在当前全球范围内，结核病仍然是一个重要的公共卫生挑战，尤其在医疗资源有限的地区，长期治疗依从性和定期随访成为关键因素。随着人工智能（AI）技术的发展，其在远程健康管理中的应用为改善医疗服务提供了新的可能性。然而，关于结核病患者对AI辅助服务的偏好研究仍显不足，尤其是在中国等发展中国家。本文旨在通过离散选择实验（DCE）方法，探讨中国湖北省结核病患者对AI辅助远程健康管理服务的偏好，从而为政策制定者和医疗服务设计者提供依据，以提升服务的接受度和有效性。
结核病的治疗通常需要长时间的药物依从性以及持续的医疗随访，因此远程健康管理在促进患者持续参与治疗、提高依从性方面具有重要意义。然而，在资源有限的地区，医疗资源的不均衡和患者对数字技术的接受度可能限制了远程服务的普及。AI技术可以通过自动化症状监测、智能提醒和个性化健康教育等功能，提高远程服务的效率和可及性。但研究发现，患者对AI辅助服务的接受度并不完全取决于技术本身，而是受到多种因素的影响，包括服务提供者、互动方式、服务频率、服务内容、自付费用以及服务整合程度等。
为了深入了解这些因素如何影响患者的偏好，研究团队设计了一项DCE调查，共纳入203名结核病患者。调查基于系统文献回顾、定性访谈和专家小组讨论，最终确定了六个关键属性：互动方式、服务提供者、服务频率、服务内容、自付费用以及服务整合。每位参与者需要完成8项选择任务，比较基于这些属性构建的假设服务选项。通过混合Logit模型进行分析，研究不仅揭示了不同属性对患者选择的影响，还探索了不同社会人口学特征群体之间的偏好差异。
研究结果显示，所有六个属性都对患者的偏好产生了显著影响（所有P值均小于0.05）。患者普遍倾向于由医生主导的服务（P<0.001），并更偏好视频互动（P<0.001）以及涵盖更广泛内容的服务（P<0.001）。相反，较高的自付费用则与较低的服务接受度相关（P<0.001）。进一步的子群分析表明，高收入患者不仅表现出更高的支付意愿，还更倾向于选择包含医生参与的服务。女性患者对AI辅助医生主导服务的偏好低于仅由AI提供服务的模式，而受教育程度较高的患者则对医生主导服务的偏好程度较低。年龄差异未表现出统计学上的显著性，但在所有子群中，自付费用仍然是决定服务接受度的关键因素。
这些发现表明，结核病患者对高质量、人机结合的远程健康管理服务有明确的偏好。他们重视医生的专业参与和个性化的互动体验，同时也关注服务的可负担性。研究还指出，完全由AI驱动的服务模式可能面临较大的接受阻力，而结合AI效率与专业监督的混合模式更受患者欢迎。因此，在设计AI辅助结核病管理服务时，应优先考虑经济可负担性，并为特定群体（如低收入者、女性患者、受教育程度较低的患者）提供有针对性的支持，以确保服务的公平性和可及性。
此外，研究中还进行了意愿支付（WTP）分析，以量化患者愿意为不同服务特征支付的金额。结果显示，患者对服务提供者相关的属性最为重视，愿意支付约26.43元（约合7美元）以选择由医生主导的服务，而不是仅由AI提供服务。同时，视频互动的意愿支付金额达到17.61元（约合4.50美元），这表明患者对更丰富的互动方式有较高的需求。对于服务内容，患者愿意支付16.63元（约合4.50美元）以获得全面的服务，而不是基础服务。服务频率方面，患者愿意支付10.93元（约合2.90美元）以获得每两周一次的服务，而不是每周一次的服务。尽管服务整合对患者也有一定吸引力，但其意愿支付金额仅为6.83元（约合1.84美元），且统计学上仅接近显著性（P=0.05）。
进一步的交互效应分析显示，不同社会人口学特征的患者群体在服务偏好上存在显著差异。高收入患者对AI辅助医生主导服务的偏好程度更高，同时对价格变化的敏感性较低。这表明，经济能力在决定患者是否接受更复杂或更资源密集的服务模式中起到关键作用。而女性患者和受教育程度较高的患者则对AI辅助医生主导服务的偏好较低，这可能与他们对医生参与价值的不同期望有关。这些发现强调了在设计和定价AI辅助结核病管理服务时，必须充分考虑患者群体的多样性，特别是收入水平、教育程度和性别等因素。
从政策角度来看，这些研究结果对推动AI在结核病管理中的应用具有重要指导意义。首先，政策制定者应关注服务的经济可负担性，确保患者能够以合理成本获得所需服务。其次，应为特定群体（如低收入者、女性患者、受教育程度较低的患者）提供针对性的经济支持和数字素养培训，以减少因经济和数字能力不足导致的不平等现象。最后，研究建议在服务设计中融入医生的专业参与，以增强患者对AI辅助服务的信任感和满意度。这种人机结合的模式不仅能够提高服务的效率，还能满足患者对个性化和情感支持的需求，从而提升整体治疗依从性和服务效果。
研究还指出了当前研究的一些局限性。首先，DCE方法虽然能够捕捉患者的陈述偏好，但实际行为可能受到多种因素的影响，如数字工具的可及性和结核病相关的社会污名。其次，样本量的估算基于传统的经验法则，而非更先进的模型方法，这可能影响结果的精确性。此外，虽然进行了试点测试以评估问卷的清晰度和认知负担，但未按照最佳实践进行正式的预测试，这可能限制了某些问题的优化。最后，研究样本仅限于湖北省的结核病患者，因此其结论可能无法完全推广到其他地区或患者群体。
基于上述发现，未来的研究应考虑在不同地理和人口背景中验证这些偏好，并采用纵向研究设计，以评估实际采用情况和持续参与度。政策制定者应考虑实施分层策略，包括为经济弱势群体提供补贴式服务模式，以及为老年人和农村居民等数字素养较低的群体提供有针对性的数字教育计划。通过结合技术发展与社会经济因素，可以更有效地推动AI在结核病管理中的应用，从而改善患者治疗体验，提高公共卫生系统的效率和公平性。
综上所述，本研究为设计符合患者需求的AI辅助结核病管理服务提供了重要依据。患者对服务的接受度不仅取决于技术本身，还受到服务内容、互动方式、服务提供者、自付费用和整合程度等多方面因素的影响。通过识别这些关键因素及其相对重要性，研究为政策制定者和医疗服务提供者提供了明确的指导，以确保AI技术能够真正惠及结核病患者，特别是在医疗资源有限的地区。同时，研究也强调了在推动技术应用时，必须兼顾患者的社会经济背景和数字能力，以实现更公平和有效的服务覆盖。
