Artificial Intelligence in Urology—A Survey of Urology Healthcare Providers
Notice bibliographique
Résumé
Background/Objectives: Artificial intelligence (AI) has been utilised in urological conditions such as urolithiasis, urogynaecology and uro-oncology. The aim of this study is to examine the attitudes and beliefs about AI technology amongst urology healthcare providers. Methods: A structured online questionnaire, created from a modified Delphi method with a panel of urologists and urology surgical trainees, was delivered through the Urological Asia Association’s annual congress. The questionnaire, with 25 items of mixed type responses (five-point Likert scale, nominal-polytomous and open-ended), acquired data regarding demographics, perception and attitudes towards general usage of AI in urological care. Results: A total of 464 respondents from 47 different countries were collected. The results showed that 83.4% of participants believed AI will improve efficiency and 18.8% believed they are knowledgeable in AI technology, with ordinal logistic regression showing both urology specialists and trainees are more likely to agree to these responses. Overall, 51.5% believed AI adoption will not replace clinical practice, and regression analysis found those with previous AI training are more likely to agree to this response. We found AI is commonly used in research, patient education and administrative tasks and identified key enablers as regulatory approval, AI clinical effectiveness and access to AI training. Conclusions: Overall attitudes and beliefs towards the use of AI in urology is positive and encouraging. AI training and education and regulatory reform needs to be addressed to allow integration of AI into clinical practice. A limitation of the study lies in its generalisability to global settings due to the demographics of the respondents.
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 | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».