1751604487
2025-07-04 04:40:00
参加者の特性
合計147人の医療腫瘍医が調査を完了しました。これは、Türkiyeで練習している推定1340人の医療腫瘍医の約11％に対応しています [4]。参加者の年齢の中央値は39歳（IQR：35–46）、63.3％が男性でした。回答者は、医学的経験の14年（IQR：10–22）の中央値（IQR：10–22）で、特に腫瘍学では5年（IQR：2–14）の中央値でした。大学病院ではほぼ半分（47.6％）が練習し、その後、トレーニングおよび研究病院で31.3％、残りは民間または州の環境で行われました（表1）。学業ランクに関しては、住民/フェローは38.1％、専門家22.4％、21.1％、准教授16.3％、助教授2.0％を占めました。回答者は、イスタンブールやアンカラなどの主要都市を含むさまざまな都市の中心部に配布され、小規模な州は、Türkiyeの腫瘍学の労働力の広範な地域表現を反映しています。
表1参加者の人口統計、AIの使用、および教育状況
参加者のほとんどは、Türkiyeの中央アナトリア地域から調査を完了しました（34.0％、 n= 50）、マルマラ地域（27.2％、 n= 40）、イーゲアン地域（17.0％、 n= 25）および地中海地域（10.2％、 n= 15）。 Türkiyeの地域地図を持つ参加者の分配を図1に示します。
図1
Türkiyeの地域別の参加者の地理的分布
AIの使用と教育
過半数（77.5％、 n= 114）腫瘍医の少なくとも1つのAIツールの事前使用を報告しました。これらの中で、ChatGPTおよび他のGPTベースのモデルが最も頻繁に使用されていました（77.5％、 n= 114）、LLMインターフェイスがすでに臨床専門家のワークフローにある程度浸透していることを示しています。 Google Geminiなどの他のツール（17.0％、 n= 25）およびMicrosoft Bing（10.9％、 n= 16）より限られた利用率を示し、わずかな割合では、人類のクロード、メタラマ-3、または抱きしめる顔など、あまり一般的ではないプラットフォームを試しました。一般的なAIツールのこの比較的高い使用率にもかかわらず、正式なAI教育は希少でした：わずか9.5％（n= 14）回答者のうち、ある程度の正式なAIトレーニングを受けていましたが、これは主に基本レベルでした。ほぼすべて（94.6％、 n= 139）より多くの教育への欲求を表明し、AIの使用への進出は大部分が自主的であり、構造化された専門的に導かれた学習の必要性が認識されていたことを示唆しています。
AI知識のソースに関しては、38.8％（n= 57）継続教育のギャップを強調しているリソースを使用していないと報告しました。情報を求めた人の中で、最も一般的なチャネルは同僚でした（26.5％、 n= 39）およびアカデミック出版物（23.1％）、その後にオンラインコース/ウェブサイト（21.8％、 n= 32）、人気の科学出版物（19.7％、 n= 29）、および専門的な会議/ワークショップ（18.4％、 n= 27）。このパターンは、一部の臨床医がピアディスカッションや科学文献を通じてAIについて自分自身に知らせようとしているが、多くは正式な教育経路や包括的なトレーニングプログラムと関係がないことを示唆しています。
自己評価されたAI知識
参加者は一般に、重要なAIドメイン全体で知識が限られていると評価しました（図2A）。半数以上が、機械学習などの分野で「知識がない」または「ある程度の知識」を持っていると報告しました（86.4％、 n= 127、組み合わせて）および深い学習（89.1％、 n= 131、組み合わせて）。 LLM Sand Generative AIのような基本的な概念でさえ、回答者のかなりの部分に馴染みがありませんでした。たとえば、ほぼ半分（47.6％、 n= 70）LLMSの知識はなく、3分の2（66.0％、 n= 97）生成AIの知識はありませんでした。自然言語処理と高度な統計分析でも同様の傾向が観察され、表面的な使用法を超えたAIの技術的基盤に対する自信と精通の広範な不足を反映しています。
図2
腫瘍医のAIの親しみやすさ、態度、および知覚される影響の概要。 （a）参加者の自己評価されたAI知識の分布（b）さまざまな医療実践分野のAIに対する態度、および（c）AIの医療慣行へのより広い影響に関する洞察
