土耳其医学肿瘤学家对整合人工智能的观点：知识，态度和道德考虑因素

将人工智能（AI）（尤其是大型语言模型（LLM））纳入肿瘤学具有潜在的好处，但是医学肿瘤学家的知识，态度和道德问题仍然不清楚。

了解这些观点在Tã¼rkiye中尤其重要，该tthrkiye拥有大约1340个执业肿瘤学家。

方法

一项横断面的在线调查是通过土耳其医学肿瘤学渠道的分发，从2024年10月16日至11月27日。有关人口统计学，AI使用，自我评估的知识，态度，道德/法规看法和教育需求的数据。使用描述性统计进行了定量分析，并使用R v.4.3.1生成图形，并对开放式响应进行定性分析。

结果

在147名受访者（约占土耳其肿瘤学家的11％）中，有77.5％的人报告了先前使用的AI使用，主要是LLM，但只有9.5％的人接受过正规的AI教育。尽管大多数人支持将AI纳入预后估计，研究和决策支持，但仍关注患者 - 物理学的关系和社会感知。道德保留以患者管理，学术写作和研究设计为中心。超过79％的人认为当前法规不足和倡导道德审计，法律框架和患者同意。几乎所有人都愿意接受AI培训，这反映了巨大的教育差距。

结论

土耳其医学肿瘤学家对人工智能表现出谨慎的乐观主义，但突出了培训，明确的法规和道德保障措施中的关键差距。满足这些需求可以指导负责任的AI集成。局限性包括单个国家的观点。有必要进行进一步的研究以概括发现并随着AI的进步评估不断发展的态度。

试用注册

由于横截面调查设计不适用于不适用于。

人工智能（AI）正在迅速重塑医疗保健的各个方面，包括肿瘤学。通过利用机器学习，深度学习和大型语言模型（LLM），AI驱动的工具具有提高诊断准确性，优化治疗计划，完善预后估算和加速研究的承诺[1，，，，2]。但是，将AI的有效整合到常规肿瘤学实践中，不仅需要强大的技术，而且还需要具有必要的知识，信心和道德意识的临床医生，以浏览这一不断发展的景观[3]。

医学肿瘤学家接受并适当使用AI在几个因素上使用。这些包括足够的教育，对AI输出的信任，对算法限制的理解，数据隐私保护以及明确定义的问责结构。尽管全球对AI的兴趣正在迅速发展，但对肿瘤学家的基线熟悉，态度和关注点知之甚少，尤其是在不断发展的医疗保健景观的国家。Turkiye拥有大约1340个执业医学肿瘤学家，为探索这些问题提供了相关的背景。从他们的角度收集的见解可以为有针对性的教育计划，政策框架和最佳实践提供信息，以确保AI增强而不是破坏以患者为中心的肿瘤学护理。

这项研究旨在评估土耳其医学肿瘤学家对AI的经历和看法。具体来说，我们试图：（1）量化其对AI工具的接触和熟悉，尤其是LLM；（2）评估他们对AI在临床实践，研究和患者相互作用中的作用的态度；（3）确定他们的道德和法律问题；（4）确定他们的教育和监管需求。通过澄清这些维度，我们可以培养一种更有明智的，负责任的方法来实施AI肿瘤学，最终为更安全，更有效的患者护理做出了贡献。

研究设计和参与者

采用了横断面调查设计。目标人群包括土耳其医学肿瘤学会成员的医学肿瘤学家。符合条件的参与者是Tã¼Rkiye的医学肿瘤专业人士，包括完成强制性内科培训的居民和研究员以及医学肿瘤学专家。全国大约有1340名医学肿瘤学家，147名参与者的样本约占该人群的11％[4]。调查工具

经过定性访谈的初步研究，我们通过与道德董事会成员和AI专家的专家咨询一起开发了一个问卷，以及带有搜索词（人工智能或“ AI”）和（“伦理学或关注”）的肤浅文学审查，包括：（1）人口统计和专业背景；

