摘要
本研究探讨了医疗专业人员对用于医疗诊断和治疗规划的专家系统的认知，特别关注这些认知如何影响其在真实临床环境中的应用。尽管人工智能在医疗领域发展迅速，但现有研究大多集中于技术性能，相比之下，对于从业者如何在实践中评估和使用这些系统的关注较少。本研究通过对102名医疗和医疗IT专业人员进行横断面调查，研究了与诊断准确性、治疗规划效率、工作流程整合以及患者结果相关的认知。研究结果表明，对专家系统的熟悉程度在形成积极认知方面起着重要作用，特别是在其提高诊断准确性和减少错误的能力方面。然而，受访者对系统整合、可解释性和数据治理持更为谨慎的观点。该研究通过实证将用户熟悉度与基于认知的接受度联系起来，为知识库的不断增长做出了贡献，突显了以用户为中心的设计和培训在专家系统成功实施中的重要性。这些发现也强化了弥合技术能力与临床可用性之间差距的必要性。总体而言，该研究为影响AI驱动决策支持工具采用的因素提供了实践和概念上的见解，特别是在医疗资源受限的环境中。
致谢
我们要向Chama Theodore Ketuamafor博士和Bartholomew Adu表示衷心的感谢，感谢他们在校对本文并提供深刻见解的建议方面给予的宝贵支持，这些支持极大地塑造并改进了最终版本。我们深深感激您们的时间、专业知识和对细节的关注。在准备本作品期间，作者使用了ChatGPT以获取更多见解并重新调整论文的某些部分。在使用此工具后，作者根据需要审阅并编辑了内容，并对出版物的内容承担全部责任。
伦理声明
利益冲突
作者声明不存在利益冲突。
伦理批准
本研究是根据捷克生命科学大学经济与管理学院的《科学研究伦理原则条例》进行的。根据该条例的"目标受访者"部分，不涉及临床程序、敏感个人数据收集或参与者识别的非干预性调查研究可免于正式的伦理委员会审查。本研究符合这些豁免标准，因为它涉及匿名、自愿的调查参与，且未收集个人身份信息或敏感健康信息。因此，根据机构政策，该研究正式免于伦理委员会批准。所有程序均遵循1964年《赫尔辛基宣言》及其后续修正案的原则。
知情同意
所有参与者都收到了一份电子信息表，其中描述了研究目标、参与的自愿性质、保密保障以及随时无惩罚退出的权利。通过要求参与者在访问问卷前勾选同意复选框，电子方式获取了书面知情同意（通过调查平台Google Forms）。数据收集时间为2024年3月15日至4月15日，未记录任何个人身份信息（姓名、电子邮件地址、IP地址）。所有回复在统计分析前均已匿名化。
补充信息
- 分析语法（下载DOCX）
- 代码（下载DOCX）
- 代码本（下载DOCX）
- 调查工具（下载DOCX）
- 处理数据（下载XLSX）
- 原始数据（下载XLSX）
【全文结束】