論文の概要: Public perceptions of AI-driven decision-making in healthcare: A structural equation modeling approach

• arxiv url: http://arxiv.org/abs/2607.18884v1
• Date: Tue, 21 Jul 2026 09:14:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-22 19:05:05.381747
• Title: Public perceptions of AI-driven decision-making in healthcare: A structural equation modeling approach
• Title（参考訳）: 医療におけるAIによる意思決定の公的な認識--構造方程式モデリングアプローチ
• Authors: Leonie Westerbeek, Ernesto de Leon, Julia C. M. van Weert,
• Abstract要約: 成功しているAIの実装は、技術的パフォーマンスだけでなく、その有用性、リスク、公平性に対する一般の認識にも依存する。 本研究では,医療における自動意思決定(ADM)の認識について検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Artificial intelligence (AI) is increasingly integrated into healthcare to support diagnostics, decision-making, and administrative processes. However, the successful implementation of AI depends not only on technical performance but also on public perceptions of its helpfulness, riskiness, and fairness. This study examines public perceptions of automated decision-making (ADM) in healthcare. Data were drawn from the first wave of an ongoing longitudinal survey panel. The final sample consisted of 3,915 respondents and was analyzed with structural equation modeling. Perceptions of ADM in healthcare as helpful, risky, and fair were treated as the dependent variables. AI literacy, familiarity with different forms of AI, confidence in clinicians' ability to distinguish AI- from human-generated content, use of conversational agents for health information, and use of traditional digital health information sources were included as exogenous. Greater familiarity with different forms of AI, higher confidence in the clinician's ability to recognize AI-generated content, and use of conversational agents for health information were associated with greater perceived helpfulness. Use of conversational agents was associated with lower perceived risk, whereas greater familiarity with AI and greater reliance on traditional health information sources were associated with higher perceived risk. Perceptions of ADM as fair were most strongly predicted by confidence in the clinician's ability, with additional small positive associations with AI familiarity, AI literacy, and use of conversational agents. Public perceptions of ADM in healthcare are shaped by technological familiarity, use of conversational agents, and confidence in human oversight. Overall, ADM's perceived helpfulness and fairness are driven more by trust in healthcare professionals than by trust in the technology itself.
• Abstract（参考訳）: 人工知能(AI)は、診断、意思決定、管理プロセスをサポートするために医療にますます統合されている。 しかし、AIの実装の成功は、技術的パフォーマンスだけでなく、その有用性、リスク、公平性に対する一般の認識にも依存する。 本研究では,医療における自動意思決定(ADM)の認識について検討する。 データは,現在進行中の縦断調査パネルの第1波から抽出された。 最終標本は3,915名の回答からなり, 構造方程式モデルを用いて解析した。 医療におけるADMの認識は, 有用, 危険, 公正であり, 依存変数として扱われた。 AIリテラシー、AIの様々な形態への親しみ、AIと人為的コンテンツとを区別する臨床医の能力への信頼、健康情報のための会話エージェントの使用、伝統的なデジタル健康情報ソースの使用は外来種として含まれた。 異なるタイプのAIに親しみやすく、AI生成したコンテンツを認識できる臨床医の能力への信頼が高まり、健康情報への会話エージェントの使用は、より認識された有用性と関連していた。 会話エージェントの使用は、認識されるリスクの低下と関連付けられ、一方、AIに対するより親しみがあり、従来の健康情報ソースへの依存度が高いことは、認識されるリスクの増大に関連していた。 ADMが公正であるとの認識は、臨床医の能力に対する自信によって最も強く予測され、さらにAIの親しみ、AIリテラシー、会話エージェントの使用に肯定的な関連が加えられた。 医療におけるADMに対する一般の認識は、技術的親しみ、会話エージェントの使用、および人間の監視に対する信頼によって形成されている。 全体として、ADMの有益性と公平性は、技術そのものへの信頼よりも、医療専門家への信頼によって促進される。

