Patients’ Attitudes and Beliefs Toward Artificial Intelligence Use in Cancer Care: Cross-Sectional Survey Study
Notice bibliographique
Résumé
Background: Artificial intelligence (AI) is being rapidly integrated into oncologic care, yet little is known about how patients perceive these applications. Understanding patient perceptions is critical to ensuring AI applications align with their needs and preferences. Objective: This study aimed to evaluate oncology patients' attitudes and beliefs on the use of AI across clinical touchpoints in cancer care. Methods: We conducted a cross-sectional survey study with adult oncology patients from September to December 2024. The survey assessed patients' comfort with AI use across 8 clinical touchpoints of cancer care (eg, screening, diagnosis, treatment) on a 5-point Likert scale (1=very uncomfortable to 5=very comfortable). Patients also rated their concerns about AI, including potential harms related to its use (eg, medical errors, privacy breaches), on a 3-point Likert scale (1=not concerned to 3=very concerned). Results: Of 383 patients approached, 330 (86.2% response rate) participated; 184 (55.9%) were male, 162 (49.4%) were aged 65 years or older, 35 (10.8%) were Black, 40 (12.1%) were Hispanic or Latino, and 233 (72.6%) were actively receiving cancer treatment. Patients were most comfortable with AI use in cancer screening (80.2%) and supportive care applications, including exercise (78.2%), diet (74.8%), and herbs/supplements (72.4%). Patients were least comfortable with AI use to assist with diagnosis (70.4%), symptom management (67.5%), treatment planning (64.8%), and prognosis (61.5%). Nonetheless, about half (49.7%) were at least somewhat concerned with the use of AI in cancer care, most commonly about the loss of human interaction and medical errors. Conclusions: Although the majority of oncology patients had a favorable view of AI in cancer care, nearly half had concerns about potential harms. Incorporating patient perspectives into AI development is essential for patient-centered and high-quality cancer care.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».