I-KAPCAM-AI-Q：一种用于评估意大利医疗保健提供者对人工智能认知的新工具

《Frontiers in Public Health》：The I-KAPCAM-AI-Q: a novel instrument for evaluating health care providers’ AI awareness in Italy

　　AI准备度评估工具I-KAPCAM-AI-Q在意大利医生中的开发与验证，显示其具有高内容效度（0.98）和良好内部一致性（Cronbach's α=0.7481）。研究揭示医生群体中AI知识培训不足（仅17%接受过数字技术培训），临床决策支持接受度达91%，但存在专业差异（住院医师更倾向技术支持与证据验证）。工具为医疗AI整合提供可靠评估框架，强调数字健康教育必要性。

　　人工智能（AI）在医疗领域的应用正以前所未有的速度发展，成为推动医疗创新、优化临床决策和提升患者护理的重要工具。然而，AI技术的广泛应用也对医疗从业人员提出了新的挑战，尤其是在知识、态度、实践以及与AI系统在临床诊断中的协同能力方面。为了系统地评估这些方面，研究团队开发并验证了一种新的问卷工具——意大利知识、态度、实践和医生与人工智能临床一致性问卷（I-KAPCAM-AI-Q），旨在填补当前缺乏针对意大利医生AI准备度评估工具的空白。

### 一、AI在医疗领域的潜力与挑战

自1955年人工智能概念提出以来，其在医疗领域的应用经历了显著的发展。随着技术的进步和患者对高效医疗服务的期望提升，AI已被广泛应用于医疗教育、临床辅助诊断、数据管理以及医疗研究等多个方面。例如，AI可以通过记录教学视频、支持远程学习、优化医疗资源分配以及增强虚拟咨询系统，为医疗培训和实践提供新的可能性。此外，AI在处理海量医疗数据、提升诊断准确性和辅助复杂问题解决方面展现出巨大潜力。

然而，尽管AI技术在医疗领域展现出诸多优势，其有效应用仍然受到医疗从业者自身能力的限制。当前的研究表明，许多医学专业人员缺乏对AI的基本理解，特别是在实际临床工作中应用AI工具的经验。例如，在一项针对意大利年轻医生的研究中发现，超过80%的医生未接受过足够的数字健康技术培训，这成为AI技术推广和应用的一大障碍。此外，AI在临床决策中的角色也引发了伦理和信任方面的争议。AI缺乏道德判断能力和价值导向，因此其在临床诊断和治疗建议中的使用需要医生具备足够的判断力和批判性思维能力，以确保其与临床实践的融合不会削弱医疗质量。

### 二、I-KAPCAM-AI-Q的开发与验证

为了应对上述挑战，本研究开发了I-KAPCAM-AI-Q，这是一种专门针对意大利医生的AI准备度评估工具。该问卷的开发过程遵循严格的科学方法，包括专家评审、内容效度评估、技术实现测试以及预测试阶段。问卷由两大部分组成：第一部分评估医生对AI的基本知识、态度、使用经验以及愿意学习AI的程度；第二部分则通过临床场景来衡量医生与AI系统在诊断方面的共识。

在专家评审阶段，共有18位专家参与了内容效度的评估，确保问卷的结构和问题覆盖了AI在医疗领域的关键主题。经过专家评估后，问卷进一步通过20名志愿者医生进行面效度测试，以验证其在实际应用中的清晰度和实用性。随后，研究团队进行了技术实现测试，以确保问卷能够在多种平台和设备上顺利运行，并具备良好的数据安全性和用户友好性。最终，问卷在203名医生（包括实习医生和专科医生）中进行了预测试，收集了关于AI使用现状和医生态度的初步数据。

### 三、问卷的可靠性与有效性

通过严格的统计分析，I-KAPCAM-AI-Q的效度和信度得到了验证。内容效度方面，问卷的平均内容效度指数（S-CVI/Ave）达到0.98，表明其覆盖了AI在医疗领域的关键内容，能够有效反映医生的真实态度和知识水平。信度方面，问卷的内部一致性（Cronbach’s Alpha）为0.7481，属于可接受范围；而KR-21系数为0.832，进一步验证了其在二元数据上的可靠性。这些指标表明，I-KAPCAM-AI-Q具备较高的科学价值，可以作为评估医生AI准备度的可靠工具。

此外，问卷在临床场景评估中表现出良好的一致性。在一项普遍适用的临床案例中，91%的医生对AI提出的诊断表示一致，这表明AI在某些情况下可以成为医生的重要辅助工具。尽管医生们在AI使用经验上存在一定的局限性，但其对AI的接受度和兴趣表明，AI在医疗领域具有广阔的前景。

### 四、医生对AI的态度与使用现状

在预测试中，研究团队发现仅有17%的医生在医学教育中接受过数字技术培训，而22%的医生参加过与AI相关的课程或研讨会。这意味着大多数医生对AI的了解仍处于基础阶段，缺乏系统性的培训。然而，尽管培训不足，医生们对AI在医疗中的应用表现出较高的兴趣和接受度。91%的医生对AI的诊断建议表示临床一致，这表明AI在某些医疗场景中可以作为医生的有力支持工具。

