格价值(β = ?0.003)及努力期望(β = ?0.083)效应接近零或不显著。研究表明在沙特医疗AI早期采纳阶段,认知准备(知识)是先决驱动因子,感知风险是核心抑制因子。
开放式问题定性洞见
实施障碍归为四类:基础设施与技术局限(网络差、系统不互通、缺技术支持);治理与监管空白(AI误诊法律责任不明、缺国家级伦理指南);培训与知识欠缺(无实操机会、课程缺失、缺阿语材料);文化与职业顾虑(怕被取代、抵触改变流程)。机遇包括:诊断准确性与CDSS、效率与资源优化、远程监测与慢病管理、大数据洞察。建议涵盖全员分层培训与阿语教材、制定国家AI医疗伦理规范与责任法、将AI框定为临床助手并通过试点分阶段推行、管理层承诺与技术支持团队建设。
讨论与结论总结
讨论部分指出,认知与知识是沙特语境下超越传统UTAUT中绩效期望的最强预测变量,反映早期采纳阶段认知就绪度的基础性作用——教育干预为最高杠杆举措。绩效期望仍显著促动但次于知识;社会影响虽未达显著但定性与方向支持后续大样本验证。感知风险独立于信任起作用,即便有一般技术信任,缺乏明确问责与隐私保障仍抬高风险感知抑制采纳,故需并行治理改革而非仅靠演示准确性。伦理治理对信任与风险存潜在间接作用(文中未做正式中介检验,留待未来)。信任直接效应近零或因与绩效期望及伦理治理共线,或经由降低感知风险间接起效。研究在 non-Western 医疗场景验证扩展UTAUT–MEAAM模型,揭示普适因子与沙特特有因子(职业身份保全、阿语沟通、监管滞后)。
结论翻译:本研究调查沙特阿拉伯医疗专业人员之AI接受影响因素。医护人员表现中等AI认知与谨慎采纳意向,知识缺口及风险顾虑限制采纳。AI之认知与理解是接受主要驱动力,其次为感知有用性及同伴支持;安全、隐私与问责相关感知风险是主要障碍,伦理治理期望甚高。信任对意向直接效应微小,通过影响风险感知间接作用。促成条件、伦理治理、社会影响等其余假设构念未达统计显著,暗示其或为间接或需更大样本检出。定性结果指认基础设施缺口、监管模糊及培训不足为主要实施障碍,参与者强调应将AI框定为辅助而非替代医护人员。研究发现表明:教育与培训为最高杠杆干预;须优先建立风险缓释与透明治理框架;应主动动员领导与同伴背书;机构层面解决基础设施与工作流整合。理论上,本研究为非西方医疗情境扩展技术接受框架提供初步证据,提示早期AI采纳中认知就绪或先于组织促成条件。沙特医疗AI整合可行,但需教育、政策、机构领导及技术开发多方协同——优先知识建构、透明治理与风险缓释,同时确保AI增强而非威胁专业角色,以在尊重文化与伦理原则下提升医疗质量与效率。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号