高錦萍，葉小婷，李媛媛，劉容容

1.廈門(mén)市第五醫(yī)院，福建361101；2.中國(guó)中醫(yī)科學(xué)院廣安門(mén)醫(yī)院

人工智能(artificial intelligence,AI)被定義為以更有效的方式執(zhí)行人類(lèi)任務(wù)的“智能裝置”[1]，可提高服務(wù)的精準(zhǔn)化水平。相關(guān)研究調(diào)查了人工智能在醫(yī)療保健中的適用性和效率，例如人工智能已被證明可以提高臨床工作流程的效率，從而縮短咨詢(xún)和治療等待的時(shí)間，提高診斷速度，提高風(fēng)險(xiǎn)和結(jié)果預(yù)測(cè)的準(zhǔn)確性，但其在提供優(yōu)質(zhì)護(hù)理方面的特殊性是有限的[2-3]。Kueper等[4]評(píng)估了人工智能在初級(jí)保健中的可用范圍，但沒(méi)有說(shuō)明人工智能對(duì)護(hù)理的影響。Maalouf等[5]也報(bào)道了機(jī)器人在護(hù)理中的應(yīng)用，但沒(méi)有詳細(xì)說(shuō)明機(jī)器人對(duì)護(hù)理質(zhì)量的影響。Joseph等[6]研究側(cè)重于人工智能在語(yǔ)音識(shí)別技術(shù)中的應(yīng)用，以提高臨床護(hù)理記錄的效率和準(zhǔn)確性。因此，有必要對(duì)人工智能在改善護(hù)理方面的應(yīng)用進(jìn)行范圍綜述，以明確人工智能是否能通過(guò)提供優(yōu)質(zhì)護(hù)理解決日益增長(zhǎng)的醫(yī)療需求，通過(guò)護(hù)士與人工智能的集成，改善整個(gè)醫(yī)療結(jié)構(gòu)和流程，同時(shí)保持護(hù)理的核心價(jià)值觀，即提供情感護(hù)理和關(guān)注病人需求。

1 資料與方法

1.1 明確研究問(wèn)題，確定相關(guān)概念

范圍綜述的本質(zhì)是針對(duì)研究現(xiàn)象相關(guān)概念提供一個(gè)解釋性分析，需要對(duì)研究對(duì)象展開(kāi)多方面的探討。本范圍綜述提出的研究問(wèn)題主要為：人工智能如何改善臨床護(hù)理及人工智能在護(hù)理領(lǐng)域中的應(yīng)用場(chǎng)景。本研究涉及的概念為人工智能。人工智能指的是在計(jì)算機(jī)科學(xué)、控制論、信息論等多種學(xué)科研究的基礎(chǔ)上發(fā)展起來(lái)的一門(mén)綜合性交叉學(xué)科，是集新技術(shù)、新觀念、新理念的前言學(xué)科，應(yīng)用于醫(yī)學(xué)、軍事、語(yǔ)言識(shí)別等多個(gè)領(lǐng)域[7]。

1.2 文獻(xiàn)納入與排除標(biāo)準(zhǔn)

納入標(biāo)準(zhǔn)：①用于護(hù)理領(lǐng)域的人工智能；②人工智能終端使用者為護(hù)士。排除標(biāo)準(zhǔn)：①無(wú)法獲取全文的文獻(xiàn)；②重復(fù)發(fā)表的文獻(xiàn)；③會(huì)議論文、綜述、研究方案、書(shū)籍章節(jié)、政策性報(bào)告文件。

1.3 文獻(xiàn)檢索策略

計(jì)算機(jī)檢索PubMed、CINAHL、EMbase、Web of Science、MedLine、the Cochrane Library、Scopus、中國(guó)知網(wǎng)(CNKI)、中國(guó)生物醫(yī)學(xué)文獻(xiàn)數(shù)據(jù)庫(kù)(CBM)、萬(wàn)方數(shù)據(jù)庫(kù)(WanFang Database)、維普數(shù)據(jù)庫(kù)(VIP)。檢索時(shí)限均為各數(shù)據(jù)庫(kù)建庫(kù)至2021年11月15日。中文檢索詞為：人工智能，機(jī)器人，護(hù)理，護(hù)士等。英文檢索詞為intelligence、artificial、computational intelligence、machine intelligence、computer reasoning、computer vision systems、computer vision system、nurse、personnel、nursing、nursing personnel、registered nurses等,追溯納入研究的參考文獻(xiàn)。以PubMed為例，具體檢索策略如下。

