医生使用智能语音录入系统意愿及影响因素研究

□ 郝文睿 HAO Wen-rui 张沛 ZHANG Pei 孙震 SUN Zhen 徐金建 XU Jin-jian 邵红琳 SHAO Hong-lin 计虹 JI Hong

Objective To integrate the technology acceptance model and perceived risk theory, and explore the willingness of doctors to use intelligent voice recognition system and its influencing factors. Methods 250 doctors were selected from a Grade-A tertiary hospital in Beijing to issue an electronic questionnaire to investigate the use of intelligent voice recognition system.Results In the use of intelligent voice recognition system, perceived usefulness and personal innovation had a significant positive impact on the willingness to use. Perceived risk had a significant negative impact on the willingness to use. Perceived ease of use had no significant impact on the willingness to use, and the experience of using similar systems had a significant regulatory effect on the willingness to use. Conclusion In the construction, popularization and application of intelligent voice recognition system, we should dig deep into the doctors' diagnosis and treatment needs and solve the pain point of visiting efficiency. Innovative groups should be paid attention to and the scope of application should be expanded; Safety regulations should be implemented to ensure patient privacy and information security; Experienced doctors should be developed to promote the accumulation of experience.

语音识别指通过计算机程序的算法将语音信号转换为字词序列的过程[1]，其历史可以追溯到1952 年贝尔实验室建立的一个针对特定说话人的单扬声器数字识别系统[2]。随着统计建模方法的引入和算法的逐渐改进，通过语音识别来录入文本已经广泛应用于各种领域。近年来，智能语音录入系统已经被越来越多应用于临床工作[3-7]，涵盖了口腔科、病理科、超声科等科室。相比较传统依靠键盘和鼠标录入基于模板和离散编码结构存储数据元素的电子病历或电子报告，使用智能语音录入系统进行文本录入代替传统录入方式可以提升工作效率，提高医学文书的书写质量。2022 年11 月国家卫健委发布《关于印发“十四五”全民健康信息化规划的通知》中要求促进医学人工智能应用试点，推动完善人工智能等新一代信息技术支撑医院管理[8]。

然而作为一种新技术，智能语音录入系统全面推广应用于临床仍存在阻碍。新的口述方式改变了医生进行系统操作的习惯、医生对于患者隐私信息安全的担心、不同医生对于新技术的接受程度等因素都对医生是否使用智能语音存在影响[9]。了解影响医生使用智能语音录入系统的因素有助于优化系统建设和改进相关措施。目前国内几乎没有针对医生采用智能语音识别技术应用于临床工作的实证研究。本研究整合技术接受模型(technology acceptance model，TAM)和感知风险理论(perceived risk theory)为基本理论框架，建立医生采用智能语音录入系统的使用意愿和行为模型，探讨感知有用性、感知易用性、感知风险性、个人创新对医生采用智能语音录入系统的影响以及性别、年龄、工作年限和使用经验的调节作用。

理论基础与研究假设

1.技术接受模型。技术接受模型用来预测用户采用新技术的可能性，表明用户对信息系统的使用行为由使用意愿所决定[10-11]。感知有用性和感知易用性是该理论最重要的两个变量，也是影响用户对新技术接受意愿的主要因素。其中感知有用性是个体认为使用该系统将提高其表现的程度，例如医生使用智能语音录入系统能提升便利的程度。感知有用性会对个体使用新技术的使用意愿产生积极影响。因此提出以下假设：

H1：感知有用性对医生使用语音录入系统的意愿有显著正向影响。

感知易用性是个体认为使用该系统难易的程度，本研究中即智能语音录入系统对于医生来说是否容易使用。因此提出以下假设：

H2：感知易用性对医生使用智能语音录入系统的意愿有显著正向影响。

虽然TAM 在预测技术接受程度方面提出了严谨的解释，但有研究表明根据具体研究需要额外的解释变量[12]。本研究扩展了TAM，增加了个人创新性变量，即用户在采用新技术方面相对较早的程度，它会影响个体使用新技术的意愿。因此提出以下假设：

H3：个人创新对医生使用智能语音录入系统的意愿有显著正向影响。

有研究证实使用意愿与实际使用行为之间存在关系，使用意愿会影响技术的实际使用[13]。因此提出以下假设：

H4：使用意愿对医生实际使用智能语音录入系统有显著正向影响。

2.感知风险理论。感知风险是用户对决策结果的不确定性和错误决策后果严重性的主观感知，感知风险会负向影响用户的使用意愿。本研究中感知风险指医生使用智能语音录入系统时对隐私、安全、法律等风险的感知程度。因此本研究提出以下假设：

