人工智能辅助诊断系统对医生诊断决策偏好的影响——基于眼动追踪的临床实验 .docxVIP

PAGE2

人工智能辅助诊断系统对医生诊断决策偏好的影响——基于眼动追踪的临床实验

摘要

人工智能辅助诊断系统在提升诊疗效率的同时，也深刻改变着医生的认知过程和决策偏好。本研究以眼动追踪为理论切入点，系统对比有/无AI建议时医生的注视模式与诊断一致性，进而剖析算法建议是否诱发过度依赖与认知偏见。全文遵循“问题提出—理论解析—机制阐释—理论建构”的递进逻辑。第一章阐述研究背景、目的与框架。第二章梳理国内外在AI辅助决策与眼动研究领域的进展，明确研究缺口。第三章界定核心概念并整合自动化偏见、认知负荷等理论，构建分析框架。第四章深入解析AI建议影响医生决策偏好问题的生成脉络、内在矛盾与本质。第五章详细阐释由注视模式改变到认知偏见形成的传导机制与边界条件。第六章整合前期分析，提出“锚定-认知卸载”理论模型，并论证其解释力。第七章总结主要结论、理论贡献与实践启示。第八章反思研究局限并展望未来方向。研究指出，AI建议通过视觉锚定与认知卸载重塑医生信息搜索路径，导致诊断一致性虚高及独立判断能力衰减，为优化人机协同决策提供了系统的理论依据。

第一章绪论

1.1研究背景

近年来，基于深度学习的医学影像分析系统在肺结节检测、眼底病变识别等领域已达到甚至超越人类专家的准确率，并迅速渗透到临床一线。然而，这些系统在提升诊疗效率的同时，也引发了新的隐忧：医生是否会过度依赖算法输出，从而在不知不觉中