Аннотация
Введение. Внедрение технологий искусственного интеллекта (ИИ) в здравоохранение относится к приоритетным стратегическим направлениям развития отрасли. Актуальными являются задачи понимания социальных следствий технологических инноваций. В работе представлен анализ эмпирических данных об ожиданиях российского населения в связи с перспективами широкого использования технологий ИИ в здравоохранении.
Материалы и методы. Информационной базой работы являются данные репрезентативного исследования населения Москвы и Московской области в возрасте от 18 лет и старше, проведенного в 2024 г. Использовалась система показателей и эмпирических индикаторов, позволяющая охарактеризовать различные стороны отношения к использованию ИИ в здравоохранении в контексте социальных оценок и поведенческих ориентаций респондентов. Анализ данных проводился с использованием методов дискриптивной статистики и модели логистической регрессии.
Результаты. Выявлено, что положительные ожидания от использования ИИ в здравоохранении оказываются статистически более выраженными по сравнению с негативными ожиданиями, отражающими возможные риски использования ИИ. Среди положительных ожиданий чаще других респонденты отмечали повышение результативности лечения (61%); несколько в меньшей степени – снижение затрат на лечение, расширение возможностей лечения для пациентов, эффективное использование ресурсов медицинских учреждений (56–49%). Негативные оценки, отражающие риски, с которыми может быть сопряжено внедрение ИИ в здравоохранение, – снижение квалификации врачей за счет излишней опоры в работе на технологии; вопросы конфиденциальности; манипуляции данными и предвзятость рекомендаций; отсутствие понимания того, как технологии ИИ формируют рекомендации – получили 51–44% упоминаний. Различия в оценочной направленности ожиданий значимо связаны с возрастом и образованием, а также уровнем удовлетворенности медицинским обслуживанием. На основе использования логистической регрессии были определены переменные, влияющие на доверие медицинскому обслуживанию с широким использованием технологий ИИ.
Обсуждение. В массовом сознании существуют разнонаправленные ожидания в связи с внедрением ИИ в здравоохранение. Для успешной адаптации к инновациям целесообразно учитывать проблемные стороны ожиданий, выявленные в ходе исследования. Немаловажным является обеспечение человеческого измерения технологических и организационно-управленческих решений в сфере медицинского обслуживания
Библиографические ссылки
Asan, O., Bayrak, F.M., Choudhury, A. (2020). Artificial Intelligence and Human Trust in Healthcare: Focus on Clinicians. Journal of Medical Internet Research, 22(6), p. e15154. DOI 10.2196/15154. EDN KVOSDV.
Davis, F.D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quaterly, 13 (3), p. 319-340. DOI 10.2307/249008.
Venkatesh, V., Davis, F. D. (2000). A theoretical extension of the Technology Acceptance Model: Four longitudinal field studies. Management Science, 46 (2), pp. 186-204. DOI 10.1287/mnsc.46.2.186.11926. EDN FNVBJN.
Damerji, H., Salimi, D. (2021). Mediating effect of use perceptions on technology readiness and adoption of artificial intelligence in accounting. Accounting Education, 30 (2), pp. 107-130. DOI 10.1080/09639284.2021.1872035. EDN DWMKUI.
Miltgen, L., Popovic, C., Oliveira, T. (2013). Determinants of end-user acceptance of biometrics: Integrating the "Big 3" of technology acceptance with privacy context. Decision Support Systems, 56, pp. 103-114. DOI 10.1016/j.dss.2013.05.010.
Choung, H., David, P., Ross, A. (2022). Trust in AI and its role in the acceptance of AI technologies. International Journal of Human-Computer Interaction, 39 (9), pp. 1727–1739. DOI 10.1080/10447318.2022.2050543. EDN CUNYAG.
Zhang, M., Luo, М., Nie, R., Zhang, Y. (2017). Technical attributes, health attribute, consumer attributes and their roles in adoption intention of healthcare wearable technology. International Journal of Medical Informatics, 108, pp. 97-109. DOI 10.1016/j.ijmedinf.2017.09.016.
Gansser, O.A. Reich, C.S. (2021). A new acceptance model for artificial intelligence with extensions to UTAUT2: An empirical study in three segments of application. Technology in Society, 65, 101535. DOI 10.1016/j.techsoc.2021.101535. EDN PDWHAO.
Ghazizadeh, M., Lee, J.D., Boyle, L.N. (2012). Extending the technology acceptance model to assess automation. Cognition, Technology & Work, 14(1), pp. 39-49. DOI 10.1007/s10111-011-0194-3. EDN RSYPNQ.
