《Frontiers in Health Services》:Attitudes, perceptions, and factors influencing the adoption of artificial intelligence Among healthcare professionals in Saudi Arabia: a UTAUT-based study
编辑推荐:
背景:在全球智能医疗系统竞争的大背景下,沙特阿拉伯正处于其数字健康转型的关键时刻。了解医疗专业人员对采用人工智能的准备程度,对于制定成功的国家战略至关重要。
目标:本研究旨在评估医疗专业人员对在临床实践中使用人工智能的态度、认知和意向;考察其认知和实际使用
背景:在全球智能医疗系统竞争的大背景下,沙特阿拉伯正处于其数字健康转型的关键时刻。了解医疗专业人员对采用人工智能的准备程度,对于制定成功的国家战略至关重要。
目标:本研究旨在评估医疗专业人员对在临床实践中使用人工智能的态度、认知和意向;考察其认知和实际使用情况;基于统一技术接受与使用理论(UTAUT)识别人工智能采用的关键预测因素;并探讨制度支持的中介作用。
方法:在沙特阿拉伯全国范围内对521名医疗专业人员(包括医生、护士、管理人员和专职医疗人员)进行了横断面调查。调查评估了认知度、使用情况、感知有用性、易用性、社会影响、便利条件、感知风险和人工智能使用意向。数据采用卡方检验、多元回归和中介分析进行分析。
结果:尽管人工智能认知度非常高(89.1%),且对未来的乐观情绪强烈(79.0%),但仅有51.2%的参与者报告实际使用了人工智能临床工具,认知与使用之间的差距为37.9个百分点。有两个因素始终是意向的有力驱动因素:相信人工智能确实有用(B=0.491,p<.001)和对自身使用能力的信心(B=0.224,p<.001)。制度支持在塑造意向方面发挥了重要的但主要是间接的作用,其作用通过增强上述两种信念实现。社会影响的影响很小,且对护士呈负向作用,而感知风险并未显著阻碍采用。尽管存在结构和伦理挑战,人工智能使用意向仍然很高(71.6%),比实际使用高出20.4个百分点,这表明组织障碍而非个体意愿仍是人工智能整合的主要障碍。
结论:这些动态提供了独特的机遇。由于71.6%的专业人员有意采用人工智能,针对性的培训计划、更清晰的治理框架和组织支持可能有助于促进人工智能在医疗实践中的可持续整合。本研究提供了实证证据和路线图,将热情转化为可持续、安全和有意义的人工智能整合,并可能支持医疗领导者和政策制定者制定沙特医疗系统内安全可持续的人工智能整合战略。
实践意义:在沙特阿拉伯推进人工智能赋能的医疗保健,不仅需要对技术进行投资,还需要对医疗专业人员的准备情况和组织支持进行投资。结构化培训计划、人工智能工具的实践操作、支持性领导力、充足的基础设施和清晰的数据治理框架可能有助于医疗专业人员在临床实践中更自信、可持续地采用人工智能。
**论文解读:沙特阿拉伯医疗专业人员人工智能采用的影响因素——基于UTAUT框架的全国性调查**
**研究背景与意义**
在全球智能医疗系统竞争加速的背景下,沙特阿拉伯正借助“愿景2030(Vision 2030)”战略推动医疗行业的数字化转型,其中人工智能被视为提升服务效率与质量的关键技术。然而,医疗专业人员对AI的真正接受程度和实际使用情况,是决定这一国家战略能否落地的核心问题。已有国际研究表明,医护人员对AI的态度普遍积极,但实际临床使用率往往远低于认知和意向水平,存在显著的“意图-使用差距”现象。例如,中国一项全国调查显示72.75%的医护有积极意向,但实际使用仅为19.11%;另一项研究也发现70%的医疗专业人员对AI有认知和正向感知,但只有27%实际使用过AI工具。沙特阿拉伯此前的研究多聚焦于一般认知,样本量较小且缺乏理论框架指导,尚未系统探究影响AI采用的行为与组织因素。为此,研究人员基于统一技术接受与使用理论(Unified Theory of Acceptance and Use of Technology, UTAUT),在沙特开展了全国性横断面调查,旨在评估医疗专业人员的态度、认知、使用意向和实际使用情况,识别关键预测因素,并检验制度支持的中介效应。该论文发表在《Frontiers in Health Services》上,为沙特医疗系统制定AI整合策略提供了实证基础。
**研究方法概述**
研究人员于2026年3月10日至20日通过电子渠道(WhatsApp、LinkedIn、电子邮件等)采用便利抽样法招募参与者,最终纳入521名沙特阿拉伯医疗专业人员,涵盖医生、护士、行政管理人员和专职医疗人员。使用的问卷基于Dai等人开发的验证过的UTAUT工具,包含四个部分:人口统计学特征、AI知识与观点、AI使用经历、以及UTAUT核心构念(绩效期望、努力期望、社会影响、便利条件、感知风险和行为意向)。统计方法包括描述性统计、皮尔逊卡方检验、多元线性回归和中介分析,以考察各因素对使用意向的直接和间接影响。
