医护人员AI态度评估工具：现状、特征与本土化展望

医护人员医疗人工智能态度评估工具的综述研究

沈丽宁 孙未冉 沈文轩 何事成 陈思思

摘 要

本文旨在梳理国内外用于评估医护人员对医疗人工智能态度的测量工具，为相关工具的研发与落地应用提供借鉴。依据范围综述的方法论框架，系统检索了PubMed、Web of Science、Scopus及中国知网等数据库，时间跨度从2015年9月至2026年1月。依照PICOS原则，筛选出涉及医护人员人工智能（AI）态度评估工具开发或应用的文献，深入提取并归纳了工具特性、维度构建、信效度表现及适用情境等关键信息。最终共纳入21篇文献，对应21种评估工具。分析显示，现有工具兼具通用多维与专业单维特征，信效度验证水平参差不齐，且正从静态评估向动态关联创新演变。目前，医护人员对医疗AI的态度评估工具已呈现多元化态势，我国迫切需要研发能够融合本土医疗场景与高质量数据特性的评估工具。

关键词

医疗人工智能 态度量表 评估工具 综述 医护人员

0

引言

伴随人工智能技术的飞速进步，医疗行业正经历着前所未有的变革浪潮。AI在疾病诊断、治疗方案制定及健康管理等领域的应用愈发普及，已成为提升医疗服务品质的关键驱动力 [1-3]，而其精准落地与创新拓展始终依赖于高质量、标准化的医疗健康数据支撑。据统计，国内约86%的医院已部署了一种或多种人工智能（artificial intelligence，AI）产品 [4]，应用范畴持续拓宽，配套支持政策亦相继发布（图1）。尽管AI应用优势显著，但仍面临数据质量依赖性强、患者需求解读不足、批判性思维局限等挑战 [5]，这些因素致使医护人员对其表现出各异的看法 [6-7]。作为医疗决策的关键参与者，医护人员的态度直接影响技术的优化应用、未来创新方向的临床契合度及相关政策的精准制定，是推动AI在医疗领域有效落地的核心要素 [8-10]。

图1 医疗健康人工智能相关政策梳理

态度概念最早由Allport提出，意指个体对外界事物持有的稳定心理准备状态或特定行为倾向。后续研究普遍认同，态度是一个融合认知、情感及行为倾向三个维度的复杂构念 [11]。在医疗AI迅猛发展的背景下，医护人员对AI的态度既包含对技术有效性、安全性的理性认知，也涵盖对技术替代风险的焦虑或对效率提升的期待，更深层地隐含着对AI所依赖数据集质量、隐私保护及数据代表性的考量。这些复杂的心理与认知要素共同构成了临床整合AI所需的能力基础，最终外化为使用意愿、推荐等行为意向。世界卫生组织（World Health Organization，WHO）在2021年发布的《卫生领域人工智能的伦理和治理》报告中，将“信任构建”确立为AI伦理框架的核心，进一步强调信任是医护人员接纳AI的前提，而高质量数据集正是构建该信任基石，并与态度评估中的情感及认知维度紧密相连。

因此，科学评估医护人员对医疗人工智能的态度及其相关构念显得尤为关键。然而，现有研究呈现出“分散化、异质化”特征：多聚焦于使用意愿的单一调查，缺乏对态度多维结构的深入剖析，尤其忽视了数据质量这一关键客观前提 [10-11]；同时，基于不同理论构建的从标准化多维量表到特定场景自编问卷，其信效度及跨文化适用性缺乏系统比较 [12-13]，导致研究结论难以整合，无法为临床实践与政策制定提供坚实依据。故而，系统梳理并比较现有评估工具的内容架构、测量特性与适用场景，成为推动该领域研究规范化、科学化的迫切需求。

系统检索国内外关于医护人员AI态度评估工具的文献发现，国内相关工具多为引进改编或未经过科学信效度检验的问卷 [14-15]，且普遍缺乏数据质量相关的态度维度；相比之下，国外相关工具的开发与验证更为成熟系统。鉴于此，本研究旨在系统梳理分析国内外相关评估工具的设计特点、测量特性与适用性，以期为研究者提供国际验证工具的参考，并为本土化工具的开发提供思路。

