校准依赖:临床医生如何在诊断中使用 AI 生成的解释
本研究采用混合方法考察 AI 生成解释中置信区间如何影响临床放射科诊断决策。在两家医院 84 名放射科医生参与的研究中,我们发现:在模糊场景下的主要失效模式并非过度依赖,而是系统性的不足依赖——当解释长度超过工作记忆阈值时,医生会折扣良好校准的 AI 输出。我们提出依赖校准的三条设计原则:时序节奏、证据框架、情境化分歧呈现。文末讨论了对临床 AI 部署与解释界面设计的意义。
分类理由 · 为什么属于 HCAI
这篇论文同时满足看板多个强相关条件:研究对象是人与 AI 辅助决策系统的真实交互;包含 84 名临床用户参与的混合方法实证研究;聚焦信任校准、解释理解与依赖行为等核心研究问题;并给出针对用户体验的可解释设计原则。摘要不偏向算法性能 benchmark,包含用户实验、AI 系统类型、评价指标(信任、依赖、认知负荷)等多维内容信息。综合 7 个评分维度给出 94 分。