#1 artificial intelligence[MeSH]

#2 "intelligence,artificial" OR computational intelligence OR "intelligence,computational" OR machine intelligence OR "intelligence,machine" OR "computer reasoning" OR "reasoning,computer" OR "AI " OR "computer vision systems" OR "computer vision system" OR "system,computer vision" OR "systems,computer vision" OR "vision system,computer" OR "vision systems,computer" OR "knowledge acquisition(computer)" OR "acquisition,knowledge(computer)" OR "knowledge representation(computer)" OR "knowledge representations(computer)" OR "representation,knowledge(computer)"

#3 #1 OR #2

#4 nursing[MeSH]

#5 nursings

#6 #4 OR #5

#7 nurses[MeSH]

#8 nurse OR "personnel,nursing" OR nursing personnel OR "registered nurses" OR "nurse,registered" OR "nurses,registered" OR "registered nurse"

#9 #7 OR #8

#10 #3 AND #6 OR #9

1.4 文獻(xiàn)的篩選、數(shù)據(jù)提取與分析

由2位評(píng)價(jià)者分別對(duì)文獻(xiàn)進(jìn)行篩選。首先，通過(guò)閱讀文題和摘要，剔除重復(fù)和不符合納入標(biāo)準(zhǔn)的文獻(xiàn)；其次，對(duì)可能納入的文獻(xiàn)進(jìn)一步閱讀全文并交叉核對(duì)結(jié)果；對(duì)存有異議的文獻(xiàn)，由2位評(píng)價(jià)者共同討論協(xié)商，仍不能取得一致意見(jiàn)時(shí)，請(qǐng)第3位評(píng)價(jià)者進(jìn)一步評(píng)價(jià)。文獻(xiàn)數(shù)據(jù)由2名研究者獨(dú)立提取，主要提取內(nèi)容包括：①文獻(xiàn)的基本信息，即題目、作者、發(fā)表年限、國(guó)家或地區(qū)；②研究類(lèi)型、樣本量、干預(yù)手段類(lèi)型、干預(yù)內(nèi)容要素、結(jié)果等。

2 結(jié)果

2.1 文獻(xiàn)檢索流程及結(jié)果

初步檢索出相關(guān)文獻(xiàn)15 976篇，借助EndNote X9，剔除重復(fù)文獻(xiàn)7 770篇，通過(guò)閱讀題目和摘要剔除文獻(xiàn)7 997篇，進(jìn)一步閱讀全文后剔除文獻(xiàn)161篇，其中14篇無(wú)法獲取全文、18篇綜述、18篇會(huì)議論文/社會(huì)評(píng)論、111篇研究對(duì)象不符，最終納入48篇文獻(xiàn)[8-55]。文獻(xiàn)篩選流程及結(jié)果見(jiàn)圖1。

2.2 納入研究的基本特征(見(jiàn)表1)

2.3 人工智能應(yīng)用場(chǎng)景

2.3.1 監(jiān)測(cè)