**研究结果**
**3.1 参与者的人口统计学特征**
通过描述性统计发现,样本中男性占59.7%,女性占40.3%;医生以男性为主(68.8%),护士以女性为主(57.3%);大部分参与者(62.8%)位于沙特中部地区。教育水平方面,医生(77.5%)和行政管理人员(65.2%)拥有研究生学历的比例远高于护士和专职医疗人员。行政管理人员中73.0%处于高级职称,且32.6%有超过16年的工作经验。这些人口学差异为后续分析提供了背景。
**3.2 关于AI的知识和视角**
卡方检验结果显示,AI认知度整体高达89.1%,但实际使用率仅为51.2%,认知-使用差距达37.9个百分点。分职业看,医生认知度为93.1%,使用率为66.9%,差距最小(26.2个百分点);专职医疗人员认知度为85.3%,使用率仅38.6%,差距最大(46.7个百分点);护士认知度为81.3%,使用率40.0%,差距为41.3个百分点。这表明,认知宣传已经覆盖了各类职业群体,但实际接触AI工具的机会并不均衡,与角色相关的便利条件和工作流程整合程度可能解释这种差距。
**3.3 感知的制度支持和对AI的看法**
在有过AI使用经验的267名参与者中,61.8%认为所在机构对AI表现出一般或高的兴趣,而38.2%认为机构关注度低。关于AI未来前景,79.0%持乐观态度,且各职业群体间无显著差异。值得注意的是,高乐观与较低的制度支持感知并存,提示个人信念与组织实际投入之间可能存在脱节,这也预示着机构层面的执行缺口。
**3.4 对使用医疗AI的认知和意向**
UTAUT各构念的得分显示,绩效期望均值最高(4.13,SD=0.86),75.2%的参与者认为AI能提升临床绩效;努力期望均值为4.06(SD=0.89),71.8%的人对学习并使用AI有信心;社会影响均值仅3.24(SD=1.02),便利条件均值为3.16(SD=1.12),只有37.0%认为组织提供了足够的资源。感知风险均值为3.29(SD=0.92),主要担忧集中在诊断错误和医疗法律责任。使用意向均值达到4.04(SD=0.89),71.6%表示愿意采用AI。这反映个体准备度高,但组织支持感知相对较弱。
**3.5 影响使用医疗AI意向的因素**
多元线性回归分析显示,绩效期望是最强的预测因子(B=0.491,p<.001),努力期望次之(B=0.224,p<.001)。社会影响总体不显著,但对护士呈显著负向关联(B=-0.303,p=.001),意味着感知到的社会压力越高,护士的采用意向反而越低。感知风险在所有职业群体中均无显著影响。可见,AI采用意向主要由感知有用性和易用性驱动,而非外部压力或风险担忧。
**3.6 绩效期望和努力期望的中介效应**
中介分析表明,便利条件对采用意向的影响主要通过绩效期望和努力期望间接实现。在医生组中,直接效应不显著(B=-0.053),间接效应显著(B=0.235),呈完全中介模式;专职医疗人员也有较强的间接效应(B=0.185)。而护士和行政管理人员的直接效应仍然显著(B分别为0.247和0.211),提示不同职业群体将组织资源转化为采用意向的路径存在差异。这一发现说明,制度支持必须通过增强员工对AI有用性和易用性的信念,才能有效提升采用意向。
**讨论与结论**
讨论部分指出,沙特医疗专业人员对AI的热情与全球趋势一致,但实际采用不足,意图-使用差距的关键在于组织层面而非个体层面。便利条件不足(仅37.0%认为资源充足)、伦理隐私顾虑(37.2%)以及机构优先度低(38.2%认为机构关注低)构成了主要障碍。研究结果重复验证了UTAUT的核心机制,并首次将模型扩展至行政管理人员和专职医疗人员群体,同时揭示了便利条件通过绩效期望和努力期望发挥间接作用的新见解。研究人员也承认横断面设计、便利抽样(可能导致数字参与度高的人群被过度代表)以及自我报告数据存在局限性,建议未来采用纵向和混合方法深化研究。
研究结论翻译如下:沙特医疗专业人员对AI表现出强烈热情,这主要源于其对AI有用性和易用性的信念;然而,由于机构支持、培训和治理方面的不足,实际采用水平依然有限。本研究证实了UTAUT框架在沙特背景中的适用性,并强调组织支持、劳动力准备和治理框架在促进AI采用中的重要作用。基于回归和中介分析结果,研究人员提出三项具体建议:第一,针对专职医疗人员和护士加强制度支持与便利条件,如提供专用设备、系统接入和医院级别的AI支持单元;第二,投资于AI专项培训和体验式试点项目,以强化绩效期望和努力期望;第三,建立清晰的国家级AI治理框架、伦理指南和数据保护协议,以缓解隐私关切并将当前感知到机构充分关注的61.8%提高至系统覆盖水平。这些措施将有助于推动AI在沙特医疗实践中的可持续整合,与“愿景2030”的医疗转型目标保持一致。