1

资料与方法

1.1 研究问题

本研究聚焦于目前国内外可用于评估医护人员对医疗人工智能态度的评估工具种类、特征，以及如何选择使用。

1.2 检索策略

采用主题词与自由词相结合的方式，检索PubMed、Web of Science、Scopus及中国知网数据库，检索时限设定为2015年9月至2026年1月。英文检索词包括（artificial intelligence[Mesh] OR AI OR machine learning OR deep learning）AND（attitude OR acceptance OR perception OR trust OR ambivalence）AND (physician OR doctor OR clinician OR medical staff OR health professional) AND（questionnaire OR survey OR scale OR instrument OR assess* OR measure* OR evaluating）；中文检索策略为（人工智能OR AI OR机器学习OR深度学习）AND（态度OR接受度OR感知OR信任OR矛盾心理）AND（医生OR医师OR临床医生OR医护人员）AND（问卷OR调查OR量表OR工具OR评估OR测量OR评价）。同时，对纳入文献的参考文献进行追溯检索。

1.3 文献纳入和排除标准

本研究基于PICOS原则构建文献纳入与排除标准，以确保研究的系统性和科学性。

1.3.1 文献纳入标准

（1）研究对象（population）：需有相关研究证实该评估工具已实际应用于医生群体，无论工具开发初期是否以医护人员为目标人群。（2）干预措施（intervention）：聚焦人工智能技术在医疗场景的应用，评估医护人员对AI的态度。（3）对照措施（comparison）：关注评估工具与既往不适用于医护人员群体工具的差异。（4）结局指标（outcome）：要求研究涉及态度评估工具的信度、效度、跨文化适用性等核心指标至少其一。（5）研究设计（study design）：仅纳入明确描述工具开发过程及验证结果的原创性论著。

1.3.2 文献排除标准

排除重复发表或非原创性文献，如摘要、会议论文；评估工具不明确针对医护人员或内容与主题不符者；无法获取全文的文献；以及无法获取完整工具内容的文献。

1.4 文献筛选与资料提取

利用Zotero文献管理软件去除重复文献后，由两名研究者独立依据纳入和排除标准筛选文献并提取信息，随后进行交叉核对；若出现分歧，通过讨论或咨询第三方专家解决，以降低选择偏倚。提取内容涵盖评估工具开发时间与国家、评估目的、评估角度、维度、条目数量、评估内容等。

2

结果

2.1 文献筛选结果

初检共获得4,084篇文献，剔除重复的1,238篇后剩余2,846篇；经标题与摘要筛选出189篇文献；再经过严格的纳排标准筛选，最终纳入21篇符合PICOS原则的国内外原创性文献，具体流程见图2。

图2 文献筛选流程

2.2 人工智能态度评估工具基本信息

对纳入的21篇文献进行综合分析，共归纳出21种医护人员对人工智能态度的评估工具。这些工具基于不同目的构建，旨在测量不同维度，均可通过其对应的原始研究文献、附录或补充材料公开获取。其基本特征详见表1。

表1 医护人员对人工智能态度评估工具

3

医护人员对医疗人工智能态度相关评估工具

3.1 维度设计与条目数量

对纳入的评估工具进行分析后发现，其维度设计与条目数量呈现出显著差异，反映了理论研究与场景应用之间的不同侧重。

维度设计主要分为三类取向：其一为通用型多维结构，以普适性测量AI整体态度为目标，依托经典心理学理论构建框架，便于跨群体比较，如GAAIS的“积极 - 消极”双维和ATTARI-12的“认知 - 情感 - 行为”三维结构；其二为场景化聚焦结构，其维度紧密围绕特定应用场景核心议题构建，确保与专业实践高度相关，如TrAAIT专注临床“信任 - 接受”，AIAPD聚焦皮肤病理学，ASUAITIN针对护理人员；其三为创新型理论结构，引入前沿态度测量理念，例如通过“潜在/感知矛盾”维度量化使用者的复杂矛盾心态，或从“识别、预测、推荐、决策”等功能视角解构态度，实现对具体技术功能感知的精准测量。

条目数量的选择，体现了不同工具设计目的与适用场景的权衡。AIAS-4以4个条目追求快速筛查的效率，牺牲维度深度换取实操便利性，GAass同样以6个条目实现单维度高效测量，适用于大型多主题调查。ATTARI-12（12条）、GAAIS（20条）、ASUAITIN（15条）、TAI（12条），在结构的多维与填写负担间寻求平衡；而专注于深度描绘特定专业场景或复杂心态的量表，如AIAPD（39条）则通过更多的条目来覆盖专业细节。

