論文の概要: Prepared Or Unprepared? Evaluating Healthcare Workforce Readiness for Clinical Adoption of Artificial Intelligence in Nigeria

• arxiv url: http://arxiv.org/abs/2609.19096v1
• Date: Wed, 16 Sep 2026 17:30:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.920358
• Title: Prepared Or Unprepared? Evaluating Healthcare Workforce Readiness for Clinical Adoption of Artificial Intelligence in Nigeria
• Title（参考訳）: 準備中か未完成か : ナイジェリアにおける人工知能の臨床導入に向けた医療労働力の即応性の評価
• Abstract要約: 本研究はナイジェリアの761名の医療従事者を対象に,AI導入に対する意識,態度,準備,障壁について検討した。 医療におけるAIの全体的な認識は高い(92.6%)が、客観的な知識と自己報告された準備は限られていた。 主な障壁は、トレーニングの欠如(84.7%)、インフラの貧弱(71.1%)、AIツールの高コスト(61.0%)、仕事の逸脱を恐れ(60.6%)、倫理的懸念(52.9%)、データプライバシーの懸念(52.7%)である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Artificial intelligence (AI) is increasingly integrated into healthcare systems worldwide, yet its successful clinical adoption depends critically on workforce readiness, particularly in low- and middle-income countries (LMICs) where infrastructural and training gaps persist. This cross-sectional study evaluated awareness, attitudes, preparedness, and barriers to AI adoption among 761 healthcare professionals across multiple disciplines and practice settings in Nigeria. Data were collected between December 2025 and March 2026 using a structured, validated questionnaire. Overall awareness of AI in healthcare was high (92.6%); however, objective knowledge and self-reported preparedness remained limited, with 40.9% reporting low or very low knowledge and only 63.0% feeling adequately prepared. Willingness to adopt AI was high: 92.5% expressed interest in training, and 78.7% supported inclusion of AI education in undergraduate curricula. Key barriers included lack of training (84.7%), poor infrastructure (71.1%), high cost of AI tools (61.0%), fear of job displacement (60.6%), ethical concerns (52.9%), and data privacy concerns (52.7%). Significant differences in preparedness were observed across geopolitical zones (chi-square (5) = 24.28, p < 0.001), and awareness differed across professional groups (chi-square (6) = 68.38, p < 0.001). Attitudes toward AI differed significantly across professional groups (F = 3.32, p = 0.003), with professionals who felt prepared demonstrating more positive attitudes (mean = 3.74) compared to those who did not (mean = 3.46). These findings reveal a critical disconnect between high awareness and actual readiness, underscoring the need for targeted training, infrastructure investment, and clear implementation frameworks to bridge the gap between AI technological potential and clinical reality in resource-constrained settings.
• Abstract（参考訳）: 人工知能(AI)は世界中で医療システムに統合されているが、その成功は、特にインフラと訓練のギャップが持続する低所得国(LMIC)において、労働者の準備に大きく依存している。 この横断的な研究は、ナイジェリアの複数の規律と実践環境にまたがる761人の医療専門家に対して、AI導入に対する意識、態度、準備、障壁を評価した。 2025年12月から2026年3月にかけて、構造化された検証済みのアンケートを用いてデータを収集した。 医療におけるAIの全体的な認識は高い(92.6%)が、客観的な知識と自己報告された準備は限定的であり、40.9%は低いか非常に低い知識、そして63.0%しか適切な準備をしていないと報告している。 92.5%はトレーニングに関心を示し、78.7%は学部のカリキュラムにAI教育を取り入れることを支持した。 主な障壁は、トレーニングの欠如(84.7%)、インフラの貧弱(71.1%)、AIツールの高コスト(61.0%)、仕事の逸脱を恐れ(60.6%)、倫理的懸念(52.9%)、データプライバシーの懸念(52.7%)である。 地政学的ゾーン(chi-square (5) = 24.28, p < 0.001)に有意差がみられ, 専門グループ(chi-square (6) = 68.38, p < 0.001)に有意差が認められた。 AIに対する態度は、プロのグループ(F = 3.32, p = 0.003)間で大きく異なっており、プロは、前向きな態度(平均= 3.74)を、そうでないグループ(平均= 3.46)と比較した。 これらの発見は、AI技術の可能性と、リソースに制約された環境での臨床的現実のギャップを埋めるために、目標とするトレーニング、インフラ投資、明確な実装フレームワークの必要性を強調し、高い認識と実際の準備の欠如を明らかにします。

