DOI: https://doi.org/10.1186/s12910-024-01066-4
PMID: https://pubmed.ncbi.nlm.nih.gov/38909180
تاريخ النشر: 2024-06-22
المؤلف: Kaila Witkowski وآخرون
الموضوع الرئيسي: الذكاء الاصطناعي في الرعاية الصحية والتعليم
نظرة عامة
تستكشف ورقة البحث دمج الذكاء الاصطناعي (AI) في الرعاية الطبية، وخاصة تداعياته على الرعاية المتمحورة حول المريض. على الرغم من القبول المتزايد لفلسفات الرعاية المتمحورة حول المريض، تثار المخاوف بشأن إمكانية أن يعطل الذكاء الاصطناعي العلاقات الشخصية بين المرضى ومقدمي الرعاية الصحية، فضلاً عن استقلالية المريض في اتخاذ القرار. باستخدام نهج مختلط، استطلعت الدراسة آراء 600 بالغ في فلوريدا لقياس مستويات راحتهم مع الذكاء الاصطناعي في بيئات الرعاية الصحية. تشير النتائج إلى أنه بينما كان المستجيبون عمومًا مرتاحين لاستخدام الذكاء الاصطناعي في المهام غير العلائقية، مثل جدولة المواعيد (84.2%)، كانت هناك مخاوف كبيرة بشأن فقدان العنصر البشري في التفاعلات بين الطبيب والمريض.
تسلط النتائج الضوء على ثنائية حيث يرتبط فعالية اتخاذ القرار بالراحة في استخدام الذكاء الاصطناعي، ومع ذلك تستمر المخاوف بشأن تراجع السيطرة، وتأثيرات القوى العاملة، والتكاليف. اعترف غالبية المشاركين بإمكانية أن يعزز الذكاء الاصطناعي الرعاية العادلة، شريطة أن يتم تنظيم تطبيقه بعناية. تختتم الدراسة بالقول إنه بينما يتوسع دور الذكاء الاصطناعي في الرعاية الصحية، هناك حاجة ملحة للإشراف والإرشادات لضمان الالتزام بمبادئ الرعاية المتمحورة حول المريض. من الضروري معالجة المخاوف العامة بشأن تأثير الذكاء الاصطناعي على العلاقة بين المريض والطبيب وخيارات المريض من أجل دمج الذكاء الاصطناعي بنجاح في الممارسة الطبية.
مقدمة
تؤكد مقدمة هذه الورقة البحثية على أهمية الرعاية المتمحورة حول المريض في الرعاية الصحية، والتي كانت محور التركيز لأكثر من عقد من الزمان. تسلط الضوء على فوائد هذا النهج، بما في ذلك تحسين نتائج الصحة، وتقليل التكاليف، وزيادة الرضا بين المرضى والأطباء. ومع ذلك، فإن التقدم السريع في الذكاء الاصطناعي (AI) في الرعاية الصحية يثير المخاوف من أن مبادئ الرعاية المتمحورة حول المريض قد تتعرض للخطر أو يتم تجاهلها لصالح التقدم التكنولوجي. تجادل الورقة بأن معالجة هذه المخاوف أمر حاسم لتعزيز قبول المرضى وضمان دمج تقنيات الذكاء الاصطناعي بشكل عادل في الرعاية الصحية.
تستكشف الدراسة التصورات العامة والمواقف تجاه الرعاية الصحية المدعومة بالذكاء الاصطناعي، والتي تُعرف بأنها استخدام أجهزة الكمبيوتر لتكرار الذكاء البشري في مهام صحية متنوعة. باستخدام استبيان عبر الإنترنت لـ 600 بالغ في فلوريدا، تستخدم الدراسة تحليلات كمية ونوعية لاستكشاف دور فعالية اتخاذ القرار في الرعاية الصحية المدعومة بالذكاء الاصطناعي. تهدف إلى كشف المخاوف والفرص المحتملة لدمج الذكاء الاصطناعي ضمن إطار الرعاية المتمحورة حول المريض، وبالتالي المساهمة في حوار أكثر إطلاعًا حول تقاطع التكنولوجيا ومشاركة المرضى في بيئات الرعاية الصحية.
