近十年人工智能在国内护理领域的应用现状

沈 明，徐佳慧，钱志刚

(蚌埠医学院研究生院，安徽 蚌埠 233030)

人工智能(artificial intelligence，AI)于1956年由McCarthy[1]首次提出，是通过模拟人类，创造出具有智能的应用系统和机器，或对智能本身进行研究、记录、再现的一门新兴技术学科[2]。AI深入各行各业，发展日新月异，中、美、日等国已出台相关政策将人工智能擢升到国家高度[3]。2017年3月，中国政府首次将人工智能写入报告[4]；《国务院办公厅关于促进“互联网+医疗健康”发展的意见》[5]中指出，要不断探索和建设以人工智能技术为基础的新护理治疗模式。随着社会人口不断增长，就医群体逐渐扩大，致使护理人力资源紧缺，对智能护理技术呼声日益增高，AI技术可满足大众对护理服务的需求，减轻护理人员劳动强度，提升护理服务水平，AI的快速发展将对护理模式的改变产生重大而深远的影响[6]。本文通过CSCD对国内人工智能在护理领域有关文章进行文献计量和共词分析，旨在剖析当前国内人工智能在护理领域已有的研究成果和热点。

1 资料与方法

1.1 文献来源和检索方法以CNKI作为国内文献检索数据库，以“期刊数据库”为检索平台，在高级检索中检索：主题=“护理”或者“护士”并且主题=“人工智能”或者主题=“机器人”；主题=“智能护理”。为提高纳入文献质量，将来源类别设置为“CSCD”，限定条件中文，检索时限为2010年1月至2019年10月，检索时间为2019年10月15日。共检索出相关文献399篇。其中2019年文献检出量小于实际年刊出总量。

1.2 文献纳入和排除标准纳入标准：文献内容关于人工智能在国内护理领域的研究。排除标准：(1)重复刊载的文献；(2)人工智能在护理领域弱相关的文献；(3)会议综述、新闻报道、论坛、报纸评论、广告等非研究性文献。

1.3 研究工具和研究方法Bicomb 2.0[7]可以将文献年份、作者、期刊、关键词等重要信息进行提取、统计、创建词篇矩阵；SPSS 25.0统计软件可以将词篇矩阵转换成相关矩阵，进行聚类分析。文献计量是一种定量分析方法，以文献的外在特质如年份、作者、关键词、基金、期刊等作为研究对象，采用统计学来描述研究文献的整体波动趋势和相互因果关系[8]。共词分析法[9]是主要通过定位不同文献中的相同关键词，判别这一领域中不同核心的联系，因而构建出该领域的逻辑框架。

1.4 提取资料及统计学分析浏览标题和摘要部分，由2名评价员单独按照排除标准进行判断，意见不一致时，由第三人仲裁，最终得到样本文献134篇。主要提取步骤：(1)利用CNKI导出功能，以NoteFirst格式导出134篇有效文献的文本信息；(2)导入Bicomb 2.0，提取题名、作者、刊出年份、期刊来源和关键词信息进行文献计量；(3)在Bicomb 2.0中分析删除部分无意义关键词以及合并部分相似关键词，构建高频词词篇矩阵；(4)将词篇矩阵导入SPSS 25.0转换成相关矩阵，进行聚类分析。

2 结果

2.1 文献计量

2.1.1 年代分布 2010年至2019年CSCD数据库共收录人工智能在护理领域相关文献134篇，由图1可见，2010年至2019年国内人工智能在护理领域有关文章刊载量总体趋向上升。2010年至2012年处于低产期，共刊发18篇，占总篇数比例13.43%；2013年至2017年处于平稳增长期，共刊发74篇，占总篇数比例54.01%；2018年达到高峰，全年刊发文献26篇，约占总篇数的19.40%。因统计时间为2019年10月，所以2019年论文数量统计不完全，暂不纳入分析。

图1 2010年至2019年有关“人工智能在护理领域研究”的论文量随时间的变化

2.1.2 作者分布 发表人工智能在护理领域相关文献的作者共计494名，经统计发文量为1篇的著者共有471名，累计发文量占83.57%。现将我国人工智能护理领域研究发文前6位作者列于表1。由表1可见，发文量三篇以上的作者为胡志刚等6位作者，累计发文量占16.43%。

表1 发表有关“人工智能在护理领域研究”论文的高产作者

2.1.3 期刊分布 通过对人工智能护理领域相关文献期刊来源的统计，发现期刊分布范围较广，134篇人工智能护理领域文献分布在44种期刊中，表2显示4本刊载人工智能在护理领域相关论文13篇以上期刊的分布情况，总文献量69篇，累计刊载量占51.49%，《护理学杂志》刊发量24篇，位列第1。

