在决策中使用或不使用某些信息的动机是复杂的，一些理论视角，如情境意识和期望理论，可以支持对这种动机的理解。索尔塔尼和法哈普尔[ 47]调查了用户使用信息服务的动机。他们的研究框架是期望理论。他们发现，用户使用信息服务的动机受到对结果价值的认识和对可访问性的看法的显著影响[ 47］． 虽然期望理论似乎在描述为什么使用或不使用人工智能方面发挥了作用，但其他人为因素可以支持预测用户行为．O ' reilly [ 48]审查了信息源使用方面的变化，以了解信息质量和可获得性作为影响其使用的因素的影响。O ' reilly [ 48]发现使用频率是最重要的使用影响因素。

吸收能力与使用信息的能力的关联是决策心理学的另一个重要方面。廖等人的研究结果[ 49]表明吸收能力对创新有影响，但以创新为目标的信息使用是复杂的[ 50］．施密特( 50发现吸收能力的决定因素是不同的，这取决于所吸收知识的类型。因此，吸收能力是路径依赖于它如何导致信息使用。这种复杂性限制了决策。在决策研究中，信息的感知相关性和信息的获取是理解信息使用的关键。Streufert是最早了解复杂环境中信息相关性对决策影响的研究之一。 51］．她的研究框架是复杂性理论。她指出，信息相关性是影响复杂决策反应的一个因素，但同一因素(信息相关性)未能影响简单决策反应[ 51］．这些发现对于理解信息在决策研究中的重要性至关重要，因为它们支持决策研究的本质 环境意识在决策者中。 她的结论是，复杂决策受相关性影响，简单决策受信息负荷影响，这是一个关键的发现，对复杂性理论提出了一些限制。雪铁龙( 52]探讨了信息在组织高管战略决策中的作用。该方法要求管理人员在一个结构化的过程中收集和使用信息，以支持消除决策过程中的不确定性。Streufert的研究结果[ 51]和雪铁龙[ 52]支持情境意识作为影响决策者使用信息的一个因素的作用。

决策中的信息接受是决策研究中的另一个关键因素。根据一个被称为技术接受模型的成熟模型，接受度与决策中的易用性和有用性有关[ 53］．在决策过程中纳入资料似乎很重要。然而，它的纳入和决策支持系统等工具仍然是决策者面临的挑战。Todd和Benbasat [ 54研究了信息在决策中的使用。他们的研究对于假设掌握更多信息的管理者会做出更好的决策是至关重要的。他们发现 努力的节约当经理们得到更多的信息时。决策支持系统等工具并没有很大可能将信息用于决策[ 54］．这些发现可能会对人工智能形成的人类决策的研究产生重大影响，因为人工智能通常涉及聚合几堆数据，以构建对所调查现象的全面理解。然而，如果Todd和Benbasat [ 54]所提出的观点与决策者目前的信息处理方法是一致的，聚合数据创建优雅的模型来理解一种现象将是徒劳的。关于个人为什么选择依赖信息系统来做决策的研究已经存在。斯尼德和哈勒尔[ 55]研究了管理层使用期望理论的决策支持系统的决策。研究结果表明，期望力模型可以确定使用决策支持系统的管理行为意图[ 55］．行为理论对这些研究是有帮助的，因为它可以支持基于意图和动机的评估，为什么人们使用以前没有使用过的系统。

吸收能力与人工智能的使用有关，人工智能的研究结果至关重要。吸收能力在与创新相关的决策中也是必不可少的，它取决于用户如何优化信息系统功能。此外，吸收能力也会在行业创新方面影响AI。 人工智能使用的一个限制是用户缺乏对工具的理解或对发现的实质性解释．史等[ 56发现人工智能的使用在局限性方面带来了挑战，比如有限的知识转移。员工在使用人工智能工具和解释其发现方面接受的培训程度有限。因此，在使用人工智能的商业环境中，吸收能力受到工人能力的限制。

在支持决策时，人工智能的知识和相关性也是必不可少的考虑因素。普雷维代罗等人[ 57调查了人工智能在医疗环境中应用的挑战。他们指出，在临床环境中，期望和人工智能应用之间存在差异，人工智能在放射学等任务中的作用将纯粹从技术角度迅速发展，而不会从人为因素的角度解决所有用户需求。普雷维代罗等人[ 57他指出，人工智能应该成为开发临床相关结果的一部分，人工智能应该在未来的决策中发挥作用。然而，这也是Prevedello等人的预测[ 57发现之前的研究没有实现。庄园( 58讨论了人工智能和人类决策的问题。他将人工智能与其他类型的定量分析程序共享几种关系，因为每种方法都对诊断有用。他还指出，人工智能的一个关键限制是缺乏前瞻性推理的能力，不确定性和偏好是需要考虑的关键因素。 58］．

