根据我们的研究结果，人工智能增强的护理路径规划和调度系统排名最高的功能与患者和单位层面的风险评估、患者分析以及共享资源(例如，人员、时间)的使用有关。在文献中，人工智能增强的调度系统已被用于识别可修改的风险因素，并将患者分为高风险组和低风险组，以提前优化预防措施[1，19，20.］．此外，智能数字服务已被用于预测手术时间(DOS) [2，3.，4，5，6，7]及术后住院时间[2]以高度精确地优化资源管理。
UI中排名最高的功能与ML模型的可解释性(例如，预测器，可视化)有关，这符合新采用的欧洲医疗器械法规(EU 2017/745) [21]，即将生效的《欧盟人工智能法案》(2021/0106/COD) [22]，以及倡议的数字健康软件预认证(预证书)计划[23］．总的来说，对人工智能预测的不确定性和不信任一直是广泛采用医疗人工智能的主要障碍[13］．这种不信任通常是由于缺乏模型可解释性，其中底层算法的输入和输出之间的关系是不清楚的[24］．
此外，由于组织方面的原因(例如，动机准备程度、机构资源、员工属性和组织氛围)，许多组织仍不熟悉数字化转型[14]、技术性(例如，技术能力有限)和非技术性(例如，缺乏管理支持)挑战[25］．在这方面，组织对采用人工智能的准备对技术变革的成功至关重要。根据Jöhnk等人。[25]，人工智能可能的应用场景并不总是直接明显的，组织必须了解技术，以决定预期的采用目的。因此，组织必须不断评估和发展他们的人工智能准备，包括人工智能采用过程中的战略调整(人工智能业务潜力，客户人工智能准备)，资源(例如，财务预算，IT基础设施)，知识(例如，人工智能意识，提升技能，人工智能道德)，文化(例如，变革管理，创新性)和数据(例如，可用性，质量)，以确保其成功集成并避免不必要的投资和成本[14，25］．
在这项研究中，最相关的功能与情景感知(例如，不良反应的风险、临床恶化或分类)有关，而不是优化资源使用(例如，取消、逾期、不必要的实验室测试等)或组织必要性，突出了人工智能准备工作的具体背景和特定目的的角度。在之前的文献中，用户对数字转型的看法在不同的专业群体之间有所不同，表明了与特定角色和责任相关的不同需求和期望[26］．
本研究获得的结果突出了手术路径的术前阶段(例如，个性化风险评估和优化)。然而，必须指出的是，对于改善工作流程和减少阻塞等护理的连续性和协调，术中阶段(例如，实际的DOS)和术后阶段(例如，不良反应/事件的早期发现)同样重要。此外，可解释的人工智能也可用于促进共享决策，帮助患者了解他们的个人风险和结果，根据个人需求和目标选择可用的治疗方案[25］．然而，目前信息系统的使用似乎是向后看的。
提高信任需要在不久的将来开发更透明的ML方法。事实上，人类与人工智能的互动可以提高医疗人工智能的透明度，从而支持准确和可信的决策[15］．此外，应考虑受访者的专业知识以及新颖的研究方法。尽管人们对人工智能普遍不熟悉，但它的未来是充满希望的。在创新项目中，需要新的方法来识别“未知的未知”。
限制
我们的研究在抽样、参与和反应偏差方面存在一些局限性。首先，样本量有限，但仍覆盖了三个不同国家的五所大学医院。此外，没有计算所选专家的反应率。其次，大多数受访者是医生。此外，大多数受访者来自芬兰，这可能影响了感知相关性。然而，调查被发送给所有合适的专家，包括所有职业。此外，当地联络人也多次发出调查通知。然而，我们无法控制多个提交(如果有的话)和意外的应答者。第三，反应偏差也可能对调查的效度产生影响。通过匿名调查，这种研究偏差被最小化。 Fourth, the relevance of statements concerning AI functionalities was considered somewhat relevant. This might be due to the low level of organizational readiness for AI in healthcare.