（2）AI使用模式和正规AI教育；（3）在机器学习，深度学习和自然语言处理等领域中自我评估的AI知识；（4）对AI诊断，治疗计划，预后估计，研究，患者随访和临床决策支持的态度；（5）对AI对患者关系的影响，医疗保健访问，政策发展，工作量和工作满意度的看法；（6）道德和监管方面的考虑，包括有关活动，当前的法律充分性和建议改革的道德上的考虑。定性试点研究发现，对AI领域内LLM的兴趣很高，因此一些调查问题是关于LLM的。调查工具的英语翻译可在补充附录中获得。

数据收集

该调查是通过Microsoft Forms（Microsoft Corp.，Redmond，WA）在线平台进行的，从2024年10月16日至11月27日。参与是自愿的，匿名的，并根据电子知情同意而发起。

统计和定性分析

描述性统计（频率，百分比，中位数，四分位间范围（IQR））总结了定量数据。序数回归用于评估与知识水平，关注点和态度相关的因素。事后计算表明96％的功率，误差幅度为10％。手动分析了来自开放式响应的定性数据，确定了与道德问题，数据安全，临床整合和教育差距有关的反复出现的主题。使用R 4.4版（R统计计算基金会，维也纳，奥地利）生成了所有统计分析，并生成数字和图形。

道德考虑

该研究得到了机构伦理委员会（AUTF-KAEK 2024/635）的批准，并根据赫尔辛基宣言进行。没有亲自识别信息。

参与者特征

总共147名医学肿瘤学家完成了调查，相当于估计的1340名医学肿瘤学家在Tã¼rkiye执业[4]。参与者的中位年龄为39岁（IQR：35 -46），男性为63.3％。受访者的医学经验中位数为14年（IQR：10 22），中位数为5年（IQR：2â14），尤其是肿瘤学。在大学医院，将近一半（47.6％）在培训和研究医院进行31.3％，其余的私人或州环境（Table” 1）。就学术级别而言，居民/研究员占38.1％，专家22.4％，教授21.1％，副教授16.3％，助理教授2.0％。受访者分布在各个城市中心，包括伊斯坦布尔和安卡拉等主要城市，以及较小的省份，反映了Tã¼rkiye肿瘤学劳动力的广泛区域代表。

大多数参与者完成了来自Tã¼rkiye中部中部地区的调查（34.0％，n= 50），其次是Marmara地区（27.2％，n= 40），Eagean地区（17.0％，n= 25）和地中海地区（10.2％，n= 15）。图中列出了参与者的区域图。 1。图1参与者的地理分布tttté¼rkiyeAI使用和教育多数（77.5％，

肿瘤学家的114）报告了至少使用一种AI工具。

其中，CHATGPT和其他基于GPT的模型是最常用的模型（77.5％，，n

= 114），表明LLM界面在某种程度上已经穿透了临床专业人员的工作流程。其他工具，例如Google Gemini（17.0％，n= 25）和Microsoft Bing（10.9％，，n= 16）显示出更有限的利用率，只有一小部分尝试了较少常见的平台，例如拟人化的claude，meta llama-3或拥抱的脸。尽管通用AI工具的使用率相对较高，但正规的AI教育却很少：只有9.5％（n= 14）受访者接受了一定程度的正规AI培训，这主要是基本级别。几乎全部（94.6％，n139）表示对更多的教育表示渴望，这表明他们对AI使用的企业在很大程度上是自我指导的，并且人们需要对结构化的，专业的指导学习。关于AI知识的来源，38.8％（n57）报告没有使用任何资源，强调了继续教育的差距。在寻求信息的人中，最常见的渠道是同事（26.5％，n= 39）和学术出版物（23.1％），其次是在线课程/网站（21.8％，n= 32），流行科学出版物（19.7％，n

= 29），专业会议/讲习班（18.4％，n= 27）。这种模式表明，虽然一些临床医生试图通过同行讨论或科学文献向自己传达AI，但许多临床医生仍与正式的教育途径或全面的培训计划无关。自我评估的AI知识参与者通常将自己评为在关键AI领域的知识有限（图 2一个）。一半以上报告说，在机器学习等领域没有知识或仅具有一些知识（86.4％，，n= 127，合并）和深度学习（89.1％，，n= 131，合并）。即使是LLM Sand Generative AI等基本概念也不熟悉大部分受访者。例如，将近一半（47.6％，n