H5：感知风险对医生使用智能语音录入系统的意愿产生显著负向影响。

3.调节作用。年龄、性别、工作年限和经验等多重因素的调节作用会表现在具有一些特征的人群中，有研究表明年龄相对偏大的男性用户需要更多的资源来促使其学习和接受[14]。本研究拟探究的性别和年龄在对医生使用智能语音录入系统意愿的影响关系中表现出调节作用。另外医生的工作年限越长，其对诊疗过程工作效率的期待会增加，因此本研究期望此因素对潜变量的影响存在调节作用。考虑到日常使用过类似人工智能(artificial intelligence，AI)应用系统的医生来说，他们有使用类似系统的经验，对于智能的应用系统更加了解，更容易接受创新型应用来提升工作效率，从而影响他们的使用意愿。基于以上考虑，本研究提出以下假设：

H6：对于医生性别来说，H6-1：性别存在感知有用性对于使用意愿的调节作用；H6-2：性别存在感知易用性对于使用意愿的调节作用；H6-3：性别存在个人创新对于使用意愿的调节作用；H6-4：性别存在感知风险对于使用意愿的调节作用。

H7：随着医生年龄增加，H7-1：年龄存在感知有用性对于使用意愿的调节作用；H7-2：年龄存在感知易用性对于使用意愿的调节作用；H7-3：年龄存在个人创新对于使用意愿的调节作用；H7-4：年龄存在感知风险对于使用意愿的调节作用。

H8：随着医生工作年限增加，H8-1：工作年限存在感知有用性对于使用意愿的调节作用；H8-2：工作年限存在感知易用性对于使用意愿的调节作用；H8-3：工作年限存在个人创新对于使用意愿的调节作用；H8-4：工作年限存在感知风险对于使用意愿的调节作用。

H9：对于医生有使用过其他人工智能应用系统的经验来说，H9-1：经验存在感知有用性对于使用意愿的调节作用；H9-2：经验存在感知易用性对于使用意愿的调节作用；H9-3：经验存在个人创新对于使用意愿的调节作用；H9-4：经验存在感知风险对于使用意愿的调节作用。

对象与方法

1.研究对象。本研究采用方便抽样方法作为调查工具。在2022 年6 月—8 月向北京某三甲医院的医生以匿名调查方式发放电子问卷并收集数据。总共发放250 份问卷，最终回收有效问卷212 份，有效回收率为84.8%。

2.问卷设计。问卷量表共包括6 个变量，各变量均包括3 个条目，所有变量来自于已有参考文献，见表1。量表采用Likert 5 点法，1 ～5 分别代表非常不同意～非常同意。电子问卷通过逻辑控制不可漏答以确保问卷完整性和可用性，收到问卷的调查对象仅可对问卷进行一次提交不可重复作答。电子问卷初步设计后先发放给5 名医生进行测试回答并根据反馈意见修改，以优化问卷题目描述的可理解性。通过院内OA 系统随机推送给250 名医生。电子问卷设计为三个部分：第一部分为智能语音录入系统的基本说明介绍，第二部是医生的基本情况以及使用智能语音系统情况，包括医生的性别、年龄、在岗位上的工作年限以及是否使用过类似人工智能应用系统(临床辅助决策支持系统、智能预问诊系统等)和第三部分为潜变量对应的测量题目。

表1 变量与问卷内容

3.统计分析。电子问卷结果通过院内OA 系统获取，数据采用SPSS 26.0 软件进行统计分析，结合Amos 26.0验证结构方程模型。

结果

1.描述性分析。本次212 份调查问卷中，样本数据的描述性统计见表2。受访女性医生比男性医生略多，总体基本均衡。医生年龄集中在35 ～49 岁，工作年限20 年以上的医生较多，其次是10 年以下。未使用过类似人工智能应用的医生比使用过的医生略多。

表2 被调查医生基本情况

2.信度和效度检验。采用验证性因子分析对结构方程模型的信度和效度分析，结果见表3。所有变量的克朗巴哈系数(Cronbach's Alpha)均大于0.7，组合信度(Composite Reliability，CR)均大于0.7，表明问卷具有较好的内部一致性。各变量的平均抽取方差(average variance extracted，AVE)均大于0.5，表明测量项的聚合效度较好。

表3 模型信度和效度检验

3.假设检验和模型拟合。本研究通过8 个指标验证模型的适配度：卡方与自由度的比值(χ2/df)、比较拟合指数(CFI)、规范拟合指数(NFI)、非规范拟合指数(NNFI)、增值适配指数(IFI)、拟合优度指数 (GFI)、修正拟合优度指数(AGFI)、和近似误差均方根(RMSEA)。根据本研究模型指标值评估，所有拟合指数实际值均优于推荐值（表4)，表明模型有较好的拟合度。

