商傳媒｜記者康語柔／綜合外電報導
人工智慧（AI）快速改變醫療照護與醫學教育。從提升診斷準確性、輔助臨床決策，到實現虛擬模擬與個人化學習，AI 技術正逐漸融入醫療人員的日常。然而，倫理責任、資料隱私、人類自主性喪失以及潛在的就業取代等疑慮依然存在。隨著 AI 在全球醫療體系中持續擴張，了解未來醫師如何看待並使用這些技術變得越來越重要。
態度對於 AI 工具能否被接受、信任並有效地整合到臨床實務與教育中，扮演關鍵角色。正面的態度可以促進開放與負責任的使用，而負面的觀感則可能導致懷疑和未充分利用。因此，精確衡量醫學生和住院醫師對 AI 的態度，對於找出採用障礙並設計有效的教育干預措施至關重要。
2024 年，Stein 及其同僚推出了一份包含 12 個項目的「人工智慧態度量表」（ATTARI-12），這是一項簡短且可靠的評估工具，涵蓋情感、認知和行為層面。然而，由於缺乏經過驗證的日文版本，限制了其在日本的適用性，因為不確定性規避和社會規範等文化因素，可能會影響對新興技術的回應。
為了填補這個空白，日本順天堂大學的一個研究團隊，在藤川博久助理教授的帶領下，與英國德倫大學的近藤加代博士合作，開發並驗證了一個日文版的量表（J-ATTARI-12），供醫學生和住院醫師使用。研究結果已發表在《JMIR Medical Education》期刊上。
藤川博士表示，他們觀察到學習者對 AI 的反應差異很大，但日本沒有經過驗證的工具來衡量這些差異。這個量表有助於教育工作者了解學習者的態度，並為未來的醫師做好準備，以應對具備 AI 功能的醫療實務。
該研究遵循國際公認的翻譯和跨文化調整指南，以確保語言準確性和文化相關性。研究於 2025 年 6 月至 7 月期間進行了一項全國性的線上調查，招募了來自日本各地多所大學和醫院的醫學生和住院醫師，共有 326 名參與者納入分析。心理計量評估採用了分半驗證方法：對一半的樣本進行探索性因素分析（EFA），以確定潛在的因素結構；對另一半進行驗證性因素分析（CFA），以評估模型擬合度。研究人員透過將 J-ATTARI-12 分數與對機器人的態度（一種相關結構）進行關聯，來檢驗收斂效度，同時使用 Cronbach’s α 評估內部一致性信度。
分析產生了幾個關鍵發現。EFA 確定了一個雙因素結構，反映了「AI 焦慮和厭惡」以及「AI 樂觀和接受」。CFA 證明，這種雙因素模型表現出良好的模型擬合度，並且優於單因素模型。J-ATTARI-12 分數與對機器人的態度之間存在中等程度的正相關，支持了收斂效度，且內部一致性信度很高，表明該量表可以可靠地衡量日本醫療培訓人員對 AI 的態度。
藤川博士指出，教育工作者可以使用這個量表來評估與 AI 相關的培訓，並找出可能對使用 AI 感到不確定或猶豫的學習者。研究人員還可以追蹤隨著 AI 更深入地整合到醫療照護中，人們的態度會如何演變。透過提供一種經過文化調整且心理計量健全的工具，J-ATTARI-12 支持以數據驅動的課程開發，以及在醫學教育中做出明智的決策。
藤川博士強調，AI 在醫療照護領域的成功應用，取決於臨床醫師的接受程度，就像取決於技術效能一樣。讓這些態度變得可見，有助於提供更好的教育，並促成更負責任的實施。他補充說，該量表將用於 2026 年在順天堂大學啟動的「醫學與 AI」計畫，並有望促進未來的跨國研究。