= 70）对LLM不了解，三分之二（66.0％，n

= 97）不知道生成的AI。在自然语言处理和高级统计分析中观察到了类似的趋势，这反映了广泛缺乏信心和对AI的技术基础的熟悉程度，而不是表面使用。图2肿瘤学家熟悉，态度和感知影响的概述。（（一个）参与者自我评估的AI知识的分布（（b）在各个医学实践领域对AI的态度，并且c）洞悉对医学实践的广泛影响

当被要求评估AI在各种临床任务中的作用时（图 2b）受访者通常表现出谨慎的乐观情绪。预后估计是AI获得最强烈认可的领域之一，明显的多数将其评为“正或非常积极”。在医学研究中出现了类似的模式，在医学研究中，近四分之三的受访者认识到AI在学术领域的潜力。相比之下，关于治疗计划和患者随访的意见更加混杂，相当一部分采取了中性立场。诊断和临床决策支持仍然主要获得积极的观点，尽管一些参与者表示保留，可能反映出对可靠性，验证以及AI驱动建议的可解释性的担忧。扩大观点，图。 

2

C说明了参与者如何看待AI对患者 - 医学关系，社会感知和健康政策等方面的影响。尽管大多数人认为AI可以改善整体医疗实践并有可能减少工作量，但许多人担心它可能会影响与患者互动的质量或以不确定的方式塑造公众信任。大约一半的医疗保健获取潜在利益，但有些仍然是中性或怀疑的，也许担心技术可能不会同样受益于所有患者人群，或者可能会无意中加剧现有差异。

道德和监管问题表2和

3

，以及图。 3a c，总结了参与者的道德和法律考虑。患者管理（57.8％，n= 85），文章或演讲写作（51.0％，，n= 75）和研究设计（25.2％，，n= 37）成为关键活动，在这种关键活动中，AI的整合在道德上被认为是值得怀疑的。受访者担心，依靠AI进行敏感的临床决策或学术任务会损害患者的安全，真实性或科学完整性。一部分受访者报告说在某些领域使用AI，包括13.6％（n= 20）文章和演讲写作，11.6％（n尽管在前一个问题中承认潜在的道德问题，但对于患者管理而言。但是，只有大约一半的受访者使用AI进行患者管理，这将其确定为道德问题。这种差异表明，尽管肿瘤学家引起了人们的担忧，便利或缺乏指导仍可能会驱使他们尝试AI应用程序。表2关于医学实践中AI使用的道德问题表3关于AI道德发展和法规的观点

一个）主要道德问题的频率分布（（b）在技术，教育，临床和法规类别中，实施挑战的热图以及（c）提议的集成解决方案的优先矩阵，包括培训和监管框架。实施时间和时间线是从开放式问题中提取的。时间表：实施所需的估计时间；实施时间：实施的紧迫性。时间和实施时间完全相关（R.²= 1.0）

此外，将近82％的参与者在医学实践中使用AI支持，但有79.6％（n= 117）没有发现当前的法律法规令人满意。超过三分之二的人主张更严格的法律框架和道德审计。患者同意被61.9％强调（n= 91）作为关键步骤，这意味着临床医生需要透明的过程来保护患者权利并保持信任。如果发生AI驱动错误，责任也仍然有争议：68.0％（n= 100）负责的软件开发人员和61.2％（n= 90）也暗示医生。这表明可能需要共享的问责制模型，涉及整个医疗保健和技术领域的多个利益相关者。为了解决这些差距，受访者提出了各种解决方案。

建立国家和国际标准（82.3％，n= 121）并制定了新法律（59.2％，n= 87）被视为关键。超过一半的人赞成为AI监督创建专门的机构（53.7％，n= 79）并整合了与AI使用相关的知情同意子句（53.1％，n= 78）变成患者形式。这些集体观点表明，肿瘤学家对一个结构化的，合法的环境有着强烈的渴望，在该环境中，AI工具被负责任地开发，测试和实施。与AI知识，态度和关注有关的因素的序数回归分析对于知识水平，序数回归模型将正式的AI教育确定为唯一的重要预测指标（â= 30.534，SE = 0.6404，p