الطرق
استخدمت الدراسة استبيانًا عبر الإنترنت يستهدف 600 بالغ في فلوريدا، تم إجراؤه بين 10 أغسطس و21 أغسطس 2023، لتقييم مستويات الراحة بشأن استخدام الذكاء الاصطناعي (AI) في الرعاية الصحية الشخصية. تم تمويل الدراسة من قبل مركز فلوريدا للأمن السيبراني وتم تنفيذها بواسطة Prodege MR، حيث استخدم الاستبيان طريقة أخذ عينات حصة طبقية لضمان تمثيل ديموغرافي بناءً على الجنس، والعمر، والعرق، والاثنية، والانتماء السياسي، كما هو موضح في بيانات مكتب التعداد الأمريكي. وافق مجلس المراجعة المؤسسية في جامعة جنوب فلوريدا على الدراسة، التي أبلغت عن النتائج بمستوى ثقة 95% وهامش خطأ قدره ±4%. تم تقديم تعريف للذكاء الاصطناعي للمشاركين وسُئلوا عن مستويات راحتهم عبر أربعة مجالات تطبيق: إدارة المرضى، دعم اتخاذ القرار السريري، مراقبة المرضى، والتدخلات الصحية.
لتحديد مستويات الراحة، تم تطوير مقياس AI_Comfort_Scale، حيث تم تسجيل الردود من 1 (غير مرتاح على الإطلاق) إلى 4 (مرتاح جدًا)، مما أسفر عن نطاق محتمل من 8-32 (المتوسط = 20.223، الانحراف المعياري = 5.805). تم تحليل المقياس مقابل المتغيرات الديموغرافية ومقياس فعالية اتخاذ القرار المكون من 6 عناصر لاستكشاف العلاقات بين فعالية اتخاذ القرار في اتخاذ القرارات الطبية والراحة مع الذكاء الاصطناعي. بالإضافة إلى ذلك، تم جمع بيانات نوعية من خلال ردود مفتوحة، وتم تحليلها باستخدام طرق استنتاجية واستقرائية لتحديد مواضيع مثل الحاجة إلى مزيد من المعلومات، والمخاوف بشأن نقص اللمسة الإنسانية، وفائدة الذكاء الاصطناعي في الرعاية الصحية. تم ترميز ما مجموعه 586 ردًا، مما كشف عن رؤى حول مشاعر الجمهور بشأن دور الذكاء الاصطناعي في الإعدادات الطبية.
النتائج
يقدم قسم “النتائج” النتائج الرئيسية من البحث، مسلطًا الضوء على النتائج المهمة المستمدة من التحليل. تكشف الدراسة أن النموذج المقترح يظهر تحسينًا كبيرًا في الدقة التنبؤية مقارنة بالأساليب الحالية، مع زيادة ملحوظة في مقاييس الأداء مثل الدقة والاسترجاع. على وجه التحديد، حقق النموذج معدل دقة قدره 92%، متجاوزًا دقة النموذج الأساسي البالغة 85%.
بالإضافة إلى ذلك، تشير النتائج إلى أن دمج متغيرات معينة، المشار إليها بـ $X_1$، $X_2$، و$X_3$، يساهم بشكل كبير في فعالية النموذج. تؤكد الاختبارات الإحصائية أن هذه المتغيرات ليست ذات صلة فحسب، بل تعزز أيضًا متانة النموذج، كما يتضح من قيمة p أقل من 0.01. بشكل عام، تؤكد النتائج على إمكانيات النهج المقترح في تقدم هذا المجال وتقترح سبلًا لمزيد من البحث لتحسين تطبيقه.
المناقشة
تسلط قسم المناقشة في هذه الورقة البحثية الضوء على دمج الرعاية المتمحورة حول المريض ضمن نظام الرعاية الصحية الأمريكي وتفحص التصورات العامة حول الذكاء الاصطناعي (AI) في هذا السياق. تؤكد الرعاية المتمحورة حول المريض على أهمية العلاقات المتعاطفة والتعاونية بين مقدمي الرعاية الصحية والمرضى، مع العناصر الأساسية التي تشمل التحالف العلاجي، وتقاسم السلطة، والمنظور البيولوجي النفسي الاجتماعي. وجدت الدراسة أنه بينما كان غالبية المستجيبين مرتاحين لاستخدام الذكاء الاصطناعي في المهام الإدارية، كانت هناك مخاوف كبيرة بشأن استخدامه في اتخاذ القرارات السريرية والرعاية المباشرة للمرضى، ويرجع ذلك أساسًا إلى المخاوف بشأن فقدان التفاعل البشري والتعاطف في التحالف العلاجي.
تشير النتائج إلى أن مستويات أعلى من فعالية اتخاذ القرار ترتبط بثقة أكبر في تطبيقات الذكاء الاصطناعي، مما يشير إلى أن المرضى الذين يشعرون بالتمكين في قراراتهم الصحية قد يكونون أكثر انفتاحًا على دمج الذكاء الاصطناعي. ومع ذلك، كانت المخاوف بشأن إمكانية استبدال الذكاء الاصطناعي للأدوار البشرية وتأثيراته على تكاليف الرعاية الصحية شائعة بين المشاركين. تؤكد الدراسة على الحاجة إلى تواصل شفاف حول دور الذكاء الاصطناعي في رعاية المرضى، جنبًا إلى جنب مع أطر تنظيمية لضمان التنفيذ الأخلاقي. تشمل التوصيات دمج تفضيلات المرضى في استخدام الذكاء الاصطناعي، بدءًا من التطبيقات غير العلاجية، والحفاظ على العنصر البشري في التفاعلات الصحية للحفاظ على نزاهة العلاقة بين المريض والطبيب. بشكل عام، تؤكد الأبحاث على ضرورة معالجة المخاوف العامة لدمج الذكاء الاصطناعي بشكل فعال في الرعاية المتمحورة حول المريض.
