Business

เพื่อให้ผู้ป่วยไว้วางใจ AI ทางการแพทย์ พวกเขาจำเป็นต้องเข้าใจ

AI ให้คำมั่นสัญญาว่าจะเพิ่มคุณภาพและลดต้นทุนการดูแลสุขภาพในประเทศที่พัฒนาแล้วและกำลังพัฒนา แต่อุปสรรคอย่างหนึ่งในการใช้คือผู้ป่วยไม่ไว้วางใจ เหตุผลสำคัญประการหนึ่งคือพวกเขามองว่า AI ทางการแพทย์เป็นกล่องดำ และพวกเขาคิดว่าพวกเขารู้เกี่ยวกับกระบวนการตัดสินใจของแพทย์มากกว่าที่เป็นจริง วิธีการรักษา: ให้คำอธิบายแก่ผู้ป่วยว่าผู้ให้บริการดูแลทั้งสองประเภทตัดสินใจอย่างไร

แอปพลิเคชันด้านสุขภาพที่ใช้เทคโนโลยีปัญญาประดิษฐ์สำหรับการดูแลการวินิจฉัยกำลังมีให้ผู้บริโภคใช้กันอย่างแพร่หลาย บางคนสามารถเข้าถึงได้ผ่านทางสมาร์ทโฟน ตัวอย่างเช่น Google ได้ประกาศเมื่อเร็ว ๆ นี้ การเข้าสู่ตลาดนี้ด้วยเครื่องมือที่ใช้ AI ที่ช่วยให้ผู้คนระบุสภาพผิว ผม และเล็บ อย่างไรก็ตาม อุปสรรคสำคัญในการนำเทคโนโลยีเหล่านี้มาใช้คือผู้บริโภคมักจะไว้วางใจ AI ทางการแพทย์น้อยกว่าผู้ให้บริการด้านสุขภาพของมนุษย์ พวกเขาเชื่อว่า AI ทางการแพทย์ล้มเหลว ตอบสนองความต้องการเฉพาะของพวกเขา และ ทำงานได้แย่ลง มากกว่าผู้ให้บริการที่เป็นมนุษย์ และพวกเขารู้สึกว่าพวกเขาไม่สามารถ ถือ AI รับผิดชอบ สำหรับความผิดพลาดในลักษณะเดียวกับที่พวกเขาทำกับมนุษย์ได้ การต่อต้าน AI ในด้านการแพทย์สร้างความท้าทายให้กับผู้กำหนดนโยบายที่ต้องการปรับปรุงการดูแลสุขภาพและสำหรับบริษัทที่ขายบริการด้านสุขภาพที่เป็นนวัตกรรมใหม่ การวิจัยของเราให้ข้อมูลเชิงลึกที่สามารถใช้เพื่อเอาชนะการต่อต้านนี้ ใน กระดาษที่ตีพิมพ์เมื่อเร็ว ๆ นี้ ใน พฤติกรรมมนุษย์ตามธรรมชาติ เราแสดงให้เห็นว่าการนำ AI ทางการแพทย์ของผู้บริโภคมาใช้นั้นเกี่ยวข้องกับการรับรู้เชิงลบต่อผู้ให้บริการดูแล AI เช่นเดียวกับมุมมองเชิงบวกที่ไม่สมจริงของผู้ให้บริการดูแลมนุษย์ ผู้บริโภคไม่เต็มใจที่จะพึ่งพาผู้ให้บริการดูแล AI เพราะพวกเขาไม่เชื่อว่าพวกเขาเข้าใจหรือเข้าใจอย่างเป็นกลางว่า AI ตัดสินใจทางการแพทย์อย่างไร พวกเขามองว่าการตัดสินใจเป็นกล่องดำ ผู้บริโภคยังลังเลที่จะใช้ AI ทางการแพทย์ เพราะพวกเขาเชื่อว่าพวกเขาเข้าใจวิธีที่มนุษย์ตัดสินใจทางการแพทย์อย่างผิดพลาดมากขึ้น การวิจัยของเรา — ประกอบด้วยการทดลองออนไลน์ห้าครั้งกับตัวแทนระดับประเทศและ ตัวอย่างความสะดวก จาก 2,699 คนและการศึกษาภาคสนามออนไลน์เกี่ยวกับ Google Ads — แสดงให้เห็นว่าผู้บริโภคเข้าใจเพียงเล็กน้อยว่า AI ทางการแพทย์มาถึงบทสรุปได้อย่างไร ตัวอย่างเช่น เราได้ทดสอบว่าตัวอย่างที่เป็นตัวแทนระดับประเทศของชาวอเมริกันรู้จักวิธีที่ผู้ให้บริการดูแล AI ตัดสินใจทางการแพทย์เช่นว่าไฝผิวหนังเป็นมะเร็งหรือไม่เป็นพิษเป็นภัย ผู้เข้าร่วมแสดงได้ไม่ดีไปกว่าที่พวกเขาควรจะได้หากพวกเขาเดา พวกเขาจะทำได้ดีเช่นกันหากพวกเขาเลือกคำตอบแบบสุ่ม แต่ผู้เข้าร่วมรับรู้ถึงความไม่รู้ของพวกเขา: พวกเขาให้คะแนนความเข้าใจว่าผู้ให้บริการด้าน AI ตัดสินใจทางการแพทย์ต่ำเพียงใด ในทางตรงกันข้าม ผู้เข้าร่วมประเมินค่าสูงไปว่าพวกเขาเข้าใจวิธีที่แพทย์ในมนุษย์ตัดสินใจทางการแพทย์มากเกินไป แม้ว่าผู้เข้าร่วมในการทดลองของเราจะมีความเข้าใจข้อเท็จจริงเพียงเล็กน้อยเกี่ยวกับการตัดสินใจของ AI และผู้ให้บริการดูแลมนุษย์ แต่พวกเขาอ้างว่าเข้าใจมากขึ้นว่าการตัดสินใจของมนุษย์ทำงานอย่างไร ในการทดลองหนึ่ง เราขอให้กลุ่มตัวอย่างออนไลน์ที่เป็นตัวแทนระดับประเทศของ 297 คนในสหรัฐฯ รายงานว่าพวกเขาเข้าใจมากเพียงใดเกี่ยวกับวิธีที่แพทย์หรืออัลกอริทึมจะตรวจสอบภาพผิวหนังของพวกเขาเพื่อระบุรอยโรคที่ผิวหนังที่เป็นมะเร็ง จากนั้นเราขอให้พวกเขาอธิบายกระบวนการตัดสินใจของมนุษย์หรือผู้ให้บริการอัลกอริทึม (การแทรกแซงประเภทนี้ที่เคย

