患者人工智能问诊采纳意愿影响因素研究

人工智能技术快速发展，为医疗健康领域带来革新机遇。其在数据处理、辅助诊断、手术支持和药物研发等环节的应用潜力不断显现，尤其在问诊服务方面价值显著。人工智能问诊以患者为中心，提供便捷高效的医疗服务，主要包括预问诊和自诊两大功能[1]。在用户技术接受领域，用户的采纳是技术成功实施的关键前提[2]。人工智能问诊是新兴技术与医疗服务的深度结合与创新应用，患者作为核心利益相关者，其决策不仅关乎技术效用，还涉及生命健康风险权衡。因此，研究患者采纳意愿(willingness to adopt，WA)对人工智能问诊的应用与推广至关重要。目前技术采纳意愿相关研究多聚焦于技术性能优化及基于技术接受模型等经典理论框架的理性决策范式[3]，对个体技术准备度特质与风险感知的作用机制缺乏系统分析。鉴于此，本研究整合技术准备度理论与感知风险理论，构建患者人工智能问诊采纳意愿模型，重点解析患者技术准备度特质、风险感知各维度与采纳意愿的作用机制，旨在深化对人工智能问诊技术采纳动机的理论认知，并为促进该技术在患者群体中的推广应用奠定理论基础。

2 研究假设与研究方法

2.1 研究假设

技术准备度由Parasuraman A[4]于2000年正式提出，用于衡量人们接受和使用新技术完成工作或生活目标的倾向性。技术准备度是用户对待新技术积极和消极信念的集合，决定其使用新技术的倾向，主要通过技术准备指数测量，包含乐观性(optimism，OPT)、创新性(innovativeness，INN)、不适感(discomfort，DIS)和不安全感(insecurity，INS)4个维度，涵盖个体对技术的态度、认知和情感等因素[5]。乐观性体现为对技术持积极看法，相信技术能提升生活掌控力、灵活性和效率；创新性反映个体倾向成为技术先锋和思想引领者；不适感表现为感觉对技术缺乏掌控，有被技术压垮之感；不安全感是对技术正常工作能力的不信任和怀疑。乐观性与创新性属于积极信念因素，既往研究表明，乐观主义者常能敏锐捕捉新技术价值[6-7]，创新性强的人更善于挖掘新技术的潜在价值[8]。Hsieh P J[9]研究表明乐观性和创新性显著正向影响医生使用智能辅助诊断的意愿。不适感与不安全感属于消极信念因素，对新技术接受或采用有负面影响。研究发现，对技术操作缺乏掌控感或担忧技术可靠性的个体更可能规避技术使用[10]，不安全感会使人们面对新技术缺乏自信，更易察觉使用风险[11]。基于此，提出假设H1：乐观性正向影响患者对人工智能问诊的采纳意愿。H2：创新性正向影响患者对人工智能问诊的采纳意愿。H3：不适感负向影响患者对人工智能问诊的采纳意愿。H4：不安全感负向影响患者对人工智能问诊的采纳意愿。

感知风险理论认为个体决策时会感知和评估行为可能带来的不确定性及潜在损失[12]。感知风险需个体分析并评估风险大小、发生概率及后果，综合考虑自身经验、知识、价值观和风险偏好等因素，形成全面认知。许多学者将感知风险作为多维概念探讨，目前主要包括时间风险、功能风险、身体风险、财务风险、社会风险和心理风险等维度[13]。本研究中，感知风险指患者面对人工智能问诊不确定性可能造成损失的感知程度，主要包括感知隐私担忧(perceived privacy concerns，PPC)、感知性能焦虑(perceived performance anxiety，PPA)和感知责任问题(perceived liability issues，PLI)3个维度[14]。感知隐私担忧是对技术可能泄漏或滥用个人健康信息的担忧；感知性能焦虑是对技术诊断准确性和可靠性的担忧；感知责任问题是对技术使用过程中责任归属不明确的担忧。Deng Z等[15]和Li Q[16]的实证研究表明隐私担忧是影响中国患者采用移动医疗服务的关键因素，而且Deng Z等[15]和Yang Y等[17]的研究也表明感知性能风险对采用意愿有显著负向影响。Tamori H等[18]研究显示大多数医生和公众对医疗人工智能的问责制问题表示强烈担忧。基于此，提出假设H5：感知隐私担忧负向影响患者对人工智能问诊的采纳意愿。H6：感知性能焦虑负向影响患者对人工智能问诊的采纳意愿。H7：感知责任问题负向影响患者对人工智能问诊的采纳意愿。