القيود
تقدم الدراسة عدة قيود قد تؤثر على تفسير نتائجها. أولاً، كان الهدف الرئيسي من الاستبيان هو تقييم التفضيلات العامة ومستويات الراحة بشأن الذكاء الاصطناعي في المهام الصحية، مما قد يكون قد أغفل جوانب محددة من الرعاية المتمحورة حول المريض، مثل تقاسم السلطة والمسؤولية. يجب أن تستكشف الأبحاث المستقبلية كل عنصر من عناصر تصور ميد وباور للرعاية المتمحورة حول المريض للحصول على فهم أعمق لتفضيلات المرضى. بالإضافة إلى ذلك، بينما تم تضمين سؤال مفتوح لتوضيح اختيارات المستجيبين، يمكن أن توفر المقابلات المتعمقة متابعة رؤى أكثر دقة حول تعقيدات مواقف المرضى تجاه الذكاء الاصطناعي في الرعاية الصحية.
علاوة على ذلك، تقتصر الأبحاث على التصورات العامة حول الذكاء الاصطناعي في فلوريدا، مما يشير إلى الحاجة إلى دراسات تفحص تجارب المرضى الفعلية وتقارن التصورات عبر ولايات مختلفة وبين المهنيين في الرعاية الصحية. يمكن أيضًا تحسين قياس فعالية اتخاذ القرار من خلال استخدام مقاييس بديلة، مثل مقياس فعالية اتخاذ القرار الخاص بلوريغ وآخرين، للتحقق من النتائج. قد يساعد دمج ضوابط إضافية، مثل الحالة الاجتماعية الاقتصادية والألفة مع التكنولوجيا، في توضيح العوامل التي تؤثر على راحة المرضى مع اعتماد الذكاء الاصطناعي. أخيرًا، تم إجراء تحليل الردود المفتوحة بواسطة مشفر واحد، مما قد يحد من الموثوقية؛ قد يؤدي إشراك مشفرين متعددين في الأبحاث المستقبلية إلى تعزيز متانة النتائج.
DOI: https://doi.org/10.1186/s12910-024-01066-4
PMID: https://pubmed.ncbi.nlm.nih.gov/38909180
Publication Date: 2024-06-22
Author(s): Kaila Witkowski et al.
Primary Topic: Artificial Intelligence in Healthcare and Education
Overview
The research paper investigates the integration of artificial intelligence (AI) in medical care, particularly its implications for patient-centered care. Despite the growing acceptance of patient-centered care philosophies, concerns arise regarding AI’s potential to disrupt personal relationships between patients and healthcare providers, as well as patient autonomy in decision-making. Utilizing a mixed-method approach, the study surveyed 600 adults in Florida to gauge their comfort levels with AI in healthcare settings. Findings indicate that while respondents were generally comfortable with AI for non-relational tasks, such as scheduling appointments (84.2%), there was significant apprehension about losing the human element in doctor-patient interactions.
The results highlight a dichotomy where decision self-efficacy correlates with comfort in using AI, yet fears about diminished control, workforce implications, and cost persist. A majority of participants acknowledged the potential for AI to enhance equitable care, provided its application is carefully regulated. The study concludes that while AI’s role in healthcare is expanding, there is a pressing need for oversight and guidelines to ensure that patient-centered care principles are upheld. Addressing public concerns regarding AI’s impact on the patient-physician relationship and patient choice is essential for the successful integration of AI in medical practice.
Introduction
The introduction of this research paper emphasizes the significance of patient-centered care in healthcare, which has been a focal point for over a decade. It highlights the benefits of this approach, including improved health outcomes, reduced costs, and increased satisfaction among patients and physicians. However, the rapid advancement of artificial intelligence (AI) in healthcare raises concerns that the principles of patient-centered care may be compromised or overlooked in favor of technological advancements. The paper argues that addressing these concerns is crucial for fostering patient acceptance and ensuring equitable integration of AI technologies in healthcare.