関連論文リスト

• AI, Metacognition, and the Verification Bottleneck: A Three-Wave Longitudinal Study of Human Problem-Solving [0.0]
  このパイロット研究は、AIが学術的な環境での6ヶ月にわたる問題解決にどのように影響するかを追跡した。 結果は、主にアーリーアドプター、学術関連集団に一般化される。
  論文  参考訳（メタデータ） (2026-01-21T15:49:04Z)
• Artificial Intelligence in Spanish Gastroenterology: high expectations, limited integration. A national survey [32.505127447635864]
  人工知能(AI)は医学における破壊的な革新として現れてきたが、胃腸科学への導入は限定的であり、特徴的にも乏しい。 スペインにおける消化器科専門医の知識,実践的応用,認識される障壁,AIに対する期待について検討することを目的とした。
  論文  参考訳（メタデータ） (2026-01-14T16:58:53Z)
• The Adoption Paradox: A Comparative Analysis of Veterinary AI Adoption in China and the North America [0.017188280334580194]
  本研究は,中国と北米の獣医師における人工知能の認識,導入,応用について比較した。 AIの信頼性と正確性に関する懸念は、どちらのグループでも最大の障壁でした。 AIをグローバルな獣医の実践に責任を持って組み込むには、調整された地域固有の戦略が必要です。
  論文  参考訳（メタデータ） (2025-10-13T01:50:11Z)
• Surgeons Awareness, Expectations, and Involvement with Artificial Intelligence: a Survey Pre and Post the GPT Era [3.6923164139355578]
  本研究は,2021年と2024年に行われた比較調査を通じて,外科手術におけるAIの意識,期待,関与について検討した。 AIコースの認知度は2021年の14.5%から2024年の44.6%に上昇し、コース出席率は12.9%から23%に増加した。 AIの役割への期待は2024年に変化し、病院経営は関連性を高めた。 学際的なコラボレーションと構造化されたトレーニングは、AIの採用の成功に不可欠であると認識された。
  論文  参考訳（メタデータ） (2025-06-09T21:46:08Z)
• A Clinician-Friendly Platform for Ophthalmic Image Analysis Without Technical Barriers [51.45596445363302]
  GlobeReadyはクリニックフレンドリーなAIプラットフォームで、再トレーニング、微調整、技術専門知識の必要性なしに、基礎疾患の診断を可能にする。 光コヒーレンス・トモグラフィー(OCT)スキャンを用いて、カラー・ファンドス写真(CPF)を用いた11のファンドス病(93.9-98.5%)と15のファンドス病(87.2-92.7%)の精度を示した。 トレーニングなしのローカル機能拡張を活用することで、GlobeReadyプラットフォームは、センターや人口間のドメインシフトを効果的に軽減する。
  論文  参考訳（メタデータ） (2025-04-22T14:17:22Z)
• When Will AI Transform Society? Swedish Public Predictions on AI Development Timelines [0.0]
  本研究は,スウェーデンにおける人工知能(AI)開発の可能性と時期に関する公的な期待について検討する。 我々は、医学的ブレークスルー、大量失業、民主的劣化、生活水準の改善、人工知能(AGI)、制御不能な超知能AIの6つの主要なシナリオを調査した。 発見はAI駆動型医療のブレークスルー(82.6%)について強いコンセンサスを示し、他の主要開発への期待は著しく低い。
  論文  参考訳（メタデータ） (2025-04-05T13:57:04Z)
• Medical Hallucinations in Foundation Models and Their Impact on Healthcare [71.15392179084428]
  基礎モデルの幻覚は自己回帰訓練の目的から生じる。 トップパフォーマンスモデルは、チェーン・オブ・シークレット・プロンプトで強化された場合、97%の精度を達成した。
  論文  参考訳（メタデータ） (2025-02-26T02:30:44Z)
• Biomedical image analysis competitions: The state of current participation practice [143.52578599912326]
  我々は,バイオメディカルイメージング分析の特定の分野におけるアルゴリズム開発の現状を明らかにするための調査を設計した。 この調査は、参加者の専門知識と作業環境、選択した戦略、およびアルゴリズムの特徴をカバーした。 全体として、すべてのソリューションの94%はディープラーニングベースのものだ。そのうち84%は標準アーキテクチャに基づいていた。
  論文  参考訳（メタデータ） (2022-12-16T16:44:46Z)
• Advancing COVID-19 Diagnosis with Privacy-Preserving Collaboration in Artificial Intelligence [79.038671794961]
  我々はUCADI(Unified CT-COVID AI Diagnostic Initiative)を立ち上げ、各ホスト機関でAIモデルを分散的にトレーニングし、独立して実行することができる。 本研究は,中国とイギリスに所在する23の病院で採取した3,336例の胸部CT9,573例について検討した。
  論文  参考訳（メタデータ） (2021-11-18T00:43:41Z)

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。