总之，量表的设计是在理论完备性、测量精确性、场景适用性与用户便捷性之间寻求平衡的结果。

3.2 信效度验证

在信效度验证方面，通用工具更注重标准化。本研究选取结构效度、内容效度与区分效度为核心评价指标，三者构成从理论构建到实践检验的递进逻辑：结构效度检验工具是否真实反映理论维度，内容效度确保其覆盖核心概念，区分效度则验证实际应用中的辨别能力。就信度而言，除了AIAPD因其为问卷形式未明确报告外，其他工具均报告Cronbach’s α系数≥0.8，条目间相关性较高。在结构效度上，通用工具GAAIS、ATTARI-12、AIAS-4通过因子分析来验证维度结构；AAAW除验证六维结构外，还通过结构方程模型检验了各维度对结果的预测效度，为工具提供了效标关联效度证据。医疗工具TrAAIT则依赖结构方程模型，侧重揭示“从信任到接受度”等因果关系。跨文化验证方面，仅ATTARI-12在美国、德国样本中进行了验证，AIAPD虽覆盖91个国家但未做文化差异分析，体现出通用工具侧重普适性，专业工具侧重场景深度的特点。具体特征见表2。

表2 纳入评估工具跨文化验证及信效度验证

3.3 创新趋势

在纳入的评估工具中，可观察到以下设计趋势：首先是评估内容更加系统，不再局限于单一态度。新工具开始关注与AI应用相关的多种因素。例如，SHAIP会评估医护人员对AI影响的感知和自身的准备程度；TrAAIT则考虑了“组织保障”等外部条件如何影响从信任到接受的行为过程；KAAA更是尝试将知识、态度、接受度和实际使用行为联系起来分析，AIAS则聚焦焦虑这一特定心理构念，细分为学习焦虑、工作替代焦虑等维度。其次是对态度的测量更加精细和具体。研究不再满足于笼统的好恶判断，而是尝试剖析态度背后的具体维度。早期的physician's ambivalent attitudes towards AI量表通过分别测量积极和消极感受来量化医生的复杂心态；后续的 TAI 量表则把对AI的“威胁感”拆解为对其识别、预测、推荐、决策等不同具体功能的担忧。总之，评估工具正朝着更全面、更深入的方向发展，旨在更好地理解医护人员为何及如何接受AI。

4

讨论

4.1 差异化特征与适配逻辑

在医疗AI加速融入临床实践背景下，评估工具的构建需紧密贴合医护人员职业特性与诊疗场景需求。TrAAIT量表评估条目均锚定临床决策场景，Cronbach's α系数达0.954，效度经医护人员样本结构方程模型验证，测量学属性优良。

相比之下，AIAS-4量表虽以精简条目快速筛查医生群体的整体态度倾向，减轻被调查者的负担 [37]，但由于条目较少且抽象，面对复杂的专科场景中人工智能态度问题，难以全面捕捉医生的细微态度变化，这与Hajam的研究一致 [38]；GAAIS在医疗场景中需补充专业条目，否则可能因场景脱钩导致数据偏差；且通用量表基于普通人群常模开发，因子结构、条目功能在医护人员群体中可能存在差异，未经重新验证直接应用会影响结构效度与测量精确性，同时多维度导致条目数量较多，增加了被调查者的填写时间与部分被调查者的厌烦情绪，影响数据的真实性与可靠性 [39]。此外，针对特定疾病或场景开发的自编问卷虽能快速响应具体临床问题，但通常缺乏严格的跨样本验证，其结果的普适性受限。

综上所述，医护人员人工智能态度评估工具优先选用经过临床验证的专业化量表；若使用通用工具，则需通过补充医疗条目并在分析中控制专业变量以提升适用性。

4.2 复杂性及多方法评估的必要性

医疗领域AI应用引发的态度呈现显著复杂性：一方面，医护人员真切地感受到人工智能在提高诊断效率、辅助决策制定与护理等环节的潜力，能帮助其快速获取精准建议，节省时间精力，更好服务患者。另一方面，医护人员也担忧AI可能带来的误诊风险 [40]。不仅如此，过度依赖AI会导致专业技能退化，进而影响职业认同感与成就感 [41]。

量表作为国内外广泛应用的评估工具，能够依托大规模的数据收集与统计分析，精准描绘医疗AI应用的普遍态度趋势 [18]。但定量调查难以捕捉医护人员在具体案例中的决策犹豫，而通过定性访谈的深入交流，研究者能够与医生建立起良好的信任关系，引导他们说出最真实想法，获得丰富的一手资料 [42]。

