Dans une étude récente publiée dans le Npj Médecine Numériqueles chercheurs ont étudié les facteurs qui entravent ou favorisent l’acceptation de l’intelligence artificielle (IA) par les professionnels de la santé dans les hôpitaux.
Sommaire
Arrière-plan
L’IA est liée à l’automatisation du comportement humain intelligent, en particulier en termes de raisonnement et de pensée de type humain. Les technologies d’IA sont de plus en plus utilisées dans la pratique médicale, y compris dans les environnements de travail complexes de la santé. En ce qui concerne la technologie, l’acceptation fait référence à la motivation interne, à la volonté et à l’intention d’utiliser la technologie en raison d’attitudes positives envers le système ou la technologie. L’acceptation des systèmes d’IA est comparable à l’acceptation d’autres nouveaux outils.
À propos de l’étude
Une revue a été menée sur l’acceptation d’AcceiAI par les professionnels de la santé en milieu hospitalier. La littérature est examinée méthodiquement en fonction de critères d’éligibilité spécifiques. L’étape suivante consistait à extraire les informations pertinentes des études et à évaluer leur qualité. L’examen a conclu en présentant les résultats de l’étude et en fournissant des recommandations pour les études futures.
Les conclusions des articles examinés sont présentées en utilisant la théorie unifiée de l’acceptation et de l’utilisation de la technologie (UTAUT) comme cadre. Cette théorie visait à élucider la motivation d’un utilisateur à utiliser les systèmes de technologie de l’information (TI). L’approche s’appuie sur différents modèles d’acceptation informatique, dont le modèle d’acceptation technologique (TAM). Le modèle UTAUT comprend quatre composantes principales, à savoir l’attente d’effort, l’attente de performance, les influences sociales et les conditions facilitantes. De plus, il existe quatre facteurs de régulation, notamment le sexe, l’âge, l’expérience et le caractère volontaire de l’utilisation, qui ont un impact sur les quatre composantes principales.
L’équipe a effectué une recherche d’études pertinentes qui correspondaient à l’objectif de la revue et aux requêtes de recherche. Cette étude a analysé et examiné des articles de recherche originaux publiés entre 2010 et juin 2022 qui portaient sur les professionnels de la santé dont les domaines de travail cliniques ont été touchés par l’IA. La recherche comprenait des méthodes qualitatives, quantitatives et mixtes.
Cette revue s’est concentrée sur les études publiées en anglais ou en allemand qui examinaient les facteurs liés à l’acceptation de l’IA. Les études éligibles comprenaient celles menées en milieu hospitalier et celles qui impliquaient des professionnels de la santé dans le développement de systèmes d’IA.
Résultats
La revue a analysé un total de 42 articles. La plupart des études ont été menées en Europe, suivies de l’Amérique du Nord et de l’Asie. Des recherches supplémentaires ont été menées en Afrique et en Australie. L’une des études éligibles a été menée dans 25 pays du monde. Les études menées comprenaient des approches qualitatives, quantitatives et à méthodes mixtes et impliquaient des professionnels de la santé en milieu hospitalier en tant que participants. Les études éligibles ont également utilisé des entretiens et des enquêtes comme moyens de collecte de données.
Selon trois études sur les systèmes d’aide à la décision clinique (CDSS), les participants ont signalé que la mise en œuvre du CDSS dans les hôpitaux de soins aigus entraînait une diminution des erreurs médicales à l’aide de recommandations et d’avertissements. Cependant, dans une autre étude sur les obstacles à l’adoption du CDSS, les participants ont noté que les établissements de soins d’urgence connaissaient des erreurs dues au CDSS.
L’estimation de la précision des technologies basées sur l’IA par les professionnels de la santé était incohérente. Selon une étude récente, 22,5 % du personnel du service de radiologie pensent que les outils de diagnostic basés sur l’IA dépasseront les radiologues dans un avenir proche. Pourtant, près de 12 % des participants ont déclaré qu’ils utiliseraient l’IA pour prendre des décisions médicales dans un proche avenir. Dans une autre étude, 82 % des médecins, des physiothérapeutes et des infirmières ont trouvé les systèmes de soutien de l’IA utiles pour diagnostiquer des troubles rares ou inhabituels.
Près de 15% des médecins et infirmières qui ont participé à une étude ont exprimé leur incrédulité quant à la capacité d’un système d’apprentissage automatique à détecter le délire à un stade précoce. De plus, environ la moitié des médecins impliqués dans une étude sur l’utilisation de l’IA en ophtalmologie ont exprimé des inquiétudes quant à la fiabilité du système, citant des difficultés à assurer sa qualité.
Trois études ont examiné les attitudes des professionnels de la santé envers le CDSS. Ils ont constaté qu’ils avaient des doutes quant à l’exactitude des systèmes de diagnostic et du CDSS car ils estimaient que les informations obtenues étaient insuffisantes pour la prise de décision. Cependant, dans une autre étude, les médecins ont estimé que les CDSS sont utiles, mais que leurs capacités sont limitées.
Les médecins pensent que l’adoption de l’IA dans les soins de santé pourrait être entravée par un manque d’adaptabilité et de transparence dans les systèmes d’apprentissage automatique ou CDSS utilisés pour les diagnostics. En outre, les participants à l’étude ont noté que l’acceptation d’un système d’apprentissage automatique prédictif soulignait la nécessité de protocoles complets et fondés sur des preuves pour de tels systèmes. Notamment, les participants qui ont déclaré ne pas être familiarisés avec un système avaient tendance à le rejeter.
Conclusion
Les études ont trouvé des facteurs positifs et négatifs affectant l’acceptation de l’IA dans les hôpitaux. La plupart des études incluaient le CDSS comme forme d’IA. Différentes perceptions concernant l’impact de l’IA sur l’incidence des erreurs, les ressources en temps opportun et la sensibilité aux alertes ont été trouvées. Cependant, les participants ont convenu à l’unanimité des facteurs freinant l’intégration de l’IA dans les flux de travail cliniques, notamment les difficultés d’intégration et la peur de la perte d’autonomie. Notamment, la formation à l’IA a contribué à améliorer son acceptation.
L’équipe estime qu’il est recommandé d’accroître l’adoption de l’IA dans les soins de santé, d’impliquer les utilisateurs finaux dans les premières étapes du développement de l’IA et de fournir une formation et une infrastructure sur mesure pour faciliter l’acceptation de l’IA.
