基于大语言模型自我诊断的隐私管理:一项覆盖25国的跨文化研究

《Telematics and Informatics》:Privacy management in LLM-based self-diagnosis: a cross-cultural study across 25 countries

【字体: 大 中 小 】 时间:2026年09月28日 来源:Telematics and Informatics 9.9

编辑推荐:

   •基于CPM理论的框架考察了25个国家中基于LLMs的自我诊断使用意愿相关的隐私因素。 •采用多层结构方程模型分析了4088名参与者的数据。 •基于政策和基于技术的隐私保证与隐私风险和控制存在不同的关联。 •健康信息敏感性和感知实用性与隐私风险和控制存在关联。 •国家层面的个

  

•基于CPM理论的框架考察了25个国家中基于LLMs的自我诊断使用意愿相关的隐私因素。
•采用多层结构方程模型分析了4088名参与者的数据。
•基于政策和基于技术的隐私保证与隐私风险和控制存在不同的关联。
•健康信息敏感性和感知实用性与隐私风险和控制存在关联。
•国家层面的个人主义调节了隐私风险和控制与使用意愿之间的关联方式。

引言

大语言模型(LLMs)的出现代表了医疗服务中的变革性力量,特别是在自我诊断领域。通过分析症状并提供诊断建议,LLMs应对了全球医疗可及性挑战(Zhang and Zhao, 2024;Shahsavar and Choudhury, 2023)。然而,基于LLMs的自我诊断引入了一个基本的隐私悖论:为了获得准确的输出,用户必须披露详细且往往是敏感的健康信息。这造成了披露的功能性收益与用户对信息隐私和控制的潜在损失的担忧之间的张力(Albaroudi et al., 2024)。

现有数字健康隐私研究主要从隐私计算和制度信任视角考察信息披露(Jin, 2012;Liu et al., 2023)。隐私计算将披露概念化为理性的成本-收益权衡,而制度信任视角则强调对平台治理机制的信心。虽然这些视角提供了披露决策的重要解释(Jin, 2012),但基于LLMs的自我诊断引入了额外的隐私管理挑战。首先,LLMs通过准自主和对话式交互与用户互动,创造了一个披露可能动态展开而非通过单一、明确界定的交易发生的环境(Shahsavar and Choudhury, 2023)。其次,算法不透明性限制了用户验证其披露内容如何被处理、存储或重用的能力(Chen and Esmaeilzadeh, 2024;Christodorescu et al., 2024)。第三,基于LLMs的自我诊断的实用性取决于用户是否提供足够的信息以使系统生成相关输出(Choudhury et al., 2025)。这些特征表明,在基于LLMs的医疗保健中,隐私管理是在用户与LLM服务提供商之间有限互惠协商的条件下展开的。

通信隐私管理(CPM)理论为概念化这一隐私管理过程提供了有用的框架。CPM不是简单地将隐私视为风险-收益计算的结果,而是将隐私管理概念化为一个基于规则的过程,个体通过这一过程在私人信息周围建立边界,并调节其披露以及与可能成为该信息共同拥有者的他人的协调(Petronio, 2002;Petronio, 2013)。隐私规则的形成受到相对稳定因素(如文化背景)和更情境化考量(如信息特征)的影响(Petronio, 2013)。虽然CPM主要是为人际和组织情境开发的,但最近的研究已将其应用扩展到涉及算法信息接收者的人机通信(Craig, 2025;Craig and Child, 2025;Lutz, 2023)。因此,CPM为考察基于LLMs的医疗保健中的隐私管理提供了适当的总体逻辑。

基于这一视角,本研究发展了一个CPM告知的基于LLMs的自我诊断中的隐私管理模型。模型的核心是感知隐私风险和感知隐私控制,它们捕捉了用户关于披露潜在成本的隐私管理评估以及他们感知到的对披露信息保持控制的能力。该模型进一步考察了塑造这些评估的因素。健康信息敏感性和感知实用性分别捕捉了围绕披露的信息特定和功能性考量(Bansal et al., 2010;Li et al., 2011),而感知隐私政策有效性和感知隐私保护技术有效性捕捉了基于政策和基于技术的保证条件(Xu et al., 2011;Wang et al., 2019)。这些因素使模型能够将CPM的隐私管理逻辑与关于风险、收益和保证的既有见解联系起来。