在决策中接受人工智能是一个关键的技术概念，其中检验和确定人工智能的易用性和有用性。由于缺乏对该技术或其潜在能力的了解，人工智能在决策中的使用和益处受到了实质性的挑战．陈及Zary [ 59讨论了人工智能在医学教育中的应用和挑战。限制AI在医学界使用的主要因素之一是，医学院的课程未能培养未来的医疗专业人员来理解AI算法[ 59］．知识和开发的缺乏导致了工具的有限使用。未来使用人工智能的一个关键限制似乎不是由技术的限制或复杂性引起的，而是由人类使用该技术的决定引起的。 59］．孙及权[ 60]研究了几种技术接受理论，以了解哪种框架最适合接受人工智能。他们的研究包括技术接受模型、计划行为理论、技术接受与使用统一理论和基于价值的采用模型。研究结果支持基于价值的采用模型作为确定用户接受人工智能的最佳模型。具体来说，有最显著影响的因素是 享受而且 主观规范［ 60］．这些发现提供了证据，证明使用AI的动机更多地是由对技术的兴趣驱动，而不是AI的功利方面。

在一些情况下，对技术的信任具有影响力，包括在使用计算机为媒介的沟通进行团队沟通的情况下[ 61]，支援客户或从事电子渠道、电子商务的客户[ 62]，以及航空活动[ 63］．对技术的信任和对人类的信任在很多方面都有区别[ 64， 65，即对人的信任与人际关系质量有关。相比之下，对技术的信任与可靠性和性能有关。尽管如此，信任仍然是人类技术体验的一个重要方面[ 65］．

对技术的信任似乎与预期失验理论等理论一致。这一理论与个体对经验的满意度有关，这些经验与他们的信念是否在经历中得到证实有关，以及期望和感知表现如何影响他们的初始信念[ 66］．对技术的信任是复杂的，原因有很多。对技术的信任之所以复杂，原因之一是技术存在风险和不确定性。李等[ 67调查了在工作环境中人们对新技术的信任度。他们发现，最初信任的形成取决于几个因素，包括信任基础、信念、态度、组织的主观规范和信任意图。其他涉及技术的研究假设，对技术的信任可以通过组织中的治理来形成。温菲尔德和吉罗特卡[ 34讨论了道德治理框架的开发，涉及组织中的机器人和人工智能系统。考虑的因素包括伦理、标准、监管、负责任的研究、创新和公众参与。这些因素被认为是在技术和公众之间建立信任的关键因素。这种方法的问题在于，它没有考虑用户对技术的感知、与之相关的风险的感知以及它对用户认知工作量和情境意识的影响等人为因素。

与这项研究最相关的是对医疗技术的信任问题。蒙塔古等[ 68]研究了对医疗技术的信任，并试图将医疗技术描述为与对一般技术的信任不同的结构。在他们的研究中包括了关于技术信任的文献综述。他们的文献讨论包括断言，先前的研究结果支持信任人类和信任技术之间缺乏区别。然而，McKnight等人[ 64]及兰顿等人[ 65的调查结果和讨论表明，对人类的信任和对技术的信任之间存在着实质性的差异。研究结果的差异支持进一步的调查。除了对一般技术的信任之外，不应在后续研究中考虑是否存在一个单独的结构来确定是否存在一个单独的结构，以描述或衡量对医疗技术的信任。然而，这超出了本研究的范围。

具体来说，对人工智能的信任仍然是一个重要问题，随着人工智能越来越多地融入我们日常生活中使用的产品，信任将随着时间的推移而显著增长。关于人工智能应该如何被信任，人工智能继续给研究人员带来一些困难。人工智能使用大量数据来支持基于强大可预测性而获得关注和考虑的决策，同时不模仿人类的思维过程。赫尔伯特( 69)讨论了人工智能作为一种不断扩大其影响范围的技术，人们在日常生活中越来越依赖人工智能的使用。问题在于，人们往往缺乏对人工智能是否有能力完成被选择来执行的工作的考虑。

此外，人工智能的漏洞仍然存在。赫尔伯特( 69他指出，人工智能只能在一定程度上被信任。然而，选择AI来完成任务的考虑和信任行为更适合于个人评估AI工具，而不是任务本身。

我们也主张对人工智能所做的决定持一定程度的怀疑态度。做出最准确的临床决策所需的怀疑程度取决于临床医生和人工智能系统的能力。假设我们了解了人工智能工具的好处和限制。在这种情况下，关于是否使用工具的决策需要放置信任(本质上是二进制的)，而不是考虑具有预定义规范的工具在多大程度上可以被信任。在涉及信任的人工智能文献中，作者将对人工智能的信任与对人类的信任进行类比的努力是值得注意的。例如，在Hengstler等人的研究中[ 70]，对自动驾驶汽车和医疗辅助设备等工具中使用的人工智能的信任度进行了调查[ 70］．他们试图将应用在汽车上的人工智能与人类社会互动进行类比。 70］．他们的重点是理解人类和自动化之间的关系，理解信任是如何建立的。他们得出的结论是，对人工智能的信任与个人对创造人工智能的公司的信任密不可分。这项研究的哲学方法与研究人员对一般技术信任的研究方法非常不同[ 64， 65］．研究人员的重点是建立对技术的信任和对人类的信任是完全不同的概念。因此，人工智能作为一种类似于人类智能的智能形式，其本质可能会影响人们对人工智能的看法，甚至在学术研究中也是如此。

