醫療AI數據供給陷不完整困境 研究揭患者不信任影響診斷

商傳媒｜康語柔／綜合外電報導

一項最新研究揭示，供給人工智慧（AI）進行醫療診斷的數據往往不完整，主要原因在於患者對於AI缺乏信任，影響了他們提供病情的詳盡程度。即使是最精密的演算法，也無法彌補模糊或不完整的症狀描述，凸顯了病患參與和信任這些系統的重要性。

這項由德國符茲堡大學（University of Würzburg）、Charité – Universitätsmedizin Berlin，以及英國劍橋大學（University of Cambridge）等多個研究機構合作進行的開創性研究，近期發表於《Nature Health》期刊。研究發現，當患者認為他們的資料將由AI處理時，所提供的資訊會比預期由人類醫生審閱時更不詳細。

研究團隊招募了 500 名參與者，要求他們針對兩種常見疾病（異常頭痛和流感症狀）提供模擬的症狀報告。研究中刻意讓參與者誤以為他們的報告將分別由AI聊天機器人或人類醫生審閱。結果顯示，當預期由AI處理時，患者的描述顯著較不詳細，且較不適合緊急醫療評估。

數據量化後發現，發送給醫生的報告平均長度為 255.6 個字元，而傳送給AI聊天機器人的報告則僅有 228.7 個字元。研究人員強調，這種詳細程度的降低具有實際影響。症狀報告中遺漏的細微差別，可能大幅改變AI的風險分層和分流結果，潛在導致誤診或延誤必要的治療。

造成這種溝通落差的心理現象被稱為「獨特性忽略」（uniqueness neglect）。這是一種認知偏誤，患者懷疑AI系統無法理解他們個人健康狀況的獨特性和複雜性，認為演算法僅依賴通用診斷模板，對個體差異不敏感。此外，對隱私和敏感醫療數據安全的擔憂，也加劇了患者在自動化醫療介面中不願提供完整細節的傾向。

研究團隊指出，若沒有完整的數據，無論AI的計算能力多麼先進，都無法提供可靠的診斷建議。這項發現表明，提升醫療AI的實用性，不僅是演算法開發的挑戰，更是改善人機溝通的挑戰。未來的創新應優先培養協作環境，讓患者感到他們的數位交流者能夠理解並重視他們。透過解決這些相互關聯的因素，才能充分發揮AI轉變醫療診斷和患者預後的潛力。