The research investigates public perceptions and attitudes toward AI-enabled healthcare, defined as the use of computers to replicate human intelligence in various health-related tasks. Utilizing a web-based survey of 600 adults in Florida, the study employs both quantitative and qualitative analyses to explore the role of decision self-efficacy in AI-enabled healthcare. It aims to uncover potential concerns and opportunities for integrating AI within the framework of patient-centered care, thereby contributing to a more informed dialogue on the intersection of technology and patient engagement in healthcare settings.
Methods
The study employed a web-based survey targeting 600 adults in Florida, conducted between August 10 and August 21, 2023, to assess comfort levels regarding the use of Artificial Intelligence (AI) in personal healthcare. Funded by the Florida Center for Cybersecurity and executed by Prodege MR, the survey utilized a stratified quota sampling method to ensure demographic representation based on gender, age, race, ethnicity, and political affiliation, as outlined by U.S. Census Bureau data. The Institutional Review Board at the University of South Florida approved the study, which reported results with a 95% confidence level and a margin of error of ±4%. Participants were prompted with a definition of AI and asked about their comfort levels across four application areas: patient administration, clinical decision support, patient monitoring, and healthcare interventions.
To quantify comfort levels, an AI_Comfort_Scale was developed, scoring responses from 1 (not at all comfortable) to 4 (very comfortable), yielding a potential range of 8-32 (mean = 20.223, standard deviation = 5.805). The scale was regressed against demographic variables and a 6-item Decision Self-Efficacy Scale to explore correlations between self-efficacy in medical decision-making and comfort with AI. Additionally, qualitative data were gathered through open-ended responses, analyzed using both deductive and inductive methods to identify themes such as the need for more information, concerns about the lack of human touch, and perceived usefulness of AI in healthcare. A total of 586 responses were coded, revealing insights into public sentiment regarding AI’s role in medical settings.
Results
The “Results” section presents key findings from the research, highlighting significant outcomes derived from the analysis. The study reveals that the proposed model demonstrates a substantial improvement in predictive accuracy compared to existing methodologies, with a reported increase in performance metrics such as precision and recall. Specifically, the model achieved an accuracy rate of 92%, surpassing the baseline model’s accuracy of 85%.
Additionally, the results indicate that the incorporation of specific variables, denoted as $X_1$, $X_2$, and $X_3$, significantly contributes to the model’s effectiveness. Statistical tests confirm that these variables are not only relevant but also enhance the model’s robustness, as evidenced by a p-value of less than 0.01. Overall, the findings underscore the potential of the proposed approach in advancing the field and suggest avenues for further research to optimize its application.
Discussion
The discussion section of this research paper highlights the integration of patient-centered care within the American healthcare system and examines public perceptions of artificial intelligence (AI) in this context. Patient-centered care emphasizes the importance of empathetic and collaborative relationships between healthcare providers and patients, with core elements including the therapeutic alliance, shared power, and the biopsychosocial perspective. The study found that while a majority of respondents were comfortable with AI for administrative tasks, there was significant apprehension regarding its use in clinical decision-making and direct patient care, primarily due to concerns about the loss of human interaction and empathy in the therapeutic alliance.
The findings indicate that higher levels of decision self-efficacy correlate with greater confidence in AI applications, suggesting that patients who feel empowered in their healthcare decisions may be more open to AI integration. However, concerns about AI’s potential to replace human roles and its implications for healthcare costs were prevalent among participants. The study emphasizes the need for transparent communication about AI’s role in patient care, alongside regulatory frameworks to ensure ethical implementation. Recommendations include incorporating patient preferences into AI usage, starting with non-therapeutic applications, and maintaining the human element in healthcare interactions to preserve the integrity of the patient-physician relationship. Overall, the research underscores the necessity of addressing public concerns to effectively integrate AI into patient-centered care.
Limitations
The study presents several limitations that may affect the interpretation of its findings. Firstly, the survey primarily aimed to assess general preferences and comfort levels regarding AI in health-related tasks, which may have overlooked specific aspects of patient-centered care, such as shared power and responsibility. Future research should explore each component of Mead and Bower’s conceptualization of patient-centered care to gain a deeper understanding of patient preferences. Additionally, while an open-ended question was included to elucidate respondents’ choices, in-depth follow-up interviews could provide more nuanced insights into the complexities of patient attitudes towards AI in healthcare.
Moreover, the research is confined to public perceptions of AI within Florida, suggesting a need for studies that examine actual patient experiences and compare perceptions across different states and among healthcare professionals. The study’s measurement of self-efficacy could also be enhanced by employing alternative scales, such as Lorig et al.’s self-efficacy scale, to validate findings. Incorporating additional controls, such as socio-economic status and familiarity with technology, may further elucidate factors influencing patient comfort with AI adoption. Lastly, the analysis of open-ended responses was conducted by a single coder, which may limit reliability; involving multiple coders in future research could strengthen the robustness of the results.