人们对人工智能的信任在自动化(非人工智能技术)和人际信任(对人类的信任)之间具有共同点。格里克森和伍利[ 71]讨论了之前关于人类对人工智能信任的研究。他们指出，人工智能和其他技术之间存在着关键的差异，这影响了信任的形成和运作方式，类似于人类和技术的信任。对人工智能的认知和情感信任与人工智能的表现形式(无论是机器人的、基于网络的还是嵌入式的)和人工智能系统的智能水平有关。这些因素对于建立人们对人工智能的认知和情感信任是不可或缺的。在人工智能在医疗保健中的应用范围内，将人工智能概念化为具有一些拟人化的品质变得越来越明显。Kerasidou [ 72研究了人工智能在医疗保健中的应用，重点关注移情、同情和信任等问题。她指出，这些都是人们不应该重视人工智能的特征。然而，人工智能在医疗中扮演的角色是人工智能完成传统上由人类完成的几项任务。该技术必须以任务为导向，并通过执行更多与患者治疗的情感和舒适方面相关的活动来支持人类的医疗保健。总之，这些发现为人工智能提供了进一步的支持，该工具可以发挥支持作用，并使人类能够获得信任，从而有利于他们的医疗服务。

医疗护理最基本的方面是医生不伤害(患者安全)的承诺。希波克拉底誓言是卫生保健专业人员在与患者合作时必须遵守的标准。因此，了解人工智能如何影响患者安全对这项研究至关重要。

医疗保健人工智能研究对药物开发、个性化医疗和患者护理监测做出了积极贡献[ 73- 76］．人工智能也已被纳入电子健康记录，以识别、评估和减轻对患者安全的威胁[ 77］．最近的研究和综述主要集中在人工智能在诊断层面的表现，如疾病识别[ 78- 83]，以及手术和疾病管理中的人工智能机器人[ 84- 87］．其他研究也在临床层面实施了人工智能技术，包括评估跌倒风险[ 88]和用药错误[ 89， 90］．然而，这些研究中的许多(如果不是全部的话)尚未在临床环境中实施人工智能，或已被临床医生用于常规临床活动。因此，我们注意到缺乏证据可以证实人工智能对现实生活中患者安全结果的积极影响。

人工智能对患者安全的影响在很大程度上取决于临床医生如何正确理解人工智能输出(信息和建议)，并据此做出临床决策。换句话说，对人工智能输出的误读可能会误导临床医生，并鼓励他们做出错误的临床决策，从而将患者的安全置于危险之中。随着人工智能的融合，技术的角色从单纯的 传递信息来 信息识别而且 决策因此，阐明了临床医生-人工智能交互和协作决策的重要性。医疗保健背景下的大多数决策文献都集中在共同决策(临床医生-患者)及其对患者安全的影响。然而，没有研究考虑人工智能在临床决策(临床医生-人工智能)和患者安全方面可以发挥的重要作用。伍尔夫等人[ 91]认为明智的选择应该以人际关系的方式进行。Légaré等[ 92]还讨论了增加共享决策的重要性。

然而，医疗保健决策文献的关键发现也可能适用于基于人工智能的决策。例如，Edwards等人[ 93研究发现，在患者和临床医生共同决策的过程中，患者的健康素养程度决定了他们理解治疗的能力(在临床医生和患者之间建立了共享的心理模型)。同样，临床医生的人工智能素养将评估他们理解人工智能结果的能力，并做出明智的临床决策，从而确保治疗的依从性和安全性。

一般来说，信息解释和分析的重要性已在文献中得到充分承认[ 94］．例如，Tuffaha等[ 95]讨论了在医疗保健中使用信息分析的价值作为支持医疗保健决策方法的模型。信息分析方法的价值支持决策不确定性的测量和证据的充分性评估，以支持技术实施。宾德尔斯等[ 94]支持在卫生保健决策中使用信息分析的价值。尽管信息分析的价值是决策的一种实用方法，但目前缺乏人工智能的实施，也缺乏分析其对临床决策和患者安全影响的研究。这些发现提供了证据，证明安全问题必须以实证研究的形式得到进一步的关注，以为患者安全和关于人工智能的知情决策提供信息。目前的研究包括大量关于在任务和决策支持角色中使用人工智能的研究，在这些任务和决策支持角色中，用户或依赖人工智能使用的人可能面临人工智能技术可能造成伤害的风险。