2.2 研究方法

2.2.1 问卷设计本研究调查问卷包括两部分，第1部分是自行设计的人口学特征题目，包括患者性别、年龄、最高学历、职业和月收入。第2部分是量表题目，患者的技术准备度包括乐观性、创新性、不适感、不安全感4个维度，主要参考Parasurman A等[5]开发的TRI 2.0量表；感知隐私担忧、感知性能焦虑和感知责任问题主要借鉴Esmaeilzadeh P[14]和操心怡[19]的研究；采纳意愿主要借鉴Venkatesh V等[20]的研究成果。量表题目主要内容如下。(1)乐观性。包括技术能提升生活质量、增加便利性、增强个人健康管理能力、提高卫生资源利用效率，例题“人工智能问诊可以提高生活质量”。(2)创新性。包括成为他人寻求技术建议的对象、率先掌握新技术、具有技术自主学习能力、能够持续跟踪技术领域的最新进展，例题“其他人遇到人工智能问诊相关问题时，会向我咨询建议”。(3)不适感。包括因初始接触感觉自己可能被他人利用、回答问题的语言难以理解、操作指南复杂、感觉自己被排除在目标用户群体之外，例题“我刚开始接触人工智能问诊时，有时会觉得自己被某些人利用了”。(4)不安全感。包括过度依赖技术、技术会分散注意力而造成危害、会降低医患关系质量、对技术主导的未来缺乏自信心，例题“我认为人们会过于依赖人工智能问诊”。(5)感知隐私担忧。包括担忧个人信息被过度收集、未经同意被用于其他目的或被泄漏给第三方，例题“我担心人工智能问诊会收集太多个人信息”。(6)感知性能焦虑。包括担忧诊断或建议的准确性、可能引发医疗事故的风险、算法预测模型的可靠性、医疗判断的充分完整性，例题“我担心人工智能问诊提供的诊断或建议不准确”。(7)感知责任问题。包括技术出现错误时对责任归属、界限和承担主体的困惑和担忧，例题“我担心人工智能问诊提供错误建议时责任主体归属不明确”。(8)采纳意愿。包括愿意使用、未来有需要时会使用、愿意向他人推荐的行为倾向，例题“我愿意使用人工智能问诊”。采用李克特5分量表法测量(1—5表示非常不同意到非常同意)。

2.2.2 数据采集采用便利抽样方法，于2024年7月在广州医科大学附属第二医院对门诊患者进行纸质问卷调查。调查对象排除标准：精神异常或严重认知障碍；符合急诊抢救指征；明确表示不愿参与研究。共发放并回收问卷420份，剔除回答不完整、答题逻辑前后不一致的无效问卷，得到有效问卷356份，有效回收率为84.8%。调查对象人口学特征具体分布情况，见表1。

2.2.3 数据分析采用Excel软件录入数据，应用SPSS 27.0软件对数据进行信度检验和描述性分析，使用Pearson相关系数检验各变量之间的相关关系，P<0.05时相关性显著；采用AMOS 24.0软件进行效度检验和结构方程模型检验，对模型拟合程度和路径关系进行分析，P<0.05表示影响效应显著。

3 结果

3.1 信度与效度检验

问卷信效度检验结果，见表2—表3。信度检验标准为Cronbach’s α系数和组合信度(composite reliability，CR)均大于0.7；聚敛效度检验标准为标准化后的因子载荷值和均方差(average variance extracted，AVE)均大于0.5；区分效度检验标准为各变量AVE的平方根均大于变量间相关系数。本研究数据均符合检验标准，说明问卷有较高的信度和较好的聚敛效度、区分效度。

3.2 人工智能问诊采纳意愿的影响因素

通过Amos 24.0对模型进行拟合分析，拟合指标均优于合格标准，说明模型拟合程度良好，见表4。

结构方程模型检验结果，见表5。乐观性、创新性和感知性能焦虑对患者人工智能问诊采纳意愿的影响效应具有显著性，且这3条路径关系的标准化系数分别为0.207、0.198、-0.144；其余变量对采纳意愿的影响不显著。因此，仅H1、H2、H6这3个假设成立。

4 讨论与建议

4.1 患者技术准备度方面的主要影响因素

患者技术准备度中的乐观性和创新性对人工智能问诊采纳意愿具有显著正向影响。这表明高乐观性与创新性的患者更倾向于采纳人工智能问诊服务，可能因其更易将该技术视为获取医疗信息的新途径；这一决策逻辑也与患者的电子健康素养、技术认知态度密切相关[21]。乐观性体现对技术效益的开放性认知，以及创新性驱动的对新兴技术的探索欲望，共同构成患者对人工智能问诊系统采纳的核心心理基础。相比之下，不适感与不安全感对采纳意愿影响不显著，可能是这种负向心理特质需通过感知易用性或感知有用性的中介效应间接作用于行为意愿[22]。此外，赵庆等[23]研究表明技术准备度中的积极信念比消极信念影响更显著，意味着消极信念被积极信念抑制。