Koenig, P.D. (2024) Attitudes toward artificial intelligence: combining three theoretical perspectives on technology acceptance. AI & Society. Journal of Knowledge, Culture and Communication, Published 08 June. DOI 10.1007/s00146-024-01987-z. EDN HSNOAJ.
Kitchin, R. (2017) Thinking critically about and researching algorithms. Information, Communication & Society, 20 (1), pp. 14-29. DOI 10.1080/1369118X.2016.1154087.
Araujo, T., Helberger, N., Kruikemeier, S., de Vreese, C. H. (2020). In AI we trust? Perceptions about automated decision-making by artificial intelligence. AI & Society, 35(3), pp. 611-623. DOI 10.1007/s00146-019-00931-w. EDN EEIWSR.
Алмазов А.А., Бирюкова А.И., Власов В.В., Потапчик Е.Г., Сажина С.В., Шейман И.М., Шишкин С.В. Российское здравоохранение: перспективы развития: Доклад НИУ ВШЭ. Москва: Нац. исслед. ун-т "Высшая школа экономики", 2024. 60 с. ISBN 978-5-7598-2986-7. EDN WBQEHW.
Васильев Ю.А., Тыров И.А., Владзимирский А.В., Арзамасов К.М., Пестренин Л.Д., Шулькин И.М. Новая модель организации массовых профилактических исследований, основанная на автономном искусственном интеллекте для сортировки результатов флюорографии // Здоровье населения и среда обитания. 2023. Т. 31. № 11. С. 23-32. DOI 10.35627/2219-5238/2023-31-11-23-32. EDN SYIQBX.
Купатенко Я.Г., Мирук А.К., Ломоносова А.В., Козлова А.А. Искусственный интеллект в медицине: обзор текущей ситуации и тенденции // Cifra. Медико-биологические науки. 2024. № 2 (2). С.1-13. DOI 10.60797/BMED.2024.2.4. EDN KICZWM.
Крылов А.П. Использование искусственного интеллекта для анализа биомаркеров: новые горизонты персонализированной медицины // Терапевт. 2024. №7. С. 18-24. DOI 10.33920/MED-12-2407-02. EDN EAHHTV.
Шамшурин В.И., Шамшурина Н.Г. Социология врачебной помощи в цифровую эпоху // Вестник Томского государственного университета. Философия. Социология. Политология. 2020. № 53. С. 178-187. Х/53/19. DOI 10.17223/1998863. EDN ITHRNM.
Кочетова Ю.Ю. Этические риски искусственного интеллекта и перспективы совместного принятия решений в медицине // Человек. 2024.Т. 35. № 3. С. 96-106. DOI 10.31857/S0236200724030065. EDN HIBCRF.
Углева А.В., Шилова В.А., Карпова Е.А. Индекс "этичности" систем искусственного интеллекта в медицине: от теории к практике // Этическая мысль. 2024. Т. 24. № 1. С. 144-159. DOI 10.21146/2074-4870-2024-24-1-144-159. EDN DUYXGQ.
Orlova et al. (2023) Opinion research among Russian Physicians on the application of technologies using artifcial intelligence in the feld of medicine and health care. BMC Health Services Research, 23, p. 749. DOI 10.1186/s12913-023-09493-6. EDN FKXJAM.
Wittal, C., Hammer, D., Klein,F., Rittchen, J. (2023). Perception and Knowledge of Artificial Intelligence in Healthcare, Therapy and Diagnostics: A Population-Representative Survey. Journal of Biotechnology and Biomedicine, 6, pp. 129-139. DOI 10.26502/jbb.2642-91280077. EDN NKGCCP
Mantello, P.A., Ghotbi, N., Ho, M.T., et al. (2024) Gauging public opinion of AI and emotionalized AI in healthcare: findings from a nationwide survey in Japan. AI & Soc. DOI 10.1007/s00146-024-02126-4. EDN UJQTZG.
Liehner, G.L., Biermann, H., Hick, A., Brauner, Ph., Zieflе, M. (2023). Perceptions, Attitudes and Trust Towards Artificial Intelligence - An Assessment of the Public Opinion. Artificial Intelligence and Social Computing, 72, pp. 32-41. DOI 10.54941/ahfe1003271.
Gillespie, N., Lockey, S., Curtis, C., Pool, J., & Akbari, A. (2023). Trust in Artificial Intelligence: A Global Study. The University of Queensland and KPMG Australia, 82 p. DOI 10.14264/00d3c94.