腫瘍学におけるAI統合に対する態度
視点の広がり、図2Cは、参加者がAIの患者と医師の関係、社会的認識、健康政策などの側面に対する影響をどのように見たかを示しています。 AIは全体的な医療慣行を改善し、ワークロードを潜在的に減らすことができると信じていましたが、多くの人が患者との個人的な相互作用の質に影響を与えるか、不確実な方法で公共の信頼を形成するのではないかと心配していました。ヘルスケアへのアクセスのための潜在的な利益の約半分が認識されていましたが、一部の人は中立または懐疑的なままであり、おそらくテクノロジーがすべての患者集団に等しく利益をもたらさないか、既存の格差を誤って悪化させる可能性があることを懸念しています。
倫理的および規制上の懸念
表2医療行為におけるAIの使用に関する倫理的懸念表3 AIの倫理的発展と規制に関する見解図3
さらに、参加者の82％近くが医療行為でAIを使用してサポートしていましたが、79.6％（n= 117）現在の法的規制は満足のいくものではありませんでした。より厳しい法的枠組みと倫理監査を提唱した3分の2以上。患者の同意は61.9％で強調されました（n= 91）重要なステップとして、臨床医は患者の権利を保護し、信頼を維持する透明なプロセスを望んでいることを暗示しています。 AI駆動型のエラーが発生した場合の責任も依然として論争でした：68.0％（n= 100）保有ソフトウェア開発者は部分的に責任を負い、61.2％（n= 90）また、医師に関係する。これは、ヘルスケアおよびテクノロジーセクター全体の複数の利害関係者が関与する共有の説明責任モデルが必要になる可能性があることを示唆しています。
AIの知識、態度、および懸念に関連する要因の順序回帰分析
知識レベルの場合、順序回帰モデルは、正式なAI教育を唯一の重要な予測因子として特定しました（β= 30.534、SE = 0.6404、 pp = 0.159）、医師としての年（ß= 0.0936、 p= 0.425）、腫瘍学の年（ß= 0.0270、 p= 0.719）、および学問的ランクは、順序モデルの知識レベルと有意な関連性を示さなかった。
懸念レベルの順序回帰では、人口統計学的要因、専門的経験、学業ステータス、AI教育、および現在の知識レベルの間に重要な予測因子は明らかになりませんでした（p> 0.05）は、倫理的および実際的な懸念の順序進行に関連していました。
AI統合に対する態度のために、順序回帰は2つの重要な予測因子を特定しました。 AIの教育を受けようとする人々は、より前向きな態度への進歩を示しました（ß= 13.143、SE = 0.6688、 p= 0.049）、およびAI教育の実際の受領も、より肯定的な態度への進行を予測しました（β= 12.928、SE = 0.6565、 p= 0.049）。さらに、より高い知識レベルは、順序モデルのより肯定的な態度への傾向を示しましたが、有意ではありません（ß= 0.3899、SE = 0.2009、 p= 0.052）。
表4は、トルコの医療腫瘍医におけるAIの知識レベル、懸念、態度の予測因子を調べる順序回帰分析を示しています。
表4知識レベル、態度、懸念に影響する要因を評価するための順序回帰結果
定性的洞察
定性的に分析されたオープンエンドの応答は、定量的発見を強化するいくつかの繰り返しのテーマを明らかにしました。参加者は、人間の監視の重要性を頻繁に強調し、AIが臨床の専門知識、判断、共感を置き換えるのではなく、補完する必要があることを強調しました。データのセキュリティとプライバシーは中心的な懸念として浮上し、一部の回答者は、保護不足が不十分な患者の機密性の違反につながる可能性があると心配しています。他の人々は、AIツールが多様な患者集団における文化的および社会的感受性を維持することを保証するという課題を強調しました。臨床医がAIを効果的かつ倫理的に使用できるようにするためには、教育と継続的な専門能力開発が不可欠であるという提案と同様に、AIの漸進的で十分に規制された実装の呼びかけが一般的でした。
本質的に、AIが腫瘍学の実践を強化することを約束しているという幅広い認識がありますが、回答者は明確な倫理基準、強固な規制の枠組み、包括的なトレーニング、思慮深い統合戦略の必要性も認識しています。腫瘍学ケア。
#人工知能の統合に関するトルコの医療腫瘍医の視点知識態度倫理的考慮事項 #BMC #Medical #Ethics