4.2 患者感知隐私担忧与责任问题的潜在影响机制

感知隐私担忧与感知责任问题对采纳意愿无显著影响。Liu K等[24]认为公众对智能医疗服务的个性化需求与对隐私泄漏的担忧存在矛盾，需通过建立信任来平衡。患者在追求医疗信息获取便捷性时，往往会降低对隐私的关注，尤其在长期使用中会形成路径依赖。另外，由于人工智能问诊定位为“信息提供者”而非“决策主体”，其输出内容的非诊断性质弱化了责任归属争议，患者也更关注信息实用性而非责任界定[25]。然而，隐私与责任问题仍需纳入长期风险管理框架。随着人工智能与医疗领域的深度融合，数据泄漏或算法偏差可能导致系统性风险，须通过技术升级与政策规范实现动态平衡。

4.3 患者感知性能焦虑对采纳意愿的负向影响

感知性能焦虑对人工智能问诊采纳意愿具有显著负向影响，表明患者对人工智能问诊系统的准确性和可信度存在顾虑。患者认为人工智能问诊可能出错或提供不准确信息，增加了焦虑感，降低了接受度[26]。医学人工智能的诊疗能力高度依赖训练数据集的全面性与代表性，数据偏差与质量缺陷可能引发患者对算法模型稳健性的质疑，直接影响其对人工智能问诊的采纳意愿[27]。同时，研究进一步表明患者对人工智能问诊技术性能和可靠性有高度期待。

4.4 提升患者人工智能问诊采纳意愿的策略建议

4.4.1 基于技术准备度的用户分层干预制定人工智能问诊技术推广策略时，可基于用户技术准备度构建精准画像并实施差异化策略[28]。针对高乐观-创新性群体，将其定位为技术扩散初期的核心用户，聚焦提供突破性功能体验，以技术前沿性吸引其成为早期口碑传播者[29]。针对高不适感-不安全感群体，构建系统化的安全引导机制，通过渐进式交互设计(如分步操作指引、语音助手辅助)降低技术疏离感[30]。针对技术准备度各维度因素均低的怀疑者群体，重点强化可信度建设，通过真实案例对比、权威机构认证等场景化宣传消除认知偏差，设计低门槛试用模块激活其潜在采纳意愿[29]。

4.4.2 技术性能与用户体验优化持续迭代诊断模型，整合多模态医疗数据优化训练集，减少数据偏差对结果的影响，提升人工智能问诊系统算法的准确性；同时开发可视化决策路径工具，确保数据处理过程符合医疗器械管理标准；采用自然语言交互优化问诊流程，设计一键式操作入口，降低技术使用门槛。

4.4.3 用户认知强化与风险前瞻治理一方面，通过科普讲座、交互式教程等多媒体手段普及人工智能技术原理，明确其作为“辅助工具”的功能边界，避免患者对技术能力过度期待。同时搭建实时反馈通道，结合患者体验数据动态优化系统性能，形成“使用-反馈-迭代”的闭环机制。另一方面，尽管隐私担忧与责任界定对当前患者的采纳意愿影响较弱，但仍须前瞻性布局风险防范体系，技术企业应加强隐私保护技术集成，通过区块链技术实现诊疗数据可追溯不可篡改，并引入第三方责任保险分散潜在风险。

5 结语

本研究揭示了患者技术准备度、感知风险对人工智能问诊采纳意愿的差异化影响，为深入理解患者采纳机制和优化推广策略提供了理论依据。然而，研究存在以下局限：其一，样本集中于单一医院，可能影响结论普适性；其二，采用横截面数据，难以捕捉采纳意愿的动态变化。未来研究可扩大样本范围，采用纵向设计追踪采纳意愿动态变化，以验证理论模型的区域适用性及长期效应。

作者贡献：黄玉莹负责研究设计、数据收集与分析、论文撰写与修订；黄钊方负责文献调研、论文修订；姜劲负责提供指导。

利益声明：所有作者均声明不存在利益冲突。

1 庹敏，侯梦婷，鲍娟. 人工智能在医疗领域的应用现状和思考[J]. 中国现代医生，2022，60(22)：72-75.

2 潘金鑫. 分级诊疗背景下智能医疗的服务模式与采纳模型研究[D]. 合肥：合肥工业大学，2022.

3 LEE A T，RAMASAMY R K，SUBBARAO A. Understanding psychosocial barriers to healthcare technology adoption：a review of TAM technology acceptance model and unified theory of acceptance and use of technology and UTAUT frameworks[J]. Healthcare，2025，13(3)：250.

4 PARASURAMAN A. Technology readiness index (TRI) a multiple-item scale to measure readiness to embrace new technologies[J]. Journal of service research，2000，2(4)：307-320.

5 PARASURAMAN A，COLBY C L. An updated and streamlined technology readiness index：TRI 2.0[J]. Journal of service research，2015，18(1)：59-74.