Социологический энциклопедический словарь. На русском, английском, немецком, французском и чешском языках. Редактор-координатор - академик РАН Г, В. Осипов. М. : Издательская группа ИНФРА М - НОРМА, 1998. 488 с. ISBN 5-89123-162-X. EDN TRWDJG.
Назаров М. М. Искусственный интеллект и алгоритмические решения в социальной сфере: представления молодёжи // Социологическая наука и социальная практика. 2023. Т. 11. № 3. С. 141-158. DOI 10.19181/snsp.2023.11.3.7. EDN PSIJNC.
Иванов В.Н., Насриддинов Т.Г., Мчедлова Е.М., Харченко В.С., Назаров М.М. Россияне о перспективах / Россия: центр и регионы. Сборник научных статей. Сборник научных статей. 2023. Выпуск 29. Архангельск, Северный (Арктический) федеральный университет имени М.В. Ломоносова. С. 4-117. ISBN 978-5-261-01661-8. EDN UXXLSP.
Asan, O., Bayrak, F.M., Choudhury, A. (2020). Artificial Intelligence and Human Trust in Healthcare: Focus on Clinicians. Journal of Medical Internet Research, 22(6), p. e15154. https://doi.org/10.2196/15154. https://elibrary.ru/kvosdv.
Davis, F.D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quaterly, 13(3), pp. 319-340. https://doi.org/10.2307/249008.
Venkatesh, V., Davis, F. D. (2000). A theoretical extension of the Technology Acceptance Model: Four longitudinal field studies. Management Science, 46(2), p. 186. https://doi.org/10.1287/mnsc.46.2.186.11926. https://elibrary.ru/fnvbjn.
Damerji, H., Salimi, D. (2021). Mediating effect of use perceptions on technology readiness and adoption of artificial intelligence in accounting. Accounting Education, 30 (2), pp. 107-130.
https://doi.org/10.1080/09639284.2021.1872035. https://elibrary.ru/dwmkui.
Miltgen, L., Popovic, C., Oliveira, T. (2013). Determinants of end-user acceptance of biometrics: Integrating the “Big 3” of technology acceptance with privacy context. Decision Support Systems, 56, pp. 103–114. https://doi.org/10.1016/j.dss.2013.05.010.
Choung, H., David, P., Ross, A. (2022). Trust in AI and its role in the acceptance of AI technologies. International Journal of Human–Computer Interaction, 39 (9), pp. 1727–1739. https://doi.org/10.1080/10447318.2022.2050543. https://elibrary.ru/cunyag.
Zhang, M., Luo, М., Nie, R., Zhang, Y. (2017). Technical attributes, health attribute, consumer attributes and their roles in adoption intention of healthcare wearable technology. International Journal of Medical Informatics, 108, pp. 97–109. https://doi.org/10.1016/j.ijmedinf.2017.09.016.
Gansser, O.A. Reich, C.S. (2021). A new acceptance model for artificial intelligence with extensions to UTAUT2: An empirical study in three segments of application. Technology in Society, 65, p. 101535.
https://doi.org/10.1016/j.techsoc.2021.101535. https://elibrary.ru/pdwhao.
Ghazizadeh, M., Lee, J.D., Boyle, L.N. (2012). Extending the technology acceptance model to assess automation. Cognition, Technology & Work, 14(1), pp. 39–49. https://doi.org/10.1007/s10111-011-0194-3. https://elibrary.ru/rsypnq.
Koenig, P.D. (2024) Attitudes toward artificial intelligence: combining three theoretical perspectives on technology acceptance. AI & Society. https://doi.org/10.1007/s00146-024-01987-z. https://elibrary.ru/hsnoaj.
Kitchin, R. (2017) Thinking critically about and researching algorithms. Information, Communication & Society, 20 (1), pp. 14-29. https://doi.org/10.1080/1369118X.2016.1154087.
Araujo, T., Helberger, N., Kruikemeier, S., & de Vreese, C. H. (2020). In AI we trust? Perceptions about automated decision-making by artificial intelligence. AI & Society, 35(3), pp. 611-623. https://doi.org/10.1007/s00146-019-00931-w. https://elibrary.ru/eeiwsr.
Almazov, A.A., Biryukova, A.I., Vlasov, V.V., Potapchik, E.G., Sazhina, S.V., Sheiman, I.M., Shishkin, S.V. (2024) Russian healthcare: Development Prospects: Report of the Higher School of Economics. Moscow, National Research University of Higher School of Economic. 60 p. ISBN 978-5-7598-2986-7. https://elibrary.ru/wbqehw.
