摘要
尽管人工智能（AI）存在缺陷，但医疗工作者和学生已在后疫情时代开始应用它。本文旨在了解医疗行业不同群体对人工智能影响医疗保健的看法差异。我们对2020年1月1日至2025年1月31日期间发表的PubMed文章进行了系统性文献综述，通过关键词"人工智能"、"医疗保健"和"工作保障"搜索研究医疗工作者和学生的相关文章。在排除不符合纳入标准的文章后，对文章进行了定性评估，判断其对医疗人工智能的整体态度是积极、混合还是消极。71.4%的文章对医疗人工智能持整体积极态度，17.5%持混合态度，11.1%持消极态度。在持积极态度的文章中，62.2%表达了担忧，包括工作保障、隐私问题或人工智能程序缺乏同理心。对医疗人工智能最大的担忧是工作保障（30.2%），其次是人工智能的实施或信任问题（23.8%）。从新冠疫情时期（2020-22年，81.0%）到后疫情时期（2023-25年，66.7%），持积极态度的文章比例显著下降[卡方值5.56，p=0.0184]。关注医疗专业人员的文章比关注学生的文章对人工智能更为积极（75.5%比57.1%）[卡方值6.75，p=0.00937]。西方世界基于的文章对人工智能的态度明显不如非西方世界积极（68.0%比72.4%）[卡方值21.4，p<0.01]。因此，医疗行业整体对人工智能持积极态度，但也对工作保障和隐私问题有所担忧。
1. 引言
人工智能（AI）在专业领域的应用范围已经发展到相当复杂的程度。鉴于此，工作保障已成为一个令人担忧的问题[1]。在关注工作保障的人群中，全球已通过多项调查对医疗工作者进行了询问。到2025年，已有数百篇文章发表在人工智能领域以及医疗行业工作保障相关问题上。
文献中经常讨论的一个医疗领域是放射学。全球各地已对放射技师和放射科医生进行了多项调查，了解他们认为人工智能在当前行业中的地位以及是否会影响其作为医疗专业人员的角色或职责。
人工智能在医疗保健中的可接受性不仅涉及放射学，还涉及许多其他医疗类别。药学[2]、牙科[3]和医学生是健康科学中已研究的各类人群。因此，很明显，对人工智能的态度应该是健康科学领域许多人关注的问题。收集关于整个医疗行业对人工智能态度的知识，对于提供机器学习的视角以及我们应如何将人工智能作为医疗保健未来工具具有实用价值。
还应注意，医疗保健中对人工智能的看法会随时间变化。2019冠状病毒病（COVID-19）对全球医疗保健看法的影响不容小觑，其对医疗保健人工智能看法的影响是一个可以研究的课题[4]。事实上，可以研究不同人群对医疗人工智能的看法。这些态度可能因个人是否为学生、是否身处西方世界或是否生活在COVID-19大流行期间而有所不同。
本研究旨在系统地回顾关于医疗行业对人工智能态度的文献，以便得出关于这些态度的有意义的结论。研究的目的是认识不同群体对人工智能及其对医疗保健影响的不同看法。
2. 方法论
本研究设计为系统性文献综述。于2025年2月1日至2月7日期间，搜索了2020年1月1日至2025年1月31日期间在PubMed上发表的文章。研究人群包括医疗工作者和医学生。
通过使用"人工智能医疗工作"和"人工智能工作保障"等关键词的搜索结果收集文章。完整的布尔搜索字符串请参见附录A。虽然也简要搜索并考虑了其他多学科数据库（包括Scopus），但由于搜索结果的冗余性、PubMed上已有文章的全面审查以及对简洁性和清晰度的目标，最终检索仅限于PubMed。使用这些搜索词找到的文章最初被纳入研究。随后实施排除标准，不符合研究标准的文章将不用于数据收集。
排除标准有三点：1）排除非英语撰写的文章。2）排除被认为与研究无关的文章。3）排除被认为无法为研究提供有意义数据的文章。
如果文章未满足以下条件，则被视为数据不足：a）未提供要研究的医疗专业领域的人群或人口统计特征，或b）未能充分提供关于该人群对人工智能整体态度的明确结论。
如果文章被撤回、尚未正式发表，或在论文披露中发现潜在的利益冲突，则也会被排除。
