Aceitação de inteligência artificial na prática médica: um estudo em uma rede privada de hospitais no Brasil
| dc.contributor.advisor | Sousa, Pedro Henrique Rodrigues de | |
| dc.creator | Kümpel, Altiery | |
| dc.date.accessioned | 2025-04-07T20:47:23Z | |
| dc.date.available | 2025-04-07T20:47:23Z | |
| dc.date.issued | 2025 | |
| dc.description.abstract | Artificial intelligence (AI) has emerged as a disruptive technology in the healthcare sector, with the potential to enhance efficiency, diagnostic accuracy, and the quality of medical services. However, the adoption of AI-based tools in clinical practice faces significant challenges, such as technological barriers, resistance from some healthcare professionals, and insufficient specialized training. In this context, understanding the factors influencing AI acceptance among physicians is essential, particularly in private networks of hospitals, where technological infrastructure and professional dynamics present distinct characteristics. This study aimed to analyze AI acceptance in medical practice within a private network of hospitals in Brazil, based on the Technology Acceptance Model (TAM). The specific objectives of this study were: (1) to characterize the demographic and professional profile of the participating physicians, (2) to analyze the influence of demographic variables on Perceived Ease of Use (PEOU) and Perceived Usefulness (PU) within the TAM framework, and (3) to investigate the relationships between PU, PEOU, and other TAM factors (attitude, behavioral intention, and actual use), considering AI acceptance behavior in medical practice. A quantitative approach was adopted, utilizing a structured questionnaire applied to 256 physicians. The instrument was based on a five-point Likert scale to measure the theoretical dimensions of TAM. Data analysis was conducted using descriptive statistics and Partial Least Squares Structural Equation Modeling (PLS-SEM), allowing for the evaluation of relationships among the model’s constructs. The results indicated that PU had a strong influence on BI, which was a significant predictor of AU. PEOU impacted PU and ATU, confirming that ease of use contributes to PU and the formation of favorable attitudes toward AI. Age, academic background, professional experience, and medical specialty had no significant effect on PU and PEOU, suggesting that AI acceptance is more influenced by subjective perceptions of the technology than by individual characteristics. Gender had a statistically significant effect on PU and PEOU, but with limited practical relevance. Based on the findings of this study, PU, PEOU, and BI emerged as the main factors associated with the acceptance of AI in medical practice, providing supportive evidence for the applicability of the TAM model in the investigated healthcare context. The results indicate that AI adoption in medical practice can be enhanced through continuous training, adequate technical support, and the efficient integration of technology into clinical workflows. The adjusted model presented in this study, based on structural equation modeling, maintained the theoretical consistency of TAM while refining its structure by eliminating statistically insignificant relationships and proposing a more concise and robust model. Thus, this research contributes to the advancement of studies on technology acceptance in medicine and can serve as a foundation for future investigations aimed at understanding and optimizing AI adoption in clinical settings. | |
| dc.description.resumo | A inteligência artificial (IA) tem se destacado como uma tecnologia disruptiva na área da saúde, com potencial para aprimorar a eficiência, a precisão diagnóstica e a qualidade dos serviços médicos. Contudo, a adoção de ferramentas baseadas em IA na prática clínica enfrenta desafios significativos, como barreiras tecnológicas, resistência por uma parte dos profissionais de saúde e insuficiência de treinamento especializado. Nesse contexto, compreender os fatores que influenciam a aceitação da IA pelos médicos torna-se essencial, especialmente em redes privadas de hospitais, onde a infraestrutura tecnológica e a dinâmica profissional apresentam características distintas. Este estudo teve como objetivo geral analisar a aceitação da IA na prática médica em uma rede privada de hospitais no Brasil, com base no Modelo de Aceitação de Tecnologia (TAM). Os objetivos específicos deste estudo foram: (1) caracterizar o perfil demográfico e profissional dos médicos participantes, (2) analisar a influência de variáveis demográficas sobre a Facilidade de Uso Percebida (PEOU) e Utilidade Percebida (PU) no Modelo de Aceitação de Tecnologia (TAM) e (3) investigar as relações entre PU, PEOU e os demais fatores do modelo TAM (atitude, intenção comportamental e uso efetivo), considerando o comportamento de aceitação da IA na prática médica. A pesquisa adotou uma abordagem quantitativa e utilizou como instrumento de coleta de dados um questionário estruturado aplicado a 256 médicos, baseado em escala Likert de cinco pontos, para mensurar as dimensões teóricas do TAM. A análise dos dados foi conduzida por meio de estatística descritiva e da Modelagem de Equações Estruturais de Mínimos Quadrados Parciais (PLS-SEM), permitindo avaliar as relações entre os construtos do modelo. Os resultados indicaram que a PU teve forte influência sobre a BI, sendo esta um preditora significativa do AU. A PEOU impactou PU e ATU, confirmando que a facilidade de uso contribui para a PU e para a formação de atitudes favoráveis à IA. As variáveis idade, formação acadêmica, tempo de atuação e especialidade médica não apresentaram efeito significativo sobre PU e PEOU, sugerindo que a aceitação da IA é mais influenciada por percepções subjetivas da tecnologia do que por características individuais. O gênero teve um efeito estatisticamente significativo sobre PU e PEOU, mas com relevância prática limitada. Com base nos achados deste estudo, observa-se que PU, PEOU e BI se destacaram como os principais fatores associados à aceitação da IA na prática médica, indicando evidências favoráveis à aplicabilidade do modelo TAM no contexto investigado da saúde. Os resultados indicam que a adoção da IA na prática médica pode ser ampliada por meio de capacitações contínuas, suporte técnico adequado e uma integração eficiente da tecnologia nos fluxos de trabalho clínico. O modelo ajustado apresentado neste estudo, fundamentado na modelagem de equações estruturais, manteve a coerência teórica do TAM, ao mesmo tempo em que aprimorou sua estrutura, eliminando relações sem significância estatística e propondo um modelo mais conciso e robusto. Dessa forma, esta pesquisa contribui para o avanço das investigações sobre aceitação de tecnologia na medicina, podendo servir de base para estudos futuros voltados à compreensão e otimização da adoção da IA no contexto clínico. | |
| dc.identifier.citation | KÜMPEL, Altiery. Aceitação de inteligência artificial na prática médica: um estudo em uma rede privada de hospitais no Brasil. Goiânia (GO), 2025. 81 f Dissertação (Mestrado) - Programa de Pós-Graduação em Administração, Centro Universitário Alves Faria (UNIALFA) Goiânia, 2025 | |
| dc.identifier.uri | http://repositorio.unialfa.com.br/handle/123456789/576 | |
| dc.language.iso | pt | |
| dc.publisher | Centro Universitário Alves Faria | |
| dc.publisher.country | Brasil | |
| dc.publisher.initials | UNIALFA | |
| dc.publisher.program | Programa de Pós-Graduação em Administração | |
| dc.subject | Inteligência Artificial | |
| dc.subject | Modelo de Aceitação de Tecnologia (TAM) | |
| dc.subject | Facilidade de Uso Percebida (PEOU) | |
| dc.subject | Assistência a saúde | |
| dc.title | Aceitação de inteligência artificial na prática médica: um estudo em uma rede privada de hospitais no Brasil |
Arquivos
Pacote Original
1 - 1 de 1