関連論文リスト

• Consumer Attitudes Towards AI in Digital Health: A Mixed-Methods Survey in Australia [13.717970454143632]
  本研究は,医療AIの消費者の即応性,受容性,信頼性,リスク知覚について調査した。 参加者は適度な楽観主義と強い知覚力と使いやすさを示したが、精度、安全性、データ使用に関してもかなりの懸念を抱いていた。 消費者は具体的なコミュニケーション品質と目に見える人間のガバナンスを通じてAIを判断する。
  論文  参考訳（メタデータ） (2026-04-30T11:35:36Z)
• Towards Next-Generation Medical Agent: How o1 is Reshaping Decision-Making in Medical Scenarios [46.729092855387165]
  本稿では,医療用AIエージェントのバックボーンLSMの選択について検討する。 我々の研究結果は、o1の診断精度と一貫性を高める能力を示し、よりスマートでより応答性の高いAIツールへの道を開いた。
  論文  参考訳（メタデータ） (2024-11-16T18:19:53Z)
• Emotional Intelligence Through Artificial Intelligence : NLP and Deep Learning in the Analysis of Healthcare Texts [1.9374282535132377]
  本論文は,医療関連テキストにおける感情評価における人工知能の利用に関する方法論的考察である。 我々は、感情分析を強化し、感情を分類し、患者の結果を予測するためにAIを利用する多くの研究を精査する。 AIの倫理的応用を保証すること、患者の機密性を保護すること、アルゴリズムの手続きにおける潜在的なバイアスに対処することを含む、継続的な課題がある。
  論文  参考訳（メタデータ） (2024-03-14T15:58:13Z)
• FUTURE-AI: International consensus guideline for trustworthy and deployable artificial intelligence in healthcare [73.78776682247187]
  医療AIに関連する技術的、臨床的、倫理的、法的リスクに関する懸念が高まっている。 この研究は、Future-AIガイドラインを、医療における信頼できるAIツールの開発とデプロイを導くための最初の国際コンセンサスフレームワークとして説明している。
  論文  参考訳（メタデータ） (2023-08-11T10:49:05Z)
• Understanding how the use of AI decision support tools affect critical thinking and over-reliance on technology by drug dispensers in Tanzania [0.0]
  薬局のディスペンサーは、提示された臨床症例のヴィグネットの鑑別診断を決定するとき、AI技術を使用していた。 私たちは、AIがその決定について説明を提供していない場合でも、ディスペンサーがAIによる決定に頼っていたことを発見した。
  論文  参考訳（メタデータ） (2023-02-19T05:59:06Z)
• The Role of AI in Drug Discovery: Challenges, Opportunities, and Strategies [97.5153823429076]
  この分野でのAIのメリット、課題、欠点についてレビューする。 データ拡張、説明可能なAIの使用、従来の実験手法とAIの統合についても論じている。
  論文  参考訳（メタデータ） (2022-12-08T23:23:39Z)
• Explainable AI meets Healthcare: A Study on Heart Disease Dataset [0.0]
  目的は、様々な技術を用いて説明可能なAIシステムの理解性と解釈可能性について実践者に啓蒙することである。 本論文は、心臓病データセットに基づく例を収録し、信頼性を高めるために説明可能性技術をどのように好むべきかを解明する。
  論文  参考訳（メタデータ） (2020-11-06T05:18:43Z)
• Effect of Confidence and Explanation on Accuracy and Trust Calibration in AI-Assisted Decision Making [53.62514158534574]
  ケース固有のモデル情報を明らかにする特徴が、信頼度を調整し、人間とAIのジョイントパフォーマンスを向上させることができるかどうかを検討する。 信頼スコアは、AIモデルに対する人々の信頼を校正するのに役立ちますが、信頼の校正だけでは、AI支援による意思決定を改善するには不十分です。
  論文  参考訳（メタデータ） (2020-01-07T15:33:48Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。