图1. 本研究文章选择的纳入-排除流程PRISMA图。
有关PRISMA流程图，请参阅图1，PRISMA 2020检查表请参阅附录B[5]。通过关键词"人工智能医疗工作"和"人工智能工作保障"获得199条搜索结果，其中22篇文章是两次搜索的重复项。因此，筛选了177篇文章。在177篇待审文章中，1篇被撤回，1篇尚未发表，2篇因利益冲突被移除，5篇非英语，21篇提供数据不足，84篇因相关性不足被移除。经过此过程，63篇文章被纳入系统性文献综述。
纳入的63篇文章经过定性评估，独立审查其对人工智能的整体态度。整体态度的四个类别包括对医疗人工智能的积极态度、有担忧的积极态度、混合态度或消极态度。虽然这些态度本质上是主观的，但这些术语由每篇文章结论中提出的规范属性或价值判断来定义。如果结论中未承认重大批评，则文章被赋予"积极"态度。如果结论中至少有一个或多个关于人工智能的重大担忧，但文章仍提供积极的价值判断，则文章将被赋予"有担忧的积极"态度。如果文章对人工智能提供了负面判断，且几乎没有积极考虑，则该文章将被视为"消极"。如果文章不属于这些类别，提供了积极和消极态度，但在研究结论中并非主要积极，则该文章将被视为"混合"。审查过程还确定了人工智能在医疗保健领域中最主要的担忧以及次要担忧。这些特征连同人口统计特征、来源国和出版年份一起记录在Microsoft Excel电子表格中。
本研究的两位作者在2025年2月至3月期间通过双月会议和讨论，就纳入的文章、态度分配和统计数据达成一致。在本研究作者独立审查结果后，研究结果于2025年4月在西顿霍尔大学的一个研讨会前向教师小组展示。在此研讨会上，审查了偏见和局限性。此外，还进行了正式的研究质量评估，利用JBI检查表评估偏倚风险（参见附录C，包含有关评估的偏见信息）[6]。关于研究质量评估影响的讨论请参见"讨论"部分。
3. 结果
研究结果显示，对人工智能持整体积极态度，63篇文章中有45篇（71.4%）对医疗人工智能持积极或"有担忧的积极"态度。63篇文章中有11篇（17.5%）持混合态度，而63篇中有7篇（11.1%）持整体消极态度（图2）。在45篇对人工智能持积极态度的文章中，28篇（62.2%的积极文章）表达了担忧。这些担忧包括工作保障、隐私或人工智能程序缺乏同理心。
对医疗人工智能最常见的最大担忧是工作保障（63篇文章中的19篇，即30.2%），其次是人工智能的实施或对人工智能的信任（63篇文章中的15篇，即23.8%）。
图2. 医疗人工智能态度的饼图。
图3. 显示每年文章数量增长的线形图。（请注意，该研究在2025年初进行，因此2025年的文章数量预期远低于2024年。）
值得注意的是，从2021年到2024年，每年发表的相关主题文章数量呈近指数级增长（图3）。这或许表明对该主题的兴趣日益增长。
使用卡方分析，结果显示从新冠疫情时期（81.0%）到后疫情时期（66.7%），对人工智能持积极态度的文章比例有统计学上的显著下降[卡方值5.56，p=0.0184]（表1）。尽管关于什么是新冠疫情时期和后疫情时期的确定存在不确定性或争论，但这些结果假设新冠疫情时期为2020年至2022年发表的任何文章，后疫情时期为2023年至2025年发表的任何文章。请注意，这假设了数据收集和数据最终发布之间的大致时间线。
此外，关注医疗专业人员的文章比关注医学生的文章对人工智能更为积极（75.5%比57.1%）[卡方值6.75，p=0.00937]（表2）。此卡方统计假设零假设为：专业文章对医疗人工智能持积极态度的比例等于医学生对医疗人工智能持积极态度的比例。
表1. 比较后新冠疫情时期与新冠疫情时期态度的卡方分析。
比较后新冠疫情时期态度（2023-2025）与新冠疫情时期态度的卡方拟合优度分析（零假设=后新冠疫情应与新冠疫情期间相同）
观察值（后新冠疫情时期）
期望值（新冠疫情时期）
差异
差异平方
差异平方/期望频率
积极态度
28