此外,隐私管理也可能随文化背景而变化。CPM将文化视为影响隐私规则形成的核心因素,表明基于文化的取向可能塑造个体如何建立和应用隐私规则(Petronio, 2002)。与此视角一致,先前的研究已记录了隐私担忧和披露行为的文化差异(Cho et al., 2009;Krasnova et al., 2012;Trepte et al., 2017)。然而,现有的跨文化证据主要是在传统数字情境中产生的,留下了文化价值观是否调节隐私管理评估转化为基于LLMs的医疗保健中的使用意愿的不清晰之处。因此,我们考察国家层面的个人主义是否调节了感知隐私风险和感知隐私控制对使用意愿的影响。

本研究寻求做出四项贡献。首先,它将在有限互惠协商条件下发生的用户隐私决策背景化于基于LLMs的医疗保健中的CPM告知隐私管理。其次,它通过考察它们在塑造用户隐私管理评估中的不同作用来区分基于政策和基于技术的隐私保证形式。第三,它将信息特定和功能性考量纳入CPM告知模型,考察健康信息敏感性和感知实用性与用户隐私管理评估的关联。第四,它考察了个人主义作为影响隐私规则形成的核心文化因素,并检验它是否调节隐私管理评估转化为使用意愿。通过这些贡献,本研究发展并实证检验了基于LLMs的自我诊断中CPM告知的隐私管理账户。

LLMs基于的自我诊断:应用和隐私挑战

LLMs应用利用在大规模数据集上训练的深度学习网络,使新内容的创建成为可能(Gupta et al., 2023)。它们已深刻影响医疗保健,包括临床决策支持(Zhang & Kamel, 2023)、药物发现(Martinelli, 2022)、医患沟通(Cascella et al., 2023)、临床数据管理(Ancona, 2024)和自我诊断(Shahsavar and Choudhury, 2023)。在此背景下,自我诊断指的是患者或非医学专业人员……

数据收集

本研究获得了机构审查委员会的批准。所有参与者在参与前均提供了知情同意。同意书概述了研究目的、程序、潜在风险和利益,并强调了自愿参与和随时退出而无需承受处罚的权利。未收集个人可识别信息。在分析前,回应被匿名化,所有数据都存储在安全的、密码保护服务器上,仅限可访问……

测量模型

通过多种测试评估了测量模型的质量,考虑了其可靠性和收敛效度。所有构念的Cronbach's α、ρA和组合信度(CR)均高于0.7的可接受阈值,表明可靠性水平令人满意。此外,每个构念的平均方差提取(AVE)超过0.50,表明收敛效度令人满意。

1 判别效度

讨论

LLMs的出现已转变了医疗咨询,但隐私担忧可能阻碍其使用。本研究考察了隐私管理如何与个体和国家层面的使用基于LLMs的自我诊断的意愿相关联。采用CPM告知的视角,我们考察了感知隐私风险和感知隐私控制作为核心隐私管理评估,以及这些评估如何与隐私保证、健康信息敏感性和感知实用性相关联……

CRediT作者贡献声明
Ge Zhu:写作——审查与编辑,写作——原稿撰写,方法论,调查,正式分析,概念化。
Yuhan Zhang:写作——审查与编辑,写作——原稿撰写,概念化。
Di Zhang:写作——原稿撰写,方法论,调查,资金获取,概念化。

资金
本研究由中国国家社会科学基金(项目编号21BXW061)资助。

未引用参考文献
Danezis and Gürses, 2010
Greenfield, 2002
Kanter and Packel, 2023
Kawakami et al., 2023
Komatsu et al., 2026
Laufer and Wolfe, 1977
Li, 2022
The Culture Factor Group, 2023
Wang et al., 2023a
Wang et al., 2023b
Waters and Ackerman, 2011
Zhang and Kamel Boulos, 2023

利益冲突声明
作者声明他们没有已知的可能影响本文所报告工作的竞争性经济利益或个人关系。

致谢
我们非常感谢为本研究提供时间的参与者。

各国变量的描述性结果

国家 | 感知AI能力 | 感知隐私政策有效性 | 感知隐私保护技术有效性 | 感知健康信息敏感性 | 感知实用性 | 感知隐私风险 | 感知隐私控制 | 使用基于LLMs的自我诊断的意愿
阿根廷 | 3.93 1.05 | 3.40 1.06 | 3.43 1.05 | 3.51 1.13 | 3.74 0.85 | 3.39 1.06 | 3.08 1.22 | 3.60 1.20

Ge Zhu是中国人民大学新闻与传播学院博士研究生。她的研究兴趣包括生成式AI在医疗保健和社会治理中的应用。

Ge Zhu | Yuhan Zhang | Di Zhang
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

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