<<0.001）。

相反，其他预测因素，例如年龄（â= 0.1835，p= 0.159），多年来担任医师（â= 0.0936，p= 0.425），肿瘤学的年（â= 0.0270，p= 0.719），学术排名与序数模型中的知识水平没有显着关联。关注水平的序数回归显示，人口统计学因素，专业经验，学术状况，AI教育或当前知识水平之间没有明显的预测因素（p> 0.05）与道德和实际关注的序数进展有关。对于对AI整合的态度，序数回归确定了两个重要的预测指标。那些愿意接受AI教育的人表现出对更积极态度的进步（â= 13.143，se = 0.6688，p= 0.049），实际收到AI教育也预测了向更积极的态度的发展（â=â= 12.928，se = 0.6565，0.6565，

p= 0.049）。此外，较高的知识水平在序数模型中显示出更为积极态度的趋势，尽管不显着（â= 0.3899，se = 0.2009，0.2009，p

= 0.052）。桌子4介绍了土耳其医学肿瘤学家中AI知识水平，关注和态度的预测指标的序数回归分析。表4列式回归结果，用于评估影响知识水平，态度和关注的因素定性见解定性分析的开放式响应揭示了几个反复出现的主题，增强了定量发现。

参与者经常强调人类监督的重要性，强调AI应该补充而不是取代临床专业知识，判断力和同理心。数据安全和隐私作为中心问题出现，一些受访者担心保障措施不足可能导致违反患者机密性。其他人则强调了确保AI工具保持不同患者人群的文化和社会敏感性的挑战。

从本质上讲，尽管AI有望增强肿瘤学实践的承诺，但受访者也认识到需要明确的道德标准，扎实的监管框架，全面的培训和周到的整合策略。

肿瘤学护理。

讨论

尽管参与者承认AI具有增强决策，研究和治疗优化的潜力，但他们强调了教育，道德和监管的实质性未满足需求。

使用AI工具的肿瘤学家尤其是LLMS的肿瘤学家比例很高，这表明了人们日益增长的兴趣。然而，几乎没有正规培训和对教育的广泛渴望表明，专业社会，大学和监管机构必须制定量身定制的计划。这种培训可以集中于对AI输出，数据治理，算法偏见和验证过程的批判性解释，以确保临床医生对这些工具保持知情，自信的用户。

许多参与者对AI对预后估计和研究的影响表达了积极的态度，这可能归因于假设产生，文献综合和数据分析。这与全球趋势保持一致，在该趋势中，AI擅长处理大量数据集，以识别模式和指导循证实践[5，，，，6]。对患者关系关系的担忧突出了保留人文主义方法的必要性。另外，工作满意度的潜在下降可能归因于特定的文化因素，这些因素需要进一步研究。AI应该用作支持工具，而不是代替对优质肿瘤学至关重要的同理心，沟通和临床判断。

道德和监管挑战显着。受访者从道德上确定涉及患者管理和学术工作的活动，表明滥用或误解了人工智能输出可能会损害患者的安全和科学完整性。主要关注点与最近的文献一致，但是GPT等主要的大语言模型包括道德推理和有关临床实践中AI使用风险的信息，以确保分享风险[7，，，，8，，，，9，，，，10，，，，11]。同样，人工智能伦理学的大多数文献都强调出版伦理，这是AI实践中最新发展和增加用法的结果[12，，，，13]。大多数参与者认为当前的法律框架不足，制定强大的标准，明确的准则和监督机构至关重要。Turkiye的经验虽然特定于一个国家，但可能反映出更广泛的全球需求。国际合作和统一的法规可以减轻不确定性，澄清责任，并确保AI的进步与道德原则和患者福利保持一致，因为最近的文献还提出了法律原则相同的方面[14，，，，15，，，，16，，，，17]。

序数回归发现表明，既想要AI教育，又有强烈的接受预测对肿瘤学中AI的积极态度。最引人注目的是，正规的AI教育大大提高了知识水平，这表明即使是简短的培训也可以将肿瘤学家从新手转变为知识渊博的用户。尽管教育成功地改善了知识和态度，但它并不能减少对AI实施的担忧，而无无论经验或培训，这些肿瘤学家群体在所有肿瘤学家群体中始终保持一致。这表明通过教育建立AI的能力对于接受至关重要，但是解决道德和实际问题将需要除个别培训计划以外的其他策略。