ใช้มาก่อน เพื่อทำลายความเชื่อที่ลวงตาว่าเข้าใจกระบวนการเชิงสาเหตุได้ดีเพียงใด คนส่วนใหญ่ ตัวอย่างเช่น เชื่อว่าพวกเขาเข้าใจวิธีการทำงานของเฮลิคอปเตอร์ เมื่อคุณขอให้พวกเขาอธิบายว่ามันทำงานอย่างไร พวกเขาจึงรู้ว่าพวกเขาไม่มีความคิด) หลังจากที่ผู้เข้าร่วมพยายามให้คำอธิบาย พวกเขาได้ให้คะแนนความเข้าใจเกี่ยวกับกระบวนการตัดสินใจทางการแพทย์ของมนุษย์หรืออัลกอริธึมอีกครั้ง เราพบว่าการบังคับให้ผู้คนอธิบายกระบวนการตัดสินใจของมนุษย์หรือผู้ให้บริการอัลกอริทึมลดขอบเขตที่ผู้เข้าร่วมรู้สึกว่าพวกเขาเข้าใจการตัดสินใจที่ทำโดยผู้ให้บริการที่เป็นมนุษย์ แต่ ไม่ การตัดสินใจโดยผู้ให้บริการอัลกอริทึม นั่นเป็นเพราะความเข้าใจส่วนตัวของพวกเขาเกี่ยวกับการตัดสินใจของแพทย์นั้นสูงเกินจริง และความเข้าใจส่วนตัวของพวกเขาเกี่ยวกับวิธีที่ผู้ให้บริการ AI ตัดสินใจนั้นไม่ได้รับผลกระทบใดๆ จากการต้องให้คำอธิบาย อาจเป็นเพราะผู้ที่เคยรู้สึกว่ากล่องหลังเป็นกล่องดำแล้ว ในการทดลองอื่น ด้วยกลุ่มตัวอย่างที่เป็นตัวแทนระดับประเทศของชาวอเมริกัน 803 คน เราได้วัดทั้งความรู้สึกของผู้คน แบบอัตนัย ว่าพวกเขาเข้าใจกระบวนการตัดสินใจของมนุษย์หรืออัลกอริธึมในการวินิจฉัยโรคมะเร็งผิวหนัง จากนั้นจึงทดสอบพวกเขาเพื่อดูว่าพวกเขาเข้าใจจริงๆ ดีเพียงใด ในการทำเช่นนี้ เราได้สร้างแบบทดสอบโดยได้รับความช่วยเหลือจากผู้เชี่ยวชาญทางการแพทย์ ทีมแพทย์ผิวหนังที่โรงเรียนแพทย์ในเนเธอร์แลนด์ และทีมผู้พัฒนาแอปพลิเคชันการตรวจหามะเร็งผิวหนังที่ได้รับความนิยมในยุโรป เราพบว่าแม้ว่าผู้เข้าร่วมรายงานความเข้าใจเชิงอัตวิสัยในการตัดสินใจทางการแพทย์ที่ทำโดยอัลกอริธึมที่แย่กว่าการตัดสินใจของผู้ให้บริการที่เป็นมนุษย์ พวกเขาก็มีความเข้าใจที่แท้จริงที่จำกัดในทำนองเดียวกันในการตัดสินใจที่ทำโดยมนุษย์และผู้ให้บริการอัลกอริธึม