亮点
- 近一半的澳大利亚皮肤科医生尝试过使用AI，但常规临床使用率仍较低（12%）。
- 信任问题，尤其是关于皮肤癌诊断的准确性，是AI采用的主要障碍。
- 临床医生希望了解AI数据集、局限性和益处，以建立信任。
- 尽管很少有人担心AI会取代皮肤科医生，但许多人预计AI将执行关键的皮肤科任务。
研究背景与疾病负担
人工智能（AI）正在越来越多地改变医疗保健，有望提高诊断效率和患者可及性。皮肤科是一个特别适合AI应用的专业领域，尤其是在皮肤癌诊断方面——这是一个主要的公共卫生问题，经常需要及时的专家评估病变。然而，AI技术的成功采用取决于临床医生的接受和信任。鉴于皮肤科医生在将AI整合到日常临床工作流程中的关键作用，了解他们的态度至关重要。
在澳大利亚，皮肤癌发病率居世界前列，推进有助于早期和准确诊断的工具至关重要。然而，潜在的风险如AI不准确、数据隐私问题和伦理影响仍然显著。本研究旨在探讨澳大利亚皮肤科医生如何看待AI在其实践中的作用——包括感知的益处、障碍和未来期望——提供见解以指导有效实施。
研究设计
本研究利用了一项针对澳大利亚皮肤科医生学院（ACD）的院士和培训生的匿名横断面在线调查。邀请函广泛分发，最终收集到122份完整回应，回应率为16.2%。调查包含定量和定性项目，评估AI使用模式、信任水平、感知准确性、益处和风险以及对未来皮肤科劳动力的影响。
研究终点集中在使用AI进行临床或行政工作的皮肤科医生比例、对AI用于皮肤癌诊断的信任、所需准确度标准以及对未来将AI整合到皮肤科实践中的看法。
主要发现
使用模式：在受访者中，44%报告曾在其皮肤科实践中使用过AI工具；然而，常规临床使用仅限于12%，行政支持则为17%。这反映了谨慎采用而非广泛整合。
信任和准确性问题：信任被确认为AI使用最大的障碍，69%的人不愿意或不确定依赖AI来支持皮肤癌诊断。超过一半（52%）的人表示，AI应至少与最好的皮肤科医生一样准确才能在临床上被接受。
参与者强调需要透明的数据，说明AI算法的训练数据集、明确的AI局限性以及工具预期功能的明确沟通，以建立信任。
感知的益处：皮肤科医生认识到AI可以减轻单调重复的任务，可能简化工作流程并减少医生的职业倦怠。改善患者可及性，特别是在服务不足或偏远地区，被视为关键优势。
感知的风险：准确性问题是风险感知的主导因素，突显了对误诊或漏诊的担忧，如果过度依赖AI。此外，技术公司对AI技术的投资或过度控制引发了对商业利益超越临床优先事项的担忧。
未来展望：尽管只有10%的人担心完全被AI取代，但近一半（47%）的人预计皮肤科工作的一些关键方面可能会委托给AI系统。这表明将AI视为辅助而非替代。
专家评论
调查显示，皮肤科正处于数字化演变的关键时刻。在没有强有力的准确性和透明验证证据的情况下，不愿全面接受诊断AI工具，突显了该行业对患者安全的承诺。国际上也记录了类似的趋势，临床医生的怀疑集中在“黑箱”算法和训练数据集中潜在的偏见（Esteva等，2017；Tschandl等，2020）。
对AI性能至少与最佳临床医生相当的偏好符合指南强调AI应增强而非替代人类判断的观点（美国皮肤科学会，2022）。
这些发现表明，像ACD这样的专业组织可以通过提供教育资源、制定验证标准和促进临床医生在AI开发中的反馈，在引导临床医生通过不断发展的AI领域中发挥关键作用。与技术开发者合作对于使AI工具与临床工作流程和伦理标准保持一致至关重要。
结论
澳大利亚皮肤科医生处于将AI整合到临床实践的前沿，但总体上仍保持谨慎，尤其是在皮肤癌诊断的准确性方面。必须解决信任障碍和对数据透明度的担忧，以促进更广泛的采用。AI工具在严格验证并在临床医生监督下部署的前提下，提高工作效率和增强患者可及性的潜在益处令人鼓舞。
专业皮肤科学会有机会和责任通过促进知情讨论、循证采纳实践和保护以患者为中心的护理，引导临床医生应对不断变化的AI领域。进一步的研究应探索接受度的纵向变化、现实世界的AI有效性以及优化皮肤科中人机协作的策略。
参考文献
- Partridge B, Janda M, Gillespie N, Silva CV, Arnold C, Abbott L, Caccetta T, Soyer HP. 对人工智能在皮肤科中的使用态度：澳大利亚皮肤科医生的调查。Australas J Dermatol. 2025 Aug;66(5):e279-e286. doi: 10.1111/ajd.14524.
- Esteva A, Kuprel B, Novoa RA, Ko J, Swetter SM, Blau HM, Thrun S. 皮肤癌的深度神经网络分类达到皮肤科医生水平。Nature. 2017 Feb 2;542(7639):115-118.
- Tschandl P, Codella N, Akay BN, Argenziano G, Braun RP, Cabo H, et al. 人类阅读者与机器学习算法在色素性皮肤病变分类准确性比较：一项开放的、基于网络的、国际诊断研究。Lancet Oncol. 2020 Jul;21(7):938-947.
- American Academy of Dermatology. 美国皮肤科学会对皮肤科人工智能的立场声明。2022.