3項(xiàng)研究[8-10]分別監(jiān)測(cè)重癥監(jiān)護(hù)室病人、慢性疾病病人、冠狀動(dòng)脈搭橋術(shù)后病人生命體征的變化，研究表明，人工智能監(jiān)測(cè)可幫助護(hù)士提前意識(shí)到生命體征的變化，防止病人病情惡化。3項(xiàng)研究[11-13]分別監(jiān)測(cè)急性精神病病人、癲癇病人和行為障礙發(fā)作病人。Barrera等[13]研究表明，數(shù)字輔助護(hù)理觀察可維護(hù)病人的安全，同時(shí)可改善病人在精神病病房的體驗(yàn)；Lin等[12]研究表明，基于癲癇腦電分類(lèi)、可視化和超聲識(shí)別算法可以為護(hù)士提供有用的信息；Nauta等[11]研究表明，社交機(jī)器人可以通過(guò)接近出現(xiàn)行為障礙的居民，為護(hù)理者提供技術(shù)支持工具。1項(xiàng)研究[14]監(jiān)測(cè)膿毒癥風(fēng)險(xiǎn)，研究表明，從生命體征、住院時(shí)間、年齡和入院數(shù)據(jù)計(jì)算出的膿毒癥風(fēng)險(xiǎn)，有助于護(hù)士早期發(fā)現(xiàn)風(fēng)險(xiǎn)。1項(xiàng)研究[15]通過(guò)攝像頭實(shí)時(shí)獲取病人喉部的視頻圖像，對(duì)異常情況進(jìn)行警告，幫助護(hù)理人員更有效地處理痰阻塞問(wèn)題。1項(xiàng)研究[16]監(jiān)測(cè)壓力性損傷的發(fā)生，對(duì)病人的生理指標(biāo)進(jìn)行實(shí)時(shí)監(jiān)測(cè)和反饋處理，在平均2 h的巡視頻率下，壓力性損傷的發(fā)生率顯著降低(4.1%)。1項(xiàng)研究[17]監(jiān)測(cè)靜脈輸液，研究表明，采用基于模糊控制算法計(jì)算控制器輸出的紅外雙光電管測(cè)量輸液速度，具有調(diào)速精度高、響應(yīng)速度快、穩(wěn)態(tài)誤差小等優(yōu)點(diǎn)，可廣泛應(yīng)用于臨床輸液。

2.3.2 預(yù)測(cè)

6項(xiàng)研究[18-22,55]預(yù)測(cè)跌倒發(fā)生的結(jié)果表明，通過(guò)確定跌倒的風(fēng)險(xiǎn)因素、實(shí)時(shí)監(jiān)測(cè)跌倒風(fēng)險(xiǎn)變化等，可提高護(hù)士對(duì)病人發(fā)生跌倒的預(yù)警，降低跌倒的發(fā)生。4項(xiàng)研究[23-26]預(yù)測(cè)壓力性損傷的發(fā)生。Cho等[26]研究表明，干預(yù)組住院獲得性壓力性損傷發(fā)生率從21.0%下降到4.0%，重癥監(jiān)護(hù)室住院天數(shù)從7.6 d縮短到5.2 d；Hu等[25]利用分類(lèi)技術(shù)建立國(guó)內(nèi)住院病人壓力性損傷預(yù)測(cè)模型，能夠準(zhǔn)確識(shí)別87.2%的壓力性損傷病人，幫助護(hù)士識(shí)別壓力性損傷高危病人；Ladios-Martin等[23]構(gòu)建的壓力性損傷風(fēng)險(xiǎn)評(píng)估系統(tǒng)可有效預(yù)測(cè)壓力性損傷的風(fēng)險(xiǎn)，使護(hù)士能夠在不增加工作量的情況下，將重點(diǎn)放在壓力性損傷高風(fēng)險(xiǎn)的病人身上；Kim等[24]研究表明，基于Braden量表的自動(dòng)化風(fēng)險(xiǎn)評(píng)估工具有助于提高護(hù)理文件書(shū)寫(xiě)的效率和一致性以及壓力性損傷的護(hù)理質(zhì)量。2項(xiàng)研究[27-28]預(yù)測(cè)醫(yī)院獲得性尿路感染，Zacharia等[27]研究表明，利用入院時(shí)常規(guī)可用的電子數(shù)據(jù)進(jìn)行自動(dòng)準(zhǔn)確尿路感染風(fēng)險(xiǎn)評(píng)估，可以減輕護(hù)士在電子病歷中填寫(xiě)和記錄額外風(fēng)險(xiǎn)評(píng)估表的負(fù)擔(dān)；Park等[28]研究表明，使用知識(shí)發(fā)現(xiàn)和數(shù)據(jù)挖掘方法的護(hù)理研究，可為復(fù)雜健康問(wèn)題病人量身定制干預(yù)和管理策略。1項(xiàng)[29]預(yù)測(cè)老年人死亡風(fēng)險(xiǎn)的研究表明，決策樹(shù)是根據(jù)常規(guī)收集的護(hù)理數(shù)據(jù)開(kāi)發(fā)的預(yù)測(cè)模型，可納入常規(guī)護(hù)理，作為識(shí)別老年人死亡風(fēng)險(xiǎn)的決策支持工具。1項(xiàng)[30]早期預(yù)測(cè)危急心肺警報(bào)的研究表明，減少新生兒重癥監(jiān)護(hù)病房的警報(bào)疲勞，四分之一的緊急(紅色)警報(bào)提前約18.4 s預(yù)測(cè)，只有7%的緊急警報(bào)預(yù)測(cè)錯(cuò)誤，為護(hù)士提供了更長(zhǎng)的響應(yīng)時(shí)間。