在开放式问题中，参与者主要提到数据安全性和AI对专业实践的潜在影响，例如失业和声誉危害，这可能是由于对未知数的恐惧和焦虑所致，而Tã¼rkiye的一些研究与我们的结果一致[18，，，，19，，，，20]。几位受访者对潜在的道德问题表示担忧，尤其是数据的非法交易以及缺乏保密性作为主要问题。一些参与者报告说利用非生成AI技术，例如放射线系统，而大多数人则没有。该结果可能归因于实际应用中大语言模型（LLM）的普遍流行。开放式的问题表明，参与者在不久的将来主要寻求对AI的正规教育，同时建议推迟临床应用。定性分析表明，大多数参与者对AI对肿瘤学的影响的看法和未来期望。此外，大多数参与者在肿瘤学实践中表现出对非生成AI系统的认识，尽管有些人表达了对广泛可用的AI-Aigment风险模型的渴望。

在肿瘤学研究中，尽管许多研究集中于大语言模型（LLM），但其他研究则利用大数据分析，成像方式和基因组探索等方法。机器学习技术，风险建模，推理，放射基因组学的进步，广泛的数据集的可用性，ai augned数据提取以及各种生物信息学方法的方法表明肿瘤学实践取得了显着进步。这些创新有可能大大增强癌症护理。然而，必须解决道德考虑。随着该领域的发展，可能会出现其他问题。

这项研究的局限性包括其单个国家的重点以及依赖自我报告的数据。尽管Turkiye -1340肿瘤学家提供了有意义的背景，但发现可能无法推广到其他具有不同医疗保健系统或监管环境的国家。该调查将使用的目的不包括在特殊的AI工具中，从而使结果不适用于所有组。但是，这些见解可以在全球范围内告知利益相关者有关AI肿瘤学上的共同关注和愿望。此外，尽管我们的调查工具是通过专家咨询和初步定性访谈开发的，但我们没有在数据收集之前进行正式的心理测量验证，这可能会限制我们的调查工具的可靠性。

未来的研究应探讨定性访谈，焦点小组和纵向评估，以捕捉不断发展的态度以及教育干预措施或政策变化的影响。多个国家和地区的比较研究还将有助于阐明影响肿瘤学采用AI的文化和系统因素。

人工智能：

人工智能

GPT：

概括的变压器

IQR：

四分位数范围

LLM：

大型语言模型

作者和隶属关系

1. Faculty of Medicine, Department of Medical Oncology, Ankara University, Balkiraz Mh.Tip Fakultesi Cad.No 1 Mamak, Ankara, Türkiye

   Efe Cem Erdat & Filiz Çay Şenler

贡献

ECE: Survey design, data collection, formal analysis, conceptualization, writing FÇŞ: Survey design, formal analysis, conceptualization, editing.

相应的作者

对应Efe Cem Erdat。

道德批准并同意参加

The institutional ethics committee approved the study protocol (Ankara University Faculty of Medicine, Ethics Board of Human Research, approval number: AUTF-KAEK 2024/635, approval date: 10.10.2024).Prior to completing the survey, all participants provided informed consent to participate in the study.The research was conducted in compliance with the Declaration of Helsinki.

Consent to publication

不适用。

竞争利益

作者没有宣称没有竞争利益。

Publisher’s Note

关于已发表的地图和机构隶属关系中的管辖权主张，Springer自然仍然是中立的。

开放访问This article is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License, which permits any non-commercial use, sharing, distribution and reproduction in any medium or format, as long as you give appropriate credit to the original author(s) and the source, provide a link to the Creative Commons licence, and indicate if you modified the licensed material.You do not have permission under this licence to share adapted material derived from this article or parts of it.The images or other third party material in this article are included in the article’s Creative Commons licence, unless indicated otherwise in a credit line to the material.If material is not included in the article’s Creative Commons licence and your intended use is not permitted by statutory regulation or exceeds the permitted use, you will need to obtain permission directly from the copyright holder.要查看此许可证的副本，请访问http://creativecommons.org/licenses/by-nc-nd/4.0/。重印和权限

关于这篇文章