表4 模型拟合指数

4.结构模型。由表5 分析结果看出，医生采用智能语音录入系统中，感知有用性和个人创新对使用意愿有显著正向影响(p＜0.001)；使用意愿对使用行为有显著正向影响作用(p＜0.001)；感知风险对使用行为有显著负向作用(p＜0.001)；而感知易用性对使用意愿的影响作用不显著(p=0.584)。因此假设检验结果H1、H3、H4 和H5 成立，假设H2 不成立。

表5 模型路径分析

5.调节作用验证。将调节变量中结构方程的回归系数设为一致后分析，通过卡方差检验显著性水平。表6 结果显示，性别分组模型(p=0.681)、年龄分组模型(p=0.404)和工作年限分组模型(p=0.950)未达到显著水平；使用AI 经验分组模型(p=0.046)达到了显著水平，因此表明性别、年龄和工作年限没有起到调节变量的作用，而使用AI经验起到调节变量的作用。因此假设检验结果H6、H7 和H8 不成立，假设H9 成立。

表6 变量调节作用检验

结论和讨论

本研究在采用技术接受模型和感知风险理论的基础上首次探讨分析了医生采用智能语音录入系统的意愿和行为的影响因素，同时加入了新的变量：个人创新。本研究验证了感知有用性正向显著影响使用意愿，表明高效有用性是医生接受使用智能语音录入系统的重要考虑要素。另外，更具创新意识的医生更愿意接受新系统的使用。感知风险负向显著影响使用意愿，表明对于新技术来说，医生在系统安全、使用安全等方面存在担忧。感知易用性对使用意愿的直接影响并不显著，相比较感知有用性，系统是否有用比系统是否易用更加影响医生使用智能语音录入系统。性别、年龄和工作年限对于医生的使用意愿几乎没有影响，而有使用过其他人工智能系统应用的医生更容易接受类似的智能应用。本研究基于以上结论，对于智能语音录入系统的建设和推广应用提出以下建议。

1.深挖医生诊疗需求，解决出诊效率痛点。医生在诊疗过程中大多依靠键盘和鼠标进行系统操作，一方面随着信息化的发展，系统功能逐渐增多，在繁多的界面中寻找相应功能并点击效率低下；另一方面在高门诊量的出诊环境中，频繁通过传统人机交互方式录入文书内容耽误时间。因此需要深入调研医生使用系统中不便之处，包括开处方、录入病历、查询结果等，并根据医生使用习惯和需求定制语音代替键盘和鼠标等系统场景。调研过程和对象应无差别的覆盖各个年龄段、低年资和高年资、各个科室以及男性和女性医生，尽可能满足普遍医生的使用需求。同时丰富宣传手段，让医生充分感知智能语音录入系统的有用性。

2.重视创新群体，拓展应用范围。重视具有创新精神的医生群体，将其作为推广重点人群。选择以往愿意率先试用新系统的医生用户，结合其特定需求进行系统建设开发。特别关注此类医生的使用反馈情况，以此为切入点，逐步拓宽智能语音录入系统在医院其他科室或医生应用的接受范围。

3.落实安全规定，确保患者隐私和信息安全。为扩大推广智能语音录入系统的使用范围，降低医生使用系统的感知风险，应落实执行国家卫生健康委办公厅对医疗机构的就医要求，实行“一人一诊一室”。除了确保在使用智能语音录入系统中的患者隐私安全外，也可有效提升语音识别使用的准确性。

系统建设和运维过程严格遵守《网络安全法》《数据安全法》和《个人信息保护法》，数据存储、使用、加工、传输合法合规，数据提供需依法脱敏处理，并应按规定通过上级审批。同时建立健全数据安全管理制度，明确系统安全负责人。同时加强宣传力度，将以上安全规定和措施通过多种宣传渠道告知医生将语音识别技术应用到诊疗过程的安全性。

4.发掘有经验医生，促进经验累积。系统推广过程兼顾发掘有人工智能系统应用使用经验的医生。目前临床常见在用的人工智能系统有临床辅助决策支持系统、智能预问诊系统等，本研究表明使用过此类系统经验的医生更倾向于使用智能语音录入系统。因此推广过程中着重考虑对有同类系统使用经验医生的宣传培训，提升这些医生更多系统使用经验的同时，也会通过此类群体带动其他医生对智能语音录入系统的使用接受度。