2.3.3 護(hù)理診斷

5項(xiàng)研究[31-35]探討人工智能在護(hù)理診斷中的應(yīng)用。Chen等[35]研究表明，腎結(jié)石的診斷急性護(hù)理算法可幫助護(hù)士和醫(yī)護(hù)人員在分診期間進(jìn)行診斷，從而簡(jiǎn)化病人在急性護(hù)理中的管理；Alimul-Hidayat等[34]研究表明，專(zhuān)家系統(tǒng)的兒童護(hù)理診斷測(cè)試結(jié)果與護(hù)士的護(hù)理診斷結(jié)果具有100%的相似性；Mcheick等[31]研究表明，該系統(tǒng)按重要性順序提供了11個(gè)慢性阻塞性疾病風(fēng)險(xiǎn)的相關(guān)因素，提高了護(hù)理診斷的準(zhǔn)確性；Liao等[32-33]研究表明，病人護(hù)理診斷的準(zhǔn)確率為87.41%，護(hù)理診斷方面的工作滿(mǎn)意度從41.1%提高到75.0%，決策時(shí)間從35.5 min縮短到19.8 min。

2.3.4 傷口管理

2項(xiàng)研究[36-37]報(bào)道了人工智能在傷口管理中的應(yīng)用。Sellmer等[36]開(kāi)發(fā)應(yīng)用于靜脈潰瘍的專(zhuān)家系統(tǒng)，涉及治療進(jìn)展、醫(yī)療費(fèi)用的監(jiān)測(cè)和記錄以及對(duì)最適合的治療程序，使護(hù)士的工作變得系統(tǒng)化；Abranches等[37]開(kāi)發(fā)了以護(hù)士為主導(dǎo)的壓力性損傷管理專(zhuān)家系統(tǒng)，專(zhuān)家系統(tǒng)的使用縮短了評(píng)估傷口的時(shí)間(專(zhuān)家系統(tǒng)組評(píng)估時(shí)間為231.2 s；護(hù)士組評(píng)估時(shí)間為273.8 s)

2.3.5 護(hù)理信息管理系統(tǒng)

5項(xiàng)研究[38-42]探究護(hù)理信息管理系統(tǒng)在臨床護(hù)理工作中的應(yīng)用效果。白艷玲等[42]探究移動(dòng)護(hù)理信息管理系統(tǒng)在冠心病病人中的應(yīng)用，研究表明，試驗(yàn)組的滿(mǎn)意度、健康宣教知曉率、護(hù)理記錄合格率均高于對(duì)照組,差異有統(tǒng)計(jì)學(xué)意義(P<0.05)；同時(shí)生命體征采集、醫(yī)囑處理、護(hù)理文書(shū)保存、護(hù)患糾紛等護(hù)理不良事件發(fā)生率低于對(duì)照組，差異有統(tǒng)計(jì)學(xué)意義(P<0.05)；謝春梅[41]探究移動(dòng)護(hù)理站在內(nèi)科的應(yīng)用，研究表明試驗(yàn)組護(hù)理質(zhì)量評(píng)分和滿(mǎn)意度均顯著高于對(duì)照組,差異有統(tǒng)計(jì)學(xué)意義(P<0.05)；楊燕妮等[40]研究個(gè)人數(shù)碼助理在心內(nèi)科的應(yīng)用，研究表明，與應(yīng)用前比較,應(yīng)用個(gè)人數(shù)碼助理后護(hù)理缺陷事件的發(fā)生率顯著下降,病人對(duì)護(hù)理的滿(mǎn)意度明顯提高,差異均有統(tǒng)計(jì)學(xué)意義(P<0.05)；Moen等[38-39]研究護(hù)理信息系統(tǒng)在心臟病病人的應(yīng)用，研究表明，所提出的系統(tǒng)為自由編寫(xiě)的護(hù)理敘述產(chǎn)生了一個(gè)連貫且合乎邏輯的結(jié)構(gòu)，并有可能減少護(hù)士目前花費(fèi)在醫(yī)院護(hù)理記錄上的時(shí)間和精力。