Vasilev, Yu.A., Tyrov, I.A., Vladzymyrskyy, A.V., Arzamasov, K.M., Pestrenin, L.D., Shulkin, I.M. (2023) A new model of organizing mass screening based on stand-alone artificial intelligence used for fluorography image triage. Public Health and Life Environment – PH&LE, 31(11), pp. 23–32. https://doi.org/10.35627/2219-5238/2023-31-11-23-32. https://elibrary.ru/syiqbx.
Kupatenko, Y.G., Miruk, A.K., Lomonosova, A.V., Kozlova, A.A. (2024) Artificial intelligence in medicine: an overview of the current situation and tendencies. Cifra. Biomedical sciences, 2 (2), p. 4. https://doi.org/10.60797/BMED.2024.2.4. https://elibrary.ru/kiczwm.
Krylov, A.P. (2024) AI in biomarkers analysis: new horizons for personalized medicine. Terapevt, 7, pp. 18-24. https://doi.org/10.33920/MED-12-2407-02. https://elibrary.ru/eahhtv.
Shamshurin, V.I., Shamshurina, N.G. (2020). The sociology of medical care in the digital age. Vestnik Tomskogo gosudarstvennogo universiteta. Filosofiya. Sotsiologiya. Politologiya – Tomsk State University Journal of Philosophy, Sociology and Political Science, 53, pp. 178-187. https://doi.org/10.17223/1998863Х/53/19. https://elibrary.ru/ithrnm.
Kochetova, Yu.Y. (2024). Ethical risks of artificial intelligence and prospects for joint decision-making in medicine. The human being, 35 (3), pp. 96-106. https://doi.org/10.31857/S0236200724030065. https://elibrary.ru/hibcrf.
Ugleva, A.V., Shilova, V.A., Karpova, E.A. (2024). The index of "ethics" of artificial intelligence systems in medicine: from theory to practice. Ethical Thought, 24 (1), pp. 144-159. https://doi.org/10.21146/2074-4870-2024-24-1-144-159. https://elibrary.ru/duyxgq.
Orlova et al. (2023) Opinion research among Russian Physicians on the application of technologies using artifcial intelligence in the field of medicine and health care. BMC Health Services Research, 23, p. 749. https://doi.org/10.1186/s12913-023-09493-6. https://elibrary.ru/fkxjam.
Wittal, C., Hammer, D., Klein,F., Rittchen, J. (2023). Perception and Knowledge of Artificial Intelligence in Healthcare, Therapy and Diagnostics: A Population-Representative Survey. Journal of Biotechnology and Biomedicine, 6, pp. 129-139. https://doi.org/10.26502/jbb.2642-91280077. https://elibrary.ru/nkgccp.
Mantello, P.A., Ghotbi, N., Ho, M.T., et al. (2024) Gauging public opinion of AI and emotionalized AI in healthcare: findings from a nationwide survey in Japan. AI & Society. https://doi.org/10.1007/s00146-024-02126-4. https://elibrary.ru/ujqtzg.
Liehner, G.L., Biermann, H., Hick, A., Brauner, Ph., Zieflе, M. (2023). Perceptions, Attitudes and Trust Towards Artificial Intelligence - An Assessment of the Public Opinion. Artificial Intelligence and Social Computing, 72, pp. 32–41. https://doi.org/10.54941/ahfe1003271.
Gillespie, N., Lockey, S., Curtis, C., Pool, J., Akbari, A. (2023). Trust in Artificial Intelligence: A Global Study. The University of Queensland and KPMG Australia, 82 p. https://doi.org/10.14264/00d3c94.
The Sociological Encyclopedic Dictionary (1998). Available in Russian, English, German, French and Czech. The coordinating editor is Academician of the Russian Academy of Sciences G. V. Osipov. Moscow, INFRA M - NORMA Publishing Group, 488 p. ISBN 5-89123-162-Х. https://elibrary.ru/trwdjg.
Nazarov, M.M. (2023) Artificial Intelligence and algorithmic solutions in the social sphere: youth attitudes. Sociologicheskaja nauka i social’naja praktika, 11 (3), pp. 141-158. https://doi.org/10.19181/snsp.2023.11.3.7. https://elibrary.ru/psijnc.
Ivanov, V.N., Nasriddinov, T.G., Mchedlova, E.M., Kharchenko, V.S., Nazarov, M.M. (2023) Russians about prospects. Russia: Сenter and Regions. Collection of scientific articles. Arkhangelsk, Northern (Arctic) Federal University named after M.V. Lomonosov, 29, pp. 4-117. ISBN 978-5-261-01661-8. https://elibrary.ru/uxxlsp.
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция — Некоммерческое использование») 4.0 Всемирная.
Copyright (c) 2025 Вопросы управления