The AI doctor will see you now: public perspectives on artificial intelligence in healthcare
Notice bibliographique
Résumé
Objectives: The use of artificial intelligence (AI) in healthcare is a growing field of research and clinical application. The views of the general public, that is, current and future healthcare users, need to be surveyed and interpreted so that researchers and the public have a shared understanding of the appropriate use of AI. Currently, there are only limited data on the public's views. The aim of this study is to understand the public's perspective on the use of AI in healthcare. Methods: An anonymous, quantitative questionnaire was administered as part of a public exhibition on AI. The questionnaire contained 8 questions based on previously validated subject areas designed to assess respondents' views on the use of AI in healthcare. Brief demographic data were also collected. Results: The population surveyed was more diverse and younger than the general UK population (64% White, 45% aged 18-29). Respondents were largely comfortable with the application of AI in healthcare: 80% felt positively about its use, 56% thought it would be safe. Seventy-one percent did not feel that it would replace doctors, and most would not be happy for AI to make decisions without considering their feelings. Conclusions: Our study shows that the subset of the general public we surveyed, largely comprised of young, likely future healthcare users, is comfortable with the use of AI in healthcare, but does not see it as a replacement for doctors. Advances in knowledge: This article highlights views from a subset of the general public on the use of AI in healthcare, which is largely under researched.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,023 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,009 |
| Communication savante | 0,009 | 0,008 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».