2.3.6 數(shù)據(jù)采集

3項(xiàng)研究[43-45]探索人工智能在病人數(shù)據(jù)采集中的應(yīng)用。Boumans等[45]研究表明，社交機(jī)器人能夠自主地、可接受地采訪(fǎng)老年人并收集有效的數(shù)據(jù)；Ongenae等[43]研究表明，eHealth應(yīng)用程序可根據(jù)用戶(hù)的需要和偏好自動(dòng)調(diào)整其參數(shù)，為其呼叫合適的護(hù)理人員；Gannod等[44]研究表明，機(jī)器學(xué)習(xí)推薦系統(tǒng)可減少完成日常偏好量表訪(fǎng)談所需的時(shí)間，同時(shí)可納入重要的偏好信息，為居民提供關(guān)于潛在偏好的建議，具有較高的準(zhǔn)確率。

2.3.7 疼痛護(hù)理

3項(xiàng)研究[46-48]探究人工智能在病人疼痛中的應(yīng)用。Sikka等[46]將計(jì)算機(jī)視覺(jué)算法應(yīng)用于5～18歲經(jīng)腹腔鏡闌尾切除術(shù)后病人的疼痛評(píng)估，研究表明，計(jì)算機(jī)視覺(jué)算法疼痛評(píng)估結(jié)果與護(hù)士相當(dāng)；Jibb等[47]將MEDiPORT機(jī)器人應(yīng)用于癌癥兒童的疼痛評(píng)估，研究表明，MEDiPORT機(jī)器人可用于評(píng)估和減輕癌癥兒童疼痛；Beran等[48]研究仿真機(jī)器人在減輕4～9歲兒童接種流感疫苗疼痛中的應(yīng)用，結(jié)果表明，與對(duì)照組(18.52%)相比，仿真機(jī)器人組兒童在接種中的微笑時(shí)間更長(zhǎng)(41.32%)。

2.3.8 疾病護(hù)理

3項(xiàng)研究[49-51]探究人工智能在疾病護(hù)理中的應(yīng)用。Bemelmans等[50]研究社會(huì)輔助型海豹機(jī)器人在老年癡呆病人心理護(hù)理中的應(yīng)用，結(jié)果表明，社會(huì)輔助型海豹機(jī)器人可以提高老年人的護(hù)理質(zhì)量和生活質(zhì)量；Jones等[49]研究治療型寵物機(jī)器人PARO在老年癡呆病人中的應(yīng)用，研究表明，嚴(yán)重躁動(dòng)的參與者對(duì)PARO反應(yīng)不佳，在臨床實(shí)踐中，建議PARO僅限于輕度和中度躁動(dòng)的人群；李慧等[51]將智能機(jī)器人應(yīng)用于骨科病人護(hù)理的研究表明，智能機(jī)器人具有可顯著提升病人就醫(yī)體驗(yàn)感、為病人提供實(shí)時(shí)數(shù)據(jù)監(jiān)測(cè)、避免護(hù)理盲區(qū)、減輕護(hù)理人員的工作負(fù)擔(dān)等優(yōu)點(diǎn)。