ผู้กำหนดนโยบายและบริษัทสามารถทำอะไรได้บ้างเพื่อสนับสนุนให้ผู้บริโภคได้รับ AI ทางการแพทย์ เราพบการแทรกแซงที่ประสบความสำเร็จสองวิธีที่แตกต่างกันเล็กน้อยซึ่งเกี่ยวข้องกับการอธิบายว่าผู้ให้บริการทั้งแบบอัลกอริธึมและมนุษย์ตัดสินใจทางการแพทย์อย่างไร ในการทดลองหนึ่ง เราได้อธิบายวิธีที่ผู้ให้บริการทั้งสองประเภทใช้กรอบงาน ABCD (ความไม่สมมาตร เส้นขอบ สี และเส้นผ่านศูนย์กลาง) เพื่อตรวจสอบคุณสมบัติของตัวตุ่นเพื่อทำการประเมินความเสี่ยงที่เป็นมะเร็ง ในการทดลองอื่น เราอธิบายว่าผู้ให้บริการทั้งสองประเภทตรวจสอบความคล้ายคลึงกันทางสายตาระหว่างโมลเป้าหมายกับโมลอื่นๆ ที่ทราบว่าเป็นมะเร็งได้อย่างไร การแทรกแซงเหล่านี้ประสบความสำเร็จในการลดความแตกต่างในการรับรู้ความเข้าใจของอัลกอริธึมและการตัดสินใจของมนุษย์โดยเพิ่มความเข้าใจในการรับรู้ของอดีต ในทางกลับกัน การแทรกแซงได้เพิ่มความตั้งใจของผู้เข้าร่วมในการใช้ผู้ให้บริการดูแลอัลกอริธึมโดยไม่ลดความตั้งใจที่จะใช้ผู้ให้บริการที่เป็นมนุษย์ ประสิทธิภาพของการแทรกแซงเหล่านี้ไม่ได้จำกัดอยู่ที่ห้องปฏิบัติการ ในการศึกษาภาคสนามเกี่ยวกับ Google Ads เราให้ผู้ใช้เห็นหนึ่งในสองโฆษณาที่แตกต่างกันสำหรับแอปพลิเคชันตรวจคัดกรองมะเร็งผิวหนังในผลการค้นหา โฆษณาชิ้นหนึ่งไม่ได้ให้คำอธิบายใดๆ และอีกโฆษณาหนึ่งอธิบายสั้นๆ ว่าอัลกอริทึมทำงานอย่างไร หลังจากแคมเปญห้าวัน โฆษณาที่อธิบายวิธีการทำงานของอัลกอริธึมทำให้เกิดการคลิกมากขึ้นและอัตราการคลิกผ่านที่สูงขึ้น บริการดูแลสุขภาพด้วย AI เป็นเครื่องมือในภารกิจในการให้บริการ คุณภาพสูงและราคาไม่แพง แก่ผู้บริโภคใน ประเทศกำลังพัฒนาและกำลังพัฒนา การค้นพบของเราแสดงให้เห็นว่าการเปิดกล่องดำ AI ที่โปร่งใสมากขึ้นสามารถช่วยบรรลุภารกิจที่สำคัญนี้ได้อย่างไร

ตรัง ủ ธุรกิจ

  • อาหาร
  • ไลฟ์สไตล์ เทค วางตลาดดิจิทัล (การตลาดดิจิทัล)

  • Back to top button