综上所述，工具选择与开发可考虑利用混合评估方式：通过标准化量表获取态度的量化分布，结合半结构化访谈挖掘深层心理机制，发现医护人员对AI的真实态度。

4.3 数据质量维度的缺失现状

现有评估工具多聚焦医护人员对AI的认知、情感与行为意向等主观心理构念，却普遍忽视了构成AI系统可信度客观基础的关键要素即临床数据质量。Alanazi研究显示，多数临床医生将数据质量列为短期挑战，但现有评估工具主要关注态度而非数据基础 [43]。这一测量维度的缺失，可能导致评估停留于感知、情绪和个体效用上，而难以触及影响临床接纳度的深层障碍。

现有工具所测量的“低信任感”与“使用犹豫”，在临床情境中有具体的技术性成因。首先，从数据治理视角看，医疗AI的训练数据常面临异构性高、标注不一致、时效性差等现实难题 [44]。电子病历中非结构化文本、设备影像数据格式差异、历史数据与当前诊疗规范的不匹配等，均可能导致训练出的模型部署后表现不佳。医护人员对AI输出结果的信任，根本上源于对底层数据标准化程度、标注质量与系统兼容性的认可 [45]。其次，从特征工程与偏倚检测视角看，数据集的代表性与公平性至关重要。若训练数据未充分涵盖老年人、儿童、罕见病患者或特定地域人群，模型在这些群体中的预测性能可能显著下降，引发医护人员对AI决策“公平性”与“普适性”的质疑 [46]。这种对“数据代表性”的担忧，是“算法黑箱”焦虑之外，影响技术信任的另一核心维度。

因此，高质量、具有代表性的数据集是临床AI获得信任的必要条件。在纳入的工具中，仅有TrAAIT等通过“系统性能”维度间接关联此议题，缺乏对数据质量进行直接、系统化测量的独立模块。其虽能捕捉到这些负向态度，却无法诊断其是否源自数据质量担忧，抑或是对算法、人机交互等其他因素的不满。未来的研究方向应双向推进：在技术层面，构建高质量、标准化、具有代表性的本土医疗健康数据集，夯实信任的客观基础；在评估科学层面，开发能敏锐捕捉数据质量关切的态度测量工具，为提升AI临床整合成效提供精准、可操作的实证依据。

4.4 现存问题及启示

在推动医疗人工智能落地的过程中，能精准捕捉医护人员真实态度的评估工具至关重要。然而，当前国内研究多直接引用或简单汉化国际通用量表 [9-10]，这些工具虽有成熟框架，但其维度设计源于单一医疗情境，难以契合中国以分级诊疗为核心的复杂医疗生态 [47]。

三级医院承担疑难重症诊疗，其量表维度应超越基础技术接受度，深入临床实践的核心环节 [48]。首要维度应聚焦“复杂决策支持”，评估AI在疑难病例诊断与治疗方案选择中的支持作用，以及医生对专业自主权的认知。条目示例如“该AI系统能为我提供疑难或复杂病例的鉴别诊断参考”，“在采用AI建议时，我作为医生的最终决策责任是明确的”。其次，应包含“工作流整合”维度，评估AI与现有临床流程和信息系统协同顺畅度，条目如“该AI工具能便捷嵌入我日常的诊疗或病历书写流程”，“使用AI辅助不会额外增加工作环节与负担”。

与之相对，在基层医疗机构，AI技术更多被期望用于辅助诊疗与能力提升 [49]。量表维度应更侧重实用性与支持性：首要的是“易用性与技能补充”维度，评估工具易用性及对常见工作辅助功能 [50]，条目如“该AI工具操作简单，能帮助我快速处理常见病、多发病的初步评估”，“使用AI有助于我更规范地执行慢性病管理或健康教育工作”。同时，必须纳入“资源与可持续性”维度，考察成本、维护等现实条件，条目如“我所在机构能够支持该AI系统的长期使用与维护费用”，“该AI的功能建议与我们基层的药品、医保等实际条件相符合”。

综上所述，构建本土化评估体系的可行路径是设计“通用核心模块”与“机构特色模块”相结合的量表。通用模块涵盖感知有用性、信任与焦虑等共性态度，实现跨机构基准比较；特色模块则需严格依据上述差异化维度进行开发。

5

结束语

本研究系统梳理了医护人员对医疗人工智能的态度评估工具。现有工具呈现通用与专业分化、理论与场景并重的特点，但国内研究仍多停留在引进阶段，缺乏针对本土场景的工具开发。未来应立足中国实际，开发融合本土场景、考量数据质量与伦理的评估工具，以科学支撑AI的临床整合与政策制定。

文章