2.3.9 藥物配制

1項(xiàng)研究[52]將智能靜脈藥物配制機(jī)器人應(yīng)用于藥物配制，結(jié)果表明，智能靜脈藥物配制機(jī)器人可減輕護(hù)士工作量和勞動(dòng)強(qiáng)度、優(yōu)化職業(yè)防護(hù)以及提升藥品沖配質(zhì)量。

2.3.10 器械管理

1項(xiàng)研究[53]將達(dá)·芬奇機(jī)器人應(yīng)用于手術(shù)器械的管理，結(jié)果表明，達(dá)·芬奇機(jī)器人可有效提高器械使用壽命,降低器械磨損和破損率,提高手術(shù)成功率。

2.3.11 靜脈采血

1項(xiàng)研究[54]探究MNS R400靜脈采血機(jī)器人在靜脈采血中的應(yīng)用效果，結(jié)果表明，自動(dòng)靜脈采血機(jī)器人可提高采血成功率,減少病人痛苦,降低不良事件的發(fā)生率。

2.4 用于改善護(hù)理的常見(jiàn)人工智能技術(shù)

本研究總結(jié)了5種常見(jiàn)的人工技能技術(shù)：機(jī)器學(xué)習(xí)(machine learning)、深度學(xué)習(xí)(deep learning)、專(zhuān)家系統(tǒng)(expert system)、模糊邏輯(fuzzy logic)和自然語(yǔ)言處理(natural language processing)。

2.4.1 機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)是指使用算法自動(dòng)建模，是最常用的人工智能技術(shù)。該過(guò)程通常從數(shù)據(jù)準(zhǔn)備和數(shù)據(jù)挖掘開(kāi)始，將原始數(shù)據(jù)轉(zhuǎn)化為對(duì)特定病例有用的數(shù)據(jù)。5項(xiàng)研究[9-10,12,14-15]表明，機(jī)器學(xué)習(xí)可以提高病人監(jiān)測(cè)的速度和效率，滿(mǎn)足護(hù)士收集和監(jiān)測(cè)病人生命體征的需求。Tóth等[56]研究表明，通常護(hù)士夜班時(shí)間大概要花20%～35%的時(shí)間用于記錄病人的生命體征，借助機(jī)器學(xué)習(xí)，可以更輕松地收集和監(jiān)測(cè)生命體征，為護(hù)士騰出更多時(shí)間來(lái)執(zhí)行其他任務(wù)(如護(hù)患溝通或其他護(hù)理任務(wù))，減少護(hù)士的工作量。此外，機(jī)器學(xué)習(xí)還可以預(yù)測(cè)跌倒、壓力性損傷、尿路感染等護(hù)理問(wèn)題，使護(hù)士能夠更好地精確定位，并專(zhuān)注于解決某些更重要的護(hù)理問(wèn)題，產(chǎn)生更有效的護(hù)理。

2.4.2 深度學(xué)習(xí)

深度學(xué)習(xí)是指使用人工神經(jīng)網(wǎng)絡(luò)來(lái)識(shí)別和分類(lèi)數(shù)據(jù)模式，5項(xiàng)研究利用深度學(xué)習(xí)，通過(guò)快速準(zhǔn)確的診斷[32-33]、更有效的生理監(jiān)測(cè)[13,16]和跌倒預(yù)測(cè)[21]來(lái)加強(qiáng)護(hù)理。

2.4.3 專(zhuān)家系統(tǒng)

專(zhuān)家系統(tǒng)是指模仿人類(lèi)專(zhuān)家決策過(guò)程的計(jì)算機(jī)系統(tǒng)，專(zhuān)家系統(tǒng)的開(kāi)發(fā)通常先收集專(zhuān)家護(hù)士對(duì)某一醫(yī)療問(wèn)題的意見(jiàn)，然后形成知識(shí)庫(kù)，將其分類(lèi)為不同的產(chǎn)生式規(guī)則，再將特定醫(yī)療問(wèn)題的數(shù)據(jù)輸入專(zhuān)家系統(tǒng)，在專(zhuān)家系統(tǒng)中，推理機(jī)解釋醫(yī)療問(wèn)題并應(yīng)用知識(shí)庫(kù)中發(fā)現(xiàn)的某些產(chǎn)生式規(guī)則。納入的文獻(xiàn)展示了專(zhuān)家系統(tǒng)的使用，以提高護(hù)士的傷口護(hù)理質(zhì)量[36-37]、護(hù)理診斷[34]和預(yù)測(cè)壓力性損傷[24]。

