摘要
近年来，移动健康应用（mHealth apps）在慢性病管理中日益普及，其通过实时监测患者健康状况支持个性化诊疗。当这类应用搭载人工智能（AI）时，关于信任与可信度的争议随之产生。AI信任涉及依赖性、风险控制与伦理原则（如自主权保障与伤害预防）等多维度考量。本文通过哲学分析与风险评估框架，探讨糖尿病mHealth应用如何在保障患者福祉的同时构建可信AI体系。
关键词：糖尿病、AI伦理、医疗AI、移动健康、风险、信任、可信AI
1. 引言
医疗系统正经历数字化转型，AI驱动的移动健康应用成为慢性病管理的重要工具。这类应用通过智能手机实现患者自我监测，但其隐私安全、应急响应能力及内容质量评估等问题引发学界关注。本文认为，这些问题本质是技术可信度与信任机制的缺失。通过梳理AI信任理论框架，重点分析糖尿病管理场景中的人机信任关系，提出包含可靠性、风险控制和伦理价值的三维评估模型。
2. 糖尿病管理与移动健康应用兴起
糖尿病是因胰岛素分泌缺陷（I型）或胰岛素抵抗（II型）导致的慢性代谢疾病，可能引发心血管病变、视网膜病变等并发症。精准血糖管理需持续监测与个体化干预，AI赋能的移动健康应用在此领域展现显著潜力。典型应用包括：
- Guardian Connect系统（2018年FDA认证）：通过预测算法预警高低血糖事件
- CamAPS FX应用（2020年英国上市）：全球首个可下载人工胰腺应用，实现胰岛素泵自动调节
应用功能可分为两大类：基础型（如血糖记录、用药提醒）与连续监测型（集成血糖仪实时管理）。I型糖尿病管理应用更依赖AI建模，具备血糖预测和剂量调整等进阶功能。研究显示，应用设计需平衡技术可靠性（如软件稳定性）、用户体验（ISO9241-11标准）及社会经济适配性。
3. 医疗AI的信任理论框架
AI信任研究呈现两大范式：
- 认知派：强调理性依赖，关注技术性能与数据准确性
- 动机派：纳入非认知因素（如善意、道德责任），区分信任与单纯依赖
医疗AI信任具有特殊性：技术黑箱化加剧解释性难题，但患者对诊断建议的依赖已超越被动监测。可信AI需同时满足：
- 技术可靠性（抗攻击性、预测准确性）
- 伦理合规性（尊重患者自主权）
- 风险控制（危害预防与脆弱性管理）
4. 糖尿病场景的可信AI实践
4.1 可靠性维度
应用可靠性体现为算法稳定性与设备协同能力。当前技术痛点包括：
- 软件故障（崩溃、电池续航不足）
- 数据接口兼容性问题
- 用户界面设计缺陷
医疗专业人员（HCPs）的参与可形成技术-人工双重保障机制，降低单纯依赖AI的风险。
4.2 风险管理
风险=危害×脆弱性×暴露度
- 危害源：应用故障导致错误治疗（如胰岛素误注）
- 脆弱群体：儿童、老年人、技术弱势人群
- 暴露规模：2019年全球糖尿病应用安装量达4630万次
HCP指导可显著降低患者决策风险，促进应用-患者-医护人员三方协同管理。
4.3 伦理考量
AI应用需遵循四大医学伦理原则：
- 有益原则：提升自我管理效能
- 无害原则：避免过度依赖技术决策
- 自主权：平衡算法建议与患者自主选择
- 公平性：保障社会弱势群体可及性
特别关注点包括：数据使用透明度、算法偏见消除及医疗资源分配公平性。
5. 结论
AI驱动的糖尿病移动应用正在重塑慢病管理模式，但技术可信度建设需多维突破：
- 技术维度：提升算法可解释性与系统鲁棒性
- 伦理维度：建立动态风险评估机制
- 社会维度：强化医患协同治理
未来需重点关注：
- 脆弱人群的特殊需求保障
- 人机决策权重的伦理边界
- 长期技术依赖的健康影响
医疗专业人员在技术可信化过程中发挥关键枢纽作用，其参与可有效平衡技术创新与患者安全。
作者贡献
三位作者分别承担第二、第三、第四章撰写，共同完成终稿审校。
【全文结束】
