Läkare som använder artificiell intelligens i sitt arbete riskerar att deras kollegor anser dem mindre kompetenta på grund av detta, enligt en ny studie från Johns Hopkins University.
Generativ AI har stor potential att förbättra hälso- och sjukvården, men en ny studie visar att dess användning i medicinska beslut påverkar hur läkare uppfattas av sina kollegor. Forskningen visar att läkare som i första hand förlitar sig på generativ AI för beslutsfattande möter betydande skepsis från kollegor, som kopplar deras användning av AI till bristande klinisk skicklighet och allmän kompetens, vilket resulterar i en försämrad uppfattning om kvaliteten på patientvården.
Forskningen omfattade en mångfaldig grupp kliniker från ett stort sjukhussystem, inklusive överläkare, AT-läkare, ST-läkare och avancerade vårdgivare. Resultaten av studien publicerades i augusti i npj Digital Medicine.
Stigma hindrar bättre vård
Resultaten kan tyda på ett socialt hinder för införandet av AI inom hälso- och sjukvården, vilket kan bromsa framsteg som skulle kunna förbättra patientvården.
”AI är redan en självklar del av medicinen”, säger Tinglong Dai, professor i ekonomi vid Johns Hopkins Carey Business School och medförfattare till studien. ”Det som förvånade oss är att läkare som använder AI för att fatta medicinska beslut kan uppfattas som mindre kompetenta av sina kollegor. Det är den typen av stigma, inte tekniken i sig, som kan vara ett hinder för bättre vård.”
Studien, som genomfördes av forskare vid Johns Hopkins University, omfattade ett randomiserat experiment där 276 praktiserande kliniker utvärderade olika scenarier: en läkare som inte använde AI, en som använde AI som primärt beslutsverktyg och en annan som använde det för verifiering. Forskningen visade att ju mer läkarna var beroende av AI, desto större blev deras ”kompetensstraff”, vilket innebär att de betraktades mer skeptiskt av sina kollegor än de läkare som inte förlitade sig på AI.
”I AI-åldern förblir mänsklig psykologi den ultimata variabeln”, säger Haiyang Yang, försteförfattare till studien och akademisk programdirektör för Master of Science in Management-programmet vid Carey Business School. ”Hur människor uppfattar användningen av AI kan vara lika viktigt, eller till och med viktigare, än teknikens prestanda i sig.”
Att hoppa över AI innebar mer respekt
Enligt studien påverkas kollegernas uppfattning negativt av läkare som förlitar sig på AI. Att framställa generativ AI som en ”andra åsikt” eller ett verifieringsverktyg förbättrade delvis kollegernas negativa uppfattning, men eliminerade den inte helt. Att inte använda GenAI resulterade dock i den mest positiva uppfattningen från kollegorna.
Resultaten stämmer överens med teorier som tyder på att upplevd beroende av en extern källa som AI kan ses som en svaghet av kliniker.
Ironiskt nog, medan GenAI:s synliga användning kan undergräva en läkares upplevda kliniska expertis bland kollegor, fann studien också att kliniker fortfarande erkänner AI som ett fördelaktigt verktyg för att förbättra precisionen i kliniska bedömningar. Forskningen visade att kliniker fortfarande generellt erkänner värdet av GenAI för att förbättra noggrannheten i kliniska bedömningar, och de anser att institutionellt anpassad GenAI är ännu mer användbar.
Den samarbetsinriktade karaktären hos studien ledde till genomtänkta förslag för implementering av GenAI i hälso- och sjukvårdsmiljöer, vilket är avgörande för att balansera innovation med att upprätthålla professionellt förtroende och läkares anseende, konstaterar forskarna.
”Läkare sätter stort värde på klinisk expertis, och när AI blir en del av medicinens framtid är det viktigt att erkänna dess potential att komplettera – inte ersätta – klinisk bedömning, vilket i slutändan stärker beslutsfattandet och förbättrar patientvården”, säger Risa Wolf, medförfattare till forskningen och docent i pediatrisk endokrinologi vid Johns Hopkins School of Medicine med en gemensam tjänst vid Carey Business School.
Mer information: Haiyang Yang et al, Peer perceptions of clinicians using generative AI in medical decision-making, npj Digital Medicine (2025). DOI: 10.1038/s41746-025-01901-x