在具体应用方面，医生们最常使用的AI工具包括诊断影像、医疗咨询聊天机器人和临床决策支持系统。其中，诊断影像的使用比例最高，占6.9%，而医疗咨询聊天机器人使用比例为8.4%。相比之下，机器学习在诊断中的应用和电子健康记录分析的使用比例较低，分别为2.5%和3.4%。这一现象可能与医生对AI在这些领域的熟悉程度和实际应用经验有关。

研究还发现，实习医生与专科医生在AI使用和培训需求上存在一定的差异。实习医生对技术支持和基于证据的验证表现出更高的兴趣，分别有58.3%和61.2%的实习医生表示需要这些方面的培训和资源，而专科医生的比例则为42.0%和47.0%。这一结果表明，实习医生可能更倾向于在实际工作中引入AI工具，但缺乏足够的经验和专业知识，可能导致对AI输出的过度依赖。而专科医生则更关注AI的准确性、伦理问题和隐私保护，这反映了他们在临床实践中的经验和专业性。

### 五、AI在医疗教育中的角色

本研究的发现强调了将AI纳入医学教育的重要性。当前，医学教育体系中对AI的培训仍处于初级阶段，仅有少数医生接受过系统性的AI课程。然而，随着AI技术的快速发展，医生们对AI的认知和接受度正在逐步提高。研究团队发现，95.1%的医生表示愿意参与AI相关的培训，显示出强烈的教育需求。这一趋势表明，未来的医学教育需要更加重视AI技术的培养，以确保医生能够充分利用AI工具，提高临床效率和准确性。

此外，问卷结果还揭示了医生对AI学习方式的偏好。在线课程和实践培训是最受欢迎的两种方式，分别有61.1%和60.6%的医生表示偏好。相比之下，面对面的研讨会和会议则受到较少关注，仅有45.3%的医生选择这种方式。这一发现提示，未来的医学教育应更多地采用灵活、互动性强的培训方式，以适应不同医生的学习需求和工作节奏。

### 六、AI在医疗实践中的应用前景

尽管当前AI在医疗中的使用仍处于较低水平，但其潜力不容忽视。特别是在诊断和治疗建议方面，AI的应用已经显示出显著的提升效果。例如，研究团队发现，AI在诊断影像方面的准确率比传统方法高出25%，这表明AI在某些医疗领域具有替代传统方法的可能性。然而，医生对AI的接受度和信任度仍然存在一定的限制，尤其是在隐私和数据安全方面，38.4%的医生表示对此存在担忧。

为了提高医生对AI的接受度和信任度，需要加强AI在医疗领域的透明度和可解释性。当前的AI系统，如大型语言模型ChatGPT，虽然在医学知识的获取和处理方面表现出色，但其在临床决策中的使用仍受到质疑。因此，未来的研究应关注如何提升AI的可解释性，使其更符合医生的临床需求，并减少对其判断力的潜在影响。

### 七、未来研究方向与建议

I-KAPCAM-AI-Q的开发和验证为未来研究提供了重要的工具和框架。该问卷不仅能够评估医生对AI的认知和态度，还能为医疗政策制定者提供数据支持，帮助他们制定更有效的AI推广策略。此外，该工具还可以用于长期跟踪医生对AI的态度和使用情况，从而评估不同教育干预措施的效果。

未来的研究应关注以下几个方面：首先，进行纵向研究，以观察医生对AI的态度和使用情况随时间的变化。其次，开发针对不同医疗专业的个性化问卷，以更好地评估AI在各个领域的应用潜力。第三，探索AI在不同医疗环境和文化背景下的适用性，确保其在不同国家和地区的推广过程中能够保持其科学性和有效性。

### 八、结论与展望

综上所述，I-KAPCAM-AI-Q的开发和验证为评估意大利医生对AI的准备度提供了重要的工具。该问卷不仅具有良好的内容效度和内部一致性，还能够有效衡量医生与AI在临床诊断中的共识。研究结果表明，尽管医生对AI的使用仍处于较低水平，但其对AI的接受度和兴趣正在上升，显示出AI在医疗领域具有广阔的发展前景。

然而，要实现AI在医疗中的广泛应用，还需要进一步加强医生的AI培训和教育。当前的研究结果表明，只有少数医生接受过系统的AI课程，这可能限制了他们在实际工作中的应用能力。因此，未来的研究应致力于开发更全面、系统的AI教育方案，以确保医生能够充分利用AI工具，提高医疗质量和效率。

此外，AI在医疗中的应用还应考虑伦理、隐私和数据安全等关键问题。随着AI技术的不断进步，医生需要具备足够的伦理意识和判断能力，以确保其在临床决策中的正确使用。因此，未来的医疗教育应更加注重AI的伦理和法律层面，帮助医生理解AI在医疗实践中的潜在风险和责任。

最后，I-KAPCAM-AI-Q的开发为AI在医疗领域的进一步研究和应用奠定了基础。该工具不仅能够评估医生的AI准备度，还能为政策制定者和医疗机构提供数据支持，推动AI在医疗实践中的合理应用。随着AI技术的不断发展，其在医疗领域的潜力将被进一步挖掘，而医生的AI素养和适应能力将成为实现这一目标的关键因素。