表2 发表有关“人工智能在护理领域研究”论文的期刊分布情况

2.2 共词分析

2.2.1 提取高频关键词 利用Bicomb 2.0共提取关键词522个。为防止词频统计中关键词因表达不规范或涵义广泛影响最终结果，将词义相同或相近的关键词进行合并和剔除定义过于宽泛的关键词。如将“达芬奇机器人手术系统”、“达芬奇机器人”、“机器人手术”等统一命名为“手术机器人”；将“应用现状”、“效果”、“综述”等涵义过于宽泛的关键词剔除；由于在采用的主题词为“护理”、“护士”、“人工智能”和“机器人”，出现的频次为49词，线条过粗，并且没有过多的意义，因此将其在关键词列表中去除。通过双人反复校对和修订，最终得到有效关键词463个。根据孙清兰教授的词频估计法[10]，最终确定30个词频≥2的高频关键词(见表3)，占有效关键词的33.05%。这30个高频关键词在较大程度上反映近十年我国AI在护理领域的热点。

表3 有关“人工智能在护理领域研究”论文高频关键词

2.2.2 构建词篇矩阵 在Bicomb 2.0中将高频关键词创建出30×30的词篇矩阵。表4为部分词篇矩阵，第一行为文章相应序号，第一列是高频关键词，数值“1”表示在相应序号的文献中有关键词；数值“0”则表示没有[11]。例如手术机器人在编号01和05下为1，则表明其作为关键词在编号01和05相对应的文章中出现过。这种0和1的简单数字有利于后期校正和数据分析。

表4 高频词词篇矩阵(部分)

2.2.3 转换相关矩阵 将词篇矩阵导入SPSS 25.0转换成相关矩阵。Ochiai相关系数的值在0-1之间，表示关键词x和y共同出现的概率，数值的大小代表了两个关键词之间的相似度，数值越接近于1，表明两个关键词越相似[12]。如表5所示，手术机器人与老年人、手术机器人与护理配合的Ochiai系数分别为0、0.373，这表明研究样本中“老年人”“护理配合”与“手术机器人”所表示的相异度较大。此外，老年人与护理机器人的Ochiai系数0.222大于老年人与智能监护的Ochiai系数0.111，这在一定程度上表明老年人与护理机器人的相似程度大于智能监护的相似度，也就是说护理机器人在老年人护理领域更受研究者关注。

表5 高频词相关矩阵(部分)

2.3 聚类分析在SPSS 25.0软件中，将相关矩阵选择聚类得到高频词聚类树状图(图2)[13]。根据组间联接标度距离将图2进行划线区分为6类：第一类，教学机器人、教学实训、实习护生、护理教育、移动学习；第二类，临床护理、智能输液系统、静脉药物配置机器人；第三类，信息系统、临床决策支持系统、护理信息化、大数据、护理管理、移动护理、智能手机、延续护理、患者；第四类，手术机器人、护理配合、手术护理；第五类，老年人、服务机器人、护理机器人、卫生护理机器人；第六类，智能监护、康复机器人、辅助机器人、可穿戴设备、智能护理床、老年护理。从整体上将国内人工智能在护理领域的热点依次归纳为护理教育、临床护理、护理管理、手术护理，其中第五类和第六类为老年护理，占比最多。

图2 高频词聚类树状图

3 讨论

3.1 人工智能应用整体呈上升趋势我国人工智能在护理领域起步较晚，1987年[14]一篇介绍国外人工智能研究新进展的文章刊登，开启了我国对AI护理的认知先河。此后整体呈现出缓慢上升趋势，2017年稍有回落，在经过短暂调整后，2018年AI在护理领域研究又得到广泛关注，到达新高度，成为热点，可能与国务院于2017年围绕人工智能在医疗健康领域的应用颁布《国务院关于印发新一代人工智能发展规划的通知》[15]等文件有关。

3.2 人工智能应用研究深度尚待加强在我国，目前大部分研究学者的发文量为1篇，大多数作者对人工智能应用方面没有专项研究，重在描述已有成果，且学者群体较为分散。究其原因可能与我国AI应用研究时间较短，深度不够，与国外相比，尚存在较大进步空间。并且刊载相关文章的核心杂志较为局限，也侧面反映出现阶段AI技术对社会的深远影响未能有效呈现，公众认知度还不够高。主要分布在《护理学杂志》《中国护理管理》《中华护理杂志》和《解放军护理杂志》，组成了人工智能护理领域研究的热门期刊。