6 ZHONG L，VERMA R，WEI W，et al. Multi-stakeholder perspectives on the impacts of service robots in urban hotel rooms[J]. Technology in society，2022，68(2)：101846.

7 KIM S，CHOW B C，PARK S，et al. The usage of digital health technology among older adults in Hong Kong and the role of technology readiness and eHealth literacy：path analysis[J]. Journal of medical internet research，2023，25(1)：e41915.

8 BALAKRISHNAN V，SHUIB N L M. Drivers and inhibitors for digital payment adoption using the cashless society readiness-adoption model in Malaysia[J]. Technology in society，2021，65(5)：101554.

9 HSIEH P J. Determinants of physicians’ intention to use AI-assisted diagnosis：an integrated readiness perspective[J]. Computers in human behavior，2023，147(10)：107868.

10 LAM S Y，CHIANG J，PARASURAMAN A. The effects of the dimensions of technology readiness on technology acceptance：an empirical analysis[J]. Journal of interactive marketing，2008，22(4)：19-39.

11 PRAKASH A V，DAS S. Intelligent conversational agents in mental healthcare services：a thematic analysis of user perceptions[J]. Pacific Asia journal of the association for information systems，2020，12(2)：1.

12 BAUER R A. Consumer behavior as risk taking [C].Chicago：The 43nd Conference of the American Marketing Association，1960.

13 STONE R N，GRØNHAUG K. Perceived risk：further considerations for the marketing discipline[J]. European journal of marketing，1993，27(3)：39-50.

14 ESMAEILZADEH P. Use of AI-based tools for healthcare purposes：a survey study from consumers’ perspectives[J]. BMC medical informatics and decision making，2020，20(7)：1-19.

15 DENG Z，HONG Z，REN C，et al. What predicts patients’ adoption intention toward mhealth services in China：empirical study[J]. JMIR mhealth uhealth，2018，6(8)：e172.

16 LI Q. Healthcare at your fingertips：the acceptance and adoption of mobile medical treatment services among Chinese users[J]. International journal of environmental research and public health，2020，17(18)：6895.

17 YANG Y，LIU Y，LI H，et al. Understanding perceived risks in mobile payment acceptance[J]. Industrial management &data systems，2015，115(2)：253-269.

18 TAMORI H，YAMASHINA H，MUKAI M，et al. Acceptance of the use of artificial intelligence in medicine among Japan’s doctors and the public：a questionnaire survey[J]. JMIR human factors，2022，9(1)：e24680.

19 操心怡. 人工智能问诊用户采纳意愿影响因素实证研究[D].长沙：中南大学，2023.

20 VENKATESH V，MORRIS M G，DAVIS G B，et al. User acceptance of information technology：toward a unified view[J]. MIS quarterly，2003，27 (3)：425-478.

21 周建，王秀波，侯胜超，等.互联网环境下技术准备度对患者电子参与行为的影响[J].医学信息学杂志，2023，44(12)：29-33，46.

22 崔洪成.移动健身App使用意愿研究——基于技术准备度与技术接受模型(TRAM)[J].中国体育科技，2022，58(6)：104-113.

23 赵庆，施国洪，邵世玲.技术准备度对移动图书馆服务质量的影响机制研究[J].图书情报工作，2015，59(17)：33-40.

24 LIU K，TAO D. The roles of trust，personalization，loss of privacy，and anthropomorphism in public acceptance of smart healthcare services[J]. Computers in human behavior，2022，127(2)：107026.

25 HASSAN N，SLIGHT R，BIMPONG K，et al. Systematic review to understand users perspectives on AI-enabled decision aids to inform shared decision making[J]. NPJ digital medicine，2024，7(1)：332.

26 ZHANG Z，CITARDI D，WANG D，et al. Patients’ perceptions of using artificial intelligence (AI)-based technology to comprehend radiology imaging data[J]. Health informatics journal，2021，27(2)：1-13.

27 余艳琴，徐慧芳，郝金奇，等.医学人工智能引发的相关伦理问题分析[J].中国医学科学院学报，2020，42(1)：128-131.

28 TSIKRIKTSIS N. A technology readiness-based taxonomy of customers：a replication and extension[J]. Journal of service research，2004，7(1)：42-52.

29 WIESE M，HUMBANI M. Exploring technology readiness for mobile payment app users[J]. The international review of retail，distribution and consumer research，2019，30(2)：123-142.

30 VICTORINO L，KARNIOUCHINA E，VERMA R. Exploring the use of the abbreviated technology readiness index for hotel customer segmentation[J]. Cornell hospitality quarterly，2009，50(3)：342-359.

【作者机构】	广州医科大学卫生管理学院
【分类号】	R-05;TP18
【基金】	广州医科大学科研能力提升计划项目(项目编号2024SRP042)。