0.81 (34)
−6.00
36.0
1.06
非积极态度
14
0.19 (8)
6.00
36.0
4.50
卡方值为5.56。p值为0.0184。结果在p<0.05时显著。
表2. 比较医疗专业人员态度与学生态度的卡方分析。
比较医疗专业人员与医学生态度的卡方拟合优度分析（零假设=专业人士持积极态度的比例相同）
观察值（专业人士）
期望值（学生）
差异
差异平方
差异平方/期望频率
积极态度
37
0.57 (28)
9.00
81.0
2.89
非积极态度
12
0.43 (21)
−9.00
81.0
3.86
卡方值为6.75。p值为0.00937。结果在p<0.05时显著。
最后，基于西方世界的文章对人工智能的态度不如非西方世界的文章积极（68.0%比72.4%）[卡方值21.4，p<0.01]（表3）。此统计数据假设西方世界为北美、欧洲和澳大拉西亚，非西方世界为包括非洲、亚洲和中东在内的所有其他国家。
表3. 比较西方与非西方态度的卡方分析。
比较西方态度与非西方态度的卡方拟合优度分析（零假设=西方态度应与非西方态度相同）
观察值（西方）
期望值（非西方）
差异
差异平方
差异平方/期望频率
积极态度
17
0.72 (30.4)
−13.4
180
5.92
非积极态度
25
0.28 (11.6)
13.4
180
15.5
卡方值为21.4。p值<0.00001。结果在p<0.05时显著。
4. 讨论
医疗行业对人工智能及其角色的态度正在演变。虽然可能难以确定这些人群的确切态度，但我们可以从本系统性文献综述获取的数据中观察趋势。
总体而言，我们看到对该领域的兴趣日益增长，随后每年发表的关于人工智能态度的文章数量都超过前一年。我们发现，大多数文章认为人工智能在医疗领域总体上是积极的，即使在放射技师和放射科医生中也是如此。然而，大多数对人工智能持积极态度的研究也有担忧，主要是工作保障、隐私以及人工智能程序缺乏个性化或同理心。工作保障是主要讨论点，但在放射学背景下，人工智能并未被视为对工作保障的直接威胁，而更多被视为医疗行业尚未充分理解的实体。
根据数据分析结果，COVID-19影响了医疗行业对人工智能的态度。当人们居家隔离时，科技行业蓬勃发展，人工智能的进步带来了我们今天所拥有的高级学习模型技术。不仅人工智能投资增加，人工智能就业行业也有所增长[7]。后疫情时代人工智能的快速发展暴露了利用人工智能的缺陷。这或许可以解释为什么从新冠疫情时期到后疫情时期，对人工智能持积极态度的文章比例下降。
研究还发现，医疗专业人员对人工智能的态度比学生更为积极。这可以通过专业人士在职场的经验、对其能力的信心以及对医疗行业以外世界的整体视角来解释。医学生可能更具探究性，对跨专业教育感兴趣[8]。他们更可能挑战技术进步的既定规则或质疑其目的。
虽然这些发现对数据进行了描述性解释，但可能有关于其影响的推测性考虑。不同人群在医疗人工智能方面存在社会文化差异，西方世界与非西方世界的比较突显了这一点。其中一些差异可归因于社会经济环境，而很大一部分可能归因于西方世界与非西方世界内部的基本哲学差异。人类学家Giles Crouch提出了这样的观点：西方世界更关心隐私和数据使用，而亚洲的东方文化则更注重"社会和谐"和福祉[9]。世界不同地区有不同的优先事项，这些差异会影响人们对人工智能在医疗保健中影响的看法。
本研究存在局限性。研究仅限于英文文章。本次综述仅限于单一数据库的搜索，目的是为了清晰、简洁和跨数据库文章主题的重复性。严格的合格文章标准和严格的排除过程，加上单一数据库搜索，导致文章数量有限。
5. 结论
医疗行业对人工智能仍持大体积极态度，但医疗行业的所有部门并不共享一致的观点。即使在我们进入COVID大流行世界介绍的五年半后，关于工作保障、隐私或实施可行性的问题仍然是悬而未决的问题。社会经济和文化差异影响了对人工智能的态度，评估医疗行业对人工智能的态度时也应考虑这些细微差别。要确定人工智能在医疗领域的方向，了解医疗行业对它是否是可接受或有利的工具的印象非常重要。