2.4.4 模糊邏輯

模糊邏輯是指根據(jù)一組不精確的數(shù)據(jù)進(jìn)行估計(jì)的推理方法。2項(xiàng)研究使用模糊邏輯使護(hù)士能夠監(jiān)測(cè)靜脈輸液[17]和生命體征[8]。

2.4.5 自然語(yǔ)言處理

自然語(yǔ)言處理是指對(duì)大量人類(lèi)語(yǔ)言數(shù)據(jù)的處理，以獲得意義并執(zhí)行各種過(guò)程，如決策。2項(xiàng)研究[38-39]提到在電子健康記錄系統(tǒng)中記錄的臨床護(hù)理輪班記錄上使用自然語(yǔ)言處理。句子首先被劃分為語(yǔ)義信息片段，然后被劃分為各自的主題標(biāo)題，以便于將來(lái)的文檔記錄，并鼓勵(lì)使用標(biāo)準(zhǔn)化術(shù)語(yǔ)。

3 討論

3.1 納入文獻(xiàn)結(jié)果分析

本研究共納入48項(xiàng)研究，關(guān)于人工智能用途排名前3位的為病人護(hù)理問(wèn)題的預(yù)測(cè)、病人監(jiān)測(cè)和護(hù)理診斷，大部分研究都是開(kāi)發(fā)型研究，試驗(yàn)類(lèi)研究較少，雖然部分開(kāi)發(fā)型研究也涵蓋了大樣本，在開(kāi)發(fā)過(guò)程中也經(jīng)過(guò)不斷的測(cè)試，但是大多數(shù)數(shù)據(jù)都是回顧性研究，較少是通過(guò)真實(shí)世界研究所得。因此，當(dāng)所開(kāi)發(fā)的程序遇到與算法演練中不一致的真實(shí)數(shù)據(jù)時(shí)，程序所得結(jié)論的準(zhǔn)確性就需謹(jǐn)慎對(duì)待。另外人工智能程序的結(jié)果[57]是通過(guò)受試者工作特征曲線(xiàn)面積、陰性預(yù)測(cè)值、陽(yáng)性預(yù)測(cè)值、敏感性和特異性等指標(biāo)來(lái)呈現(xiàn)，但是受試者工作特征曲線(xiàn)面積不一定是臨床適用性的最佳指標(biāo)，并且很多的臨床醫(yī)務(wù)人員并不容易理解，而且這些指標(biāo)也未能最終反映對(duì)病人最重要的方面，即該程序的使用是否會(huì)導(dǎo)致病人護(hù)理的有益改變。鑒于目前人工智能技術(shù)在準(zhǔn)確性(如因分析和預(yù)測(cè)準(zhǔn)確性導(dǎo)致某些醫(yī)療問(wèn)題)、自動(dòng)化程度(例如侵犯隱私)、終端用戶(hù)的理解(如護(hù)士對(duì)人工智能生成的提示和建議的遵循程度)等方面還需進(jìn)一步檢測(cè)，因此，未來(lái)的研究可以真實(shí)研究設(shè)計(jì)和調(diào)查實(shí)施人工智能的實(shí)用性為主。

