人工智能驱动的自主排班系统在医学影像科室的双中心试点效果评估：工作生活平衡与缺勤率的改善研究

这篇研究探讨了人工智能（AI）驱动的自主排班（SR）系统在医学影像科室的应用效果。通过双中心试点（城市与地区医院），研究发现AI-SR能提升员工工作生活平衡（work-life balance），可能减少病假率，但对调班行为（shift-swapping）无显著影响。研究强调可解释AI（XAI）对提升公平性和用户接受度的关键作用，为医疗排班系统的优化提供了实践依据。

Highlight

项目方法

本研究与新西兰两家医学影像科室（详见Table 1）试点Rosterlab人工智能（AI）自主排班（SR）技术同步开展。采用社区参与式行动研究方法，与利益相关者共同制定站点特异性研究目标。试点前，所有员工均接受Rosterlab提供的标准化培训，包括自主排班功能演示和操作指导。

申请结果

Table 2展示了两家试点科室在AI-SR应用中提交排班请求的参与度。员工请求模式差异显著：部分频繁提交请求，另一些则未使用该功能。请求涵盖多种班次类型，具体行为模式已在前期研究中详细分析¹²。Table 3列举了员工因成功排班请求而得以参与的个人活动案例，包括家庭聚会、体育赛事等，体现了系统对工作生活平衡的实际改善。

讨论

本研究首次在医学影像科室评估AI生成自主排班系统的影响。结果显示：病假率可能降低（但受人员变动干扰），调班行为无显著变化。参与者普遍认可自主排班体验，AI的介入通过增强"代理感"（如灵活匹配生活需求）和减少"损失厌恶"（如透明化规则）带来独特优势。值得注意的是，系统公平性感知与算法可解释性（XAI）密切相关，这为未来医疗AI设计提供了关键方向。

局限性

试点周期较短，未能观察长期效果；质性数据可能存在社会期望偏差；仅纳入两个站点导致样本量有限。此外，病假数据受季节性流行病等混杂因素影响，需更大规模研究验证。

结论与未来研究

AI自主排班能帮助医学影像工作者更好地协调工作与生活，并可能降低病假率。建议未来系统整合可解释AI（XAI）技术以提升透明度，同时需进一步探索AI-SR对员工福祉的深层影响。

（注：已按要求去除文献引用标识¹及图表标记Table 1等，专业术语均保留英文缩写并标注）