这篇文档属于类型a，即报告了一项单一原创研究的学术论文。以下是针对该研究的学术报告：
作者与机构
本研究由Claire Lewis（第一作者，通讯作者）、Jenny Groarke、Lisa Graham-Wisener和Jacqueline James共同完成。Claire Lewis和Jacqueline James来自英国贝尔法斯特女王大学医学、牙科与生物医学科学学院；Jenny Groarke来自爱尔兰戈尔韦大学心理学学院；Lisa Graham-Wisener来自贝尔法斯特女王大学心理学学院。该研究于2025年发表在《Journal of Medical Internet Research》期刊上。
学术背景
本研究的主要科学领域是人工智能（AI）在病理学中的应用，特别是其在癌症诊断和管理中的潜力。过去十年，AI技术在医疗保健领域取得了显著进展，尤其是在病理学中，AI被用于辅助癌症诊断和管理。然而，尽管AI在提高诊断效率和准确性方面的价值不可低估，但其开发和实施仍面临诸多挑战，特别是公众对AI辅助病理诊断及使用医疗数据（包括组织样本数据）训练算法的支持度尚不明确。因此，本研究旨在调查英国公众对AI在病理学研究和实践中应用的认知和态度。
研究流程
本研究采用了一项全国代表性的横断面混合方法网络调查，样本量为1518名英国居民。研究通过在线研究平台Prolific招募参与者，参与者需年满18岁、居住在英国并能够表达自己的观点。调查包括30个封闭式问题和2个开放式问题，收集了受访者的社会人口学信息、癌症相关经验以及对AI在病理学中应用的看法。
-
调查设计与实施
- 调查通过Qualtrics平台进行，内容包括社会人口学信息、癌症相关经验、对AI在癌症诊断和管理中应用的看法，以及对使用去识别化个人健康数据和图像开发AI技术的支持度。
- 受访者需回答关于AI在病理学中应用的认知、信念、风险和益处的问题，并使用5点Likert量表进行评分。
- 调查还包括两个开放式问题，询问受访者对AI在癌症诊断和管理中应用的支持条件，以及对使用去识别化数据和图像开发AI技术的看法。
-
数据分析
- 定量数据分析采用描述性统计和推断性统计方法，包括独立双样本t检验和卡方检验，以评估公众对AI在病理学中应用的认知和态度。
- 多变量逻辑回归分析用于评估支持AI在癌症诊断和管理中应用的影响因素。
- 定性数据分析采用主题分析法，对开放式问题的回答进行编码和主题提取。
主要结果
-
公众认知与态度
- 公众对AI在病理学中应用的认知较低，仅有23.19%的受访者表示对此有一定或中等程度的了解。
- 大多数受访者不支持仅由AI进行癌症诊断（59.82%）或基于生物标志物的诊断（45.72%），但绝大多数（97.36%）支持由病理学家在AI辅助下进行诊断。
- 男性、更高认知度、更高数据安全信任度和更积极的信念与支持AI在癌症诊断和管理中应用呈正相关，而识别更多风险则降低支持度。
-
数据使用支持度
- 大多数受访者支持公共机构（如大学）使用去识别化个人健康数据（83.99%）和组织图像（87.35%）开发AI技术，但对商业研究机构的支持度较低。
- 受访者对NHS数据安全和隐私协议有较高信任度，但对公共和商业机构使用数据的目的存在担忧。
-
定性分析主题
- 主题1：公众参与：受访者强调需要提高公众对AI的认知，并通过透明度和开放性增强信任。
- 主题2：人类监督：受访者支持AI作为辅助工具，但强调必须保留人类在决策中的监督作用。
- 主题3：更多证据：受访者呼吁提供更多关于AI在病理学中应用的有效性和准确性的证据。
结论
本研究表明，尽管公众对AI在病理学中应用的认知较低，但其态度总体积极，支持在人类监督下使用AI进行癌症诊断和管理。公众对公共机构使用去识别化数据和图像开发AI技术持较高支持度，但对商业机构的支持度较低。研究还揭示了性别和种族差异，女性和非白人群体对AI的支持度较低。这些发现对AI在病理学中的开发和实施具有重要意义，强调了透明度、公众教育和人类监督的重要性。
研究亮点
- 重要发现：公众对AI在病理学中应用的支持度较高，但需满足人类监督、数据安全和透明度的条件。
- 方法创新：本研究首次采用全国代表性的混合方法调查，结合定量和定性分析，全面评估了公众对AI在病理学中应用的认知和态度。
- 研究目标特殊性：聚焦于AI在病理学中的应用，特别是其在癌症诊断和管理中的潜力，填补了该领域的研究空白。
其他价值
本研究为政策制定者、AI开发者和医疗机构提供了重要参考，强调了在AI技术开发和应用过程中需考虑公众的认知和态度，特别是女性和少数族裔群体的担忧。通过增强透明度、提供更多证据和保留人类监督，可以提高公众对AI技术的信任和支持，从而推动AI在病理学中的广泛应用。