3.3 人工智能应用广度呈多元化

3.3.1 在护理教育中的应用 越来越多的人工智能教育辅助工具被应用于教育领域，成为教师教学和学生学习的得力助手，包括智能助理、教育机器人和智能导师系统等等[16]。智能助理可以帮助教师完成课堂辅助性或重复性的工作，如点名、监考、收发试卷和整理资料等，可减轻教师负担，提高工作效率[17]。教育机器人既可以吸引学生的注意力，又可以在实训教学中高度仿真，将抽象概念具象化，有利于护生熟悉操作[18]。护理教师还可以通过智能导师系统实时追踪护生的学习状态，对每个阶段的表现进行统计和分析，从而制定个性化教程，以提升护理教育的质量；护生则可实现移动学习，实时互动交流，及时答疑解惑[19]。

3.3.2 在临床护理中的应用 AI在临床护理中的应用从辅助护士工作和帮助患者康复出发，优化护理流程。智能输液系统通过监控输液设备，实现控制输液滴速、加温药液、应急报警等功能，融入信息管理系统，能对患者档案和药物信息记录管理，减少护理人员工作量[20]。智能静脉药物配置机器人通过保持洁净环境、精准配置药物、记录药物信息和处理废弃药液一系列流程，大大减轻静脉药物配置中心和肿瘤病房护士的工作强度，杜绝职业暴露带来的危险[21]，使护士有更多的时间和精力投入病人的疾病治疗管理中。

3.3.3 在护理管理中的应用 智能化的工作方式相比于传统工作方式，具有提高护理管理水平和减少护理差错事故等优点。护理决策支持系统能够协助护士制定护理计划，快速判断临床险况[22]。还可以与结构化护理电子病历系统相结合，在以往病历基础上植入评估高危因素、制定护理计划、健康宣教和智能警报功能[23]。移动护理信息系统通过移动护士工作站实现住院患者评估信息录入查询、全称跟踪医嘱执行情况、统计护士工作量等功能，可以识别病人信息、减少医疗差错、考核护理工作，为护理绩效管理和人力资源合理分配提供依据[24]。

3.3.4 在手术护理中的应用 除达芬奇手术机器人系统下所进行的围手术期护理配合外，手术室物流机器人系统和护理信息管理系统等形式为智能化手术室的构建提供了有利条件。在物联网技术下应用手术室智能物流机器人系统，自动完成手术室耗材采购、入库、领取、配送、盘货，既可以减轻护士的工作量，又可实现智慧物流和精细化管理[25]。手术室护理管理信息系统为提高患者转接率、压疮风险评估准确性和活检标本管理等环节提供平台，提高了手术室效率[26]。

3.3.5 在老年护理中的应用 在实际情况中，“养老”作为一种必然趋势，是到目前为止基于AI在护理领域探索最多的绝对热点，主要涵盖医院、家庭和养老机构三个地点，涉及人员护士，家庭成员和养老机构职工[27]。AI技术主要用于对失能老年人的康复与辅助功能，例如爬楼梯。不同类型的智能护理机器人，如慢性病管理机器人、陪伴机器人、康复机器人、辅助移动机器人以及远程监测机器人等，被相应运用到糖尿病等慢性疾病管理、孤寡老人日常生活陪伴与娱乐、骨折配合理疗康复、失能残障老人辅助行走和医护人员远程监控家庭疗养老人，能有效消除老年人孤独情绪和维护身体健康等，提高晚年生命质量[28]。

4 结语

本文以国内人工智能在护理领域的相关文献为基础，进行文献计量和共词分析。在文献计量过程中发现，我国人工智能的应用整体呈上升趋势，且辐射范围逐渐扩大，体现我国医疗行业对AI的高度认可，但存在应用时间较短、研究深度不足、期刊种类较为局限等缺点。于共词分析过程中表明，AI划分为教育、临床、管理、护理和老年五大护理领域，涉及教学、诊断、治疗、监测、康复、预测多个功能，提供了高质量护理服务。本文的研究存在一定的局限性。首先，检索词是按照主观理解选择的，虽然某些程度上能保证文献的检准率，但是不能保证文献的检全率。其次，由于文献的发表具有滞后性，一些现有的低频关键词也有可能是后期的研究重点，本研究的数据只选取了CSCD数据库，并不能完全代表国内相关的研究成果。现有文献大多着重描述已有AI应用成果，针对具体技术研究较少，此外，目前国内缺乏相关法律法规、存在诸多伦理问题、潜在安全风险等不足，应鼓励护理人员主动学习与参与AI应用，有关部门制定相应法律法规，实现智能护理，最终促进护理学科发展。