综述：影响放射学领域人工智能接受度的因素：对放射学工作流程的系统性回顾

人工智能在放射学中的应用接受度研究：通过系统综述分析临床准确性和多维度因素对AI工具采纳的影响，发现算法透明度、数据代表性、AI素养及监管框架是关键成功要素，而完全自动化诊断任务面临最大抵触。

摘要

目标

尽管人工智能在放射学领域具有巨大潜力，但其临床应用仍受到限制。人工智能的接受度是弥合技术验证与实际应用之间差距的关键因素。本系统评价旨在识别影响临床人工智能工具在放射学工作流程中接受度和使用情况的各种因素。

材料与方法

使用机器学习工具ASReview对Ovid Medline、Embase和Web of Science Core进行了系统检索，该工具能够优先筛选出相关研究记录。纳入标准涵盖了不同的利益相关者，并重点关注评估临床人工智能模型接受度的研究，而非人工智能这一概念本身。提取的研究特征包括人工智能模型的预期用途、放射学亚专业、成像方式、利益相关者群体以及技术成熟度。根据放射学工作流程的各个阶段，对研究结果进行了归纳分析。

结果

共纳入了37项研究。大多数研究探讨了人工智能在图像解读中的应用，其中放射科医生和患者是主要利益相关者群体。研究发现了22个影响人工智能接受度的因素，并将其归纳为6个核心主题。结果表明，临床准确性是人工智能被接受的前提条件，但仍存在一些挑战，如人工智能相关知识的普及程度不足、法规与伦理问题尚未得到有效解决、用户指导有限、数据透明度低以及训练数据缺乏代表性。对于那些涉及放射科医生核心能力的完全自动化任务，人们的抵触情绪最为强烈；而那些辅助性或风险较低的应用则更容易被接受。

结论

本评价指出了两个主要的证据空白：非临床利益相关者的参与度不足，以及针对图像解读以外领域的研究相对较少。需要开展涉及多元利益相关者的具体案例评估，以支持人工智能在放射学领域的合理应用。

要点

问题 不同利益相关者如何看待人工智能在放射学工作流程中的接受度？

发现 人工智能的接受度具有多维度特征；虽然临床准确性至关重要，但仅凭这一点还不足以推动其广泛应用。人们对自动化图像解读任务的抵触情绪最为强烈。

临床意义 要实现人工智能在放射学领域的有效应用，算法透明度、数据表示方式、人工智能相关知识的普及以及相关法规的完善都是必不可少的。只有让多元利益相关者积极参与，才能从单纯接受人工智能迈向真正的临床整合。