3.2 人工智能的應(yīng)用場(chǎng)景

人工智能最常應(yīng)用于預(yù)測(cè)病人的護(hù)理問(wèn)題，其中以跌倒最為常見(jiàn)。跌倒是造成住院病人人身傷害和死亡的主要原因[58]。據(jù)估計(jì)，在美國(guó)，醫(yī)院每年發(fā)生100萬(wàn)例次跌倒，相關(guān)的直接醫(yī)療費(fèi)用為500億美元[59-60]。50%的住院病人跌倒導(dǎo)致受傷，10%導(dǎo)致重傷，1%導(dǎo)致死亡[61]。如果已知與這些不良事件相關(guān)的重要因素，則可以在很大程度上防止病人跌倒[62]。而人工智能系統(tǒng)經(jīng)過(guò)培訓(xùn)，能夠自動(dòng)跟蹤數(shù)據(jù)并識(shí)別病人的異常情況，通過(guò)及時(shí)警報(bào)來(lái)提醒護(hù)理人員，特別是在危重護(hù)理環(huán)境中，一方面減少了護(hù)理不良事件的發(fā)生，另一方面也減少了護(hù)士工作量。

有效的溝通技巧是護(hù)理不可分割的一部分，也是高質(zhì)量護(hù)理的基礎(chǔ)[63]。然而，在本研究納入的研究中尚未有關(guān)于人工智能改善護(hù)患溝通和病人教育的相關(guān)研究。盡管有多項(xiàng)研究將人工智能作為一種工具來(lái)改善醫(yī)療人員的溝通技能培訓(xùn)[64-65]，但在臨床環(huán)境中實(shí)際實(shí)施仍然缺乏。這可能是因?yàn)楸M管人工智能是一種模仿人類(lèi)智能的智能實(shí)體，但其很難將護(hù)士的同情心、同理心復(fù)制到病人身上。因此，在未來(lái)應(yīng)進(jìn)一步探索人工智能在協(xié)助護(hù)患互動(dòng)中的應(yīng)用。

3.3 人工智能在護(hù)理領(lǐng)域中的應(yīng)用展望

目前，我國(guó)面臨著人口老齡化、慢性疾病患病率增加、社會(huì)照護(hù)負(fù)擔(dān)加重等問(wèn)題與挑戰(zhàn)，護(hù)理工作內(nèi)涵和范疇也正在從醫(yī)院向社區(qū)、家庭以及康復(fù)、慢性疾病管理等領(lǐng)域延伸，需要不斷改革和創(chuàng)新護(hù)理服務(wù)理念和模式來(lái)精準(zhǔn)對(duì)接人民群眾多樣化、差異化的健康需求，人工智能在護(hù)理領(lǐng)域中的應(yīng)用，可在一定程度上緩解護(hù)理人員不足的壓力和減少護(hù)理工作量，有一定的應(yīng)用前景。人工智能技術(shù)未來(lái)的發(fā)展取決于理論和應(yīng)用的一系列改進(jìn)，護(hù)士和醫(yī)務(wù)人員需要更多的培訓(xùn)來(lái)更好地與機(jī)器人合作，從而將機(jī)器人視為助手而不是競(jìng)爭(zhēng)者。在開(kāi)發(fā)人工智能的同時(shí)，還需建立相應(yīng)的制度、規(guī)范和法律來(lái)規(guī)避相關(guān)的風(fēng)險(xiǎn)，增加人工智能應(yīng)用的安全性，護(hù)理人員也應(yīng)主動(dòng)學(xué)習(xí)人工智能相關(guān)的知識(shí)，參與人工智能的可行性和實(shí)用性研究。

4 小結(jié)

由于醫(yī)療保健需求的增加和醫(yī)療資源的有限，醫(yī)療保健面臨著供不應(yīng)求的局面，而人工智能因其通過(guò)提高工作效率來(lái)改善醫(yī)療保健供應(yīng)和質(zhì)量而越來(lái)越受到歡迎，該范圍綜述通過(guò)對(duì)人工智能在護(hù)理領(lǐng)域中應(yīng)用的概述，了解人工智能在提高護(hù)理質(zhì)量方面的適用性和潛力，由于關(guān)于人工智能在護(hù)理領(lǐng)域的試驗(yàn)性研究較少，今后還需開(kāi)展更多高質(zhì)量的隨機(jī)對(duì)照試驗(yàn)驗(yàn)證人工智能的適用性，除了開(kāi)展隨機(jī)對(duì)照試驗(yàn)，還需更全面地考慮不同環(huán)境、情境下人工智能的使用。