附录A
本研究使用的布尔搜索字符串如下：
"人工智能"
AND（医疗保健）
AND（"工作保障"）
/
"人工智能"
AND（医疗保健）
AND（态度OR感知）
附录B
以下是PRISMA 2020检查表[5]：
1）标题：确定为系统性综述
2）摘要：存在并解决所提出的标准
3）理由：有必要评估医疗行业对人工智能的看法。
4）目标：确定医疗行业对人工智能的整体态度和趋势。
5）资格：见方法论。
6）信息来源：PubMed（并简要提及Scopus，最终未采用）。
7）搜索策略：见方法论中的布尔字符串。
8）选择过程：对每篇文章的态度进行个人审查，随后进行研讨会。
9）数据收集过程：在Excel上独立审查数据，随后进行研讨会。
10）数据项：见方法论。
11）偏倚评估：由两位额外的博士独立审查和评估。
12）效应测量：积极、有担忧的积极、消极或混合。
13）合成方法：见方法论。
14）报告偏倚：结果由第三方独立审查并验证。
15）确定性评估：使用了卡方分析。
16）研究选择：见PRISMA流程图。
17）研究特征：见方法论。
18）研究中的偏倚风险：见项目11和14。
19）个体研究结果：见结果。
20）合成结果：见结果。
21）报告偏倚：见讨论。
22）证据确定性：见结果。
23）讨论：结果显示整体积极态度但有担忧。
24）注册和协议：经西顿霍尔大学审查并可获取。
25）支持：未收到财务支持。
26）利益冲突：无
27）数据可用性：作者和/或西顿霍尔大学应要求提供。
附录C
以下是关于偏倚风险评估的JBI检查表[6]：
1）综述问题明确且明确陈述。
2）纳入标准适合综述问题。
3）搜索策略适当。
4）有足够的来源和资源来搜索研究。
5）评估研究的标准适当。
6）关键评估由两名或更多评审员独立进行。
7）见方法论中关于最小化数据提取错误的内容。
8）用于合并研究的方法适当。
9）评估了发表偏倚的可能性。
10）对政策或实践的建议得到报告数据的支持。
11）新研究的具体指导适当。
利益冲突声明
作者声明在本论文出版方面无利益冲突。
参考文献
[1] Kim, B. and Kim, M. (2024) 人工智能引发的工作不安全感如何塑造知识动态：人工智能自我效能的缓解作用. 创新与知识杂志, 9, 文章100590.
[2] Gustafson, K.A., et al. (2025) 药剂师对人工智能的看法：一项全国调查. 美国药剂师协会杂志, 65, 文章102306.
[3] Hegde, S., et al. (2024) 澳大利亚牙医和牙科学生对牙科人工智能应用的态度和看法：一项调查. 欧洲牙科教育杂志, 29, 9-18.
[4] Adadi, A., et al. (2022) 人工智能与COVID-19：系统性伞形综述与未来道路. 沙特国王大学杂志-计算机与信息科学, 34, 5898-5920.
[5] Haddaway, N.R., et al. (2022) PRISMA 2020：用于生成符合PRISMA 2020的流程图的R包和Shiny应用程序，具有交互性以优化数字透明度和开放合成. 坎贝尔系统综述, 18, e1230.
[6] Aromataris, E., et al. (2015) 总结系统性综述：方法学发展、实施和报告伞形综述方法. 国际循证医疗保健杂志, 13, 132-140.
[7] Waikar, S. (2021) COVID如何影响人工智能经济？斯坦福HAI.
[8] Zechariah, S., et al. (2019) 医疗保健中的跨专业教育与合作：对美国医学生观点的探索性研究. 医疗保健, 7, E117.
[9] Crouch, G. (2024) 人工智能的多元文化看法. Giles Crouch | 数字人类学家.
【全文结束】
