人工智能在临床护理中的应用：范围综述

高锦萍，叶小婷，李媛媛，刘容容

1.厦门市第五医院，福建361101；2.中国中医科学院广安门医院

人工智能(artificial intelligence,AI)被定义为以更有效的方式执行人类任务的“智能装置”[1]，可提高服务的精准化水平。相关研究调查了人工智能在医疗保健中的适用性和效率，例如人工智能已被证明可以提高临床工作流程的效率，从而缩短咨询和治疗等待的时间，提高诊断速度，提高风险和结果预测的准确性，但其在提供优质护理方面的特殊性是有限的[2-3]。Kueper等[4]评估了人工智能在初级保健中的可用范围，但没有说明人工智能对护理的影响。Maalouf等[5]也报道了机器人在护理中的应用，但没有详细说明机器人对护理质量的影响。Joseph等[6]研究侧重于人工智能在语音识别技术中的应用，以提高临床护理记录的效率和准确性。因此，有必要对人工智能在改善护理方面的应用进行范围综述，以明确人工智能是否能通过提供优质护理解决日益增长的医疗需求，通过护士与人工智能的集成，改善整个医疗结构和流程，同时保持护理的核心价值观，即提供情感护理和关注病人需求。

1 资料与方法

1.1 明确研究问题，确定相关概念

范围综述的本质是针对研究现象相关概念提供一个解释性分析，需要对研究对象展开多方面的探讨。本范围综述提出的研究问题主要为：人工智能如何改善临床护理及人工智能在护理领域中的应用场景。本研究涉及的概念为人工智能。人工智能指的是在计算机科学、控制论、信息论等多种学科研究的基础上发展起来的一门综合性交叉学科，是集新技术、新观念、新理念的前言学科，应用于医学、军事、语言识别等多个领域[7]。

1.2 文献纳入与排除标准

纳入标准：①用于护理领域的人工智能；②人工智能终端使用者为护士。排除标准：①无法获取全文的文献；②重复发表的文献；③会议论文、综述、研究方案、书籍章节、政策性报告文件。

1.3 文献检索策略

计算机检索PubMed、CINAHL、EMbase、Web of Science、MedLine、the Cochrane Library、Scopus、中国知网(CNKI)、中国生物医学文献数据库(CBM)、万方数据库(WanFang Database)、维普数据库(VIP)。检索时限均为各数据库建库至2021年11月15日。中文检索词为：人工智能，机器人，护理，护士等。英文检索词为intelligence、artificial、computational intelligence、machine intelligence、computer reasoning、computer vision systems、computer vision system、nurse、personnel、nursing、nursing personnel、registered nurses等,追溯纳入研究的参考文献。以PubMed为例，具体检索策略如下。

#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 文献的筛选、数据提取与分析

由2位评价者分别对文献进行筛选。首先，通过阅读文题和摘要，剔除重复和不符合纳入标准的文献；其次，对可能纳入的文献进一步阅读全文并交叉核对结果；对存有异议的文献，由2位评价者共同讨论协商，仍不能取得一致意见时，请第3位评价者进一步评价。文献数据由2名研究者独立提取，主要提取内容包括：①文献的基本信息，即题目、作者、发表年限、国家或地区；②研究类型、样本量、干预手段类型、干预内容要素、结果等。

2 结果

2.1 文献检索流程及结果

初步检索出相关文献15 976篇，借助EndNote X9，剔除重复文献7 770篇，通过阅读题目和摘要剔除文献7 997篇，进一步阅读全文后剔除文献161篇，其中14篇无法获取全文、18篇综述、18篇会议论文/社会评论、111篇研究对象不符，最终纳入48篇文献[8-55]。文献筛选流程及结果见图1。

2.2 纳入研究的基本特征(见表1)

2.3 人工智能应用场景

2.3.1 监测

3项研究[8-10]分别监测重症监护室病人、慢性疾病病人、冠状动脉搭桥术后病人生命体征的变化，研究表明，人工智能监测可帮助护士提前意识到生命体征的变化，防止病人病情恶化。3项研究[11-13]分别监测急性精神病病人、癫痫病人和行为障碍发作病人。Barrera等[13]研究表明，数字辅助护理观察可维护病人的安全，同时可改善病人在精神病病房的体验；Lin等[12]研究表明，基于癫痫脑电分类、可视化和超声识别算法可以为护士提供有用的信息；Nauta等[11]研究表明，社交机器人可以通过接近出现行为障碍的居民，为护理者提供技术支持工具。1项研究[14]监测脓毒症风险，研究表明，从生命体征、住院时间、年龄和入院数据计算出的脓毒症风险，有助于护士早期发现风险。1项研究[15]通过摄像头实时获取病人喉部的视频图像，对异常情况进行警告，帮助护理人员更有效地处理痰阻塞问题。1项研究[16]监测压力性损伤的发生，对病人的生理指标进行实时监测和反馈处理，在平均2 h的巡视频率下，压力性损伤的发生率显著降低(4.1%)。1项研究[17]监测静脉输液，研究表明，采用基于模糊控制算法计算控制器输出的红外双光电管测量输液速度，具有调速精度高、响应速度快、稳态误差小等优点，可广泛应用于临床输液。

2.3.2 预测

6项研究[18-22,55]预测跌倒发生的结果表明，通过确定跌倒的风险因素、实时监测跌倒风险变化等，可提高护士对病人发生跌倒的预警，降低跌倒的发生。4项研究[23-26]预测压力性损伤的发生。Cho等[26]研究表明，干预组住院获得性压力性损伤发生率从21.0%下降到4.0%，重症监护室住院天数从7.6 d缩短到5.2 d；Hu等[25]利用分类技术建立国内住院病人压力性损伤预测模型，能够准确识别87.2%的压力性损伤病人，帮助护士识别压力性损伤高危病人；Ladios-Martin等[23]构建的压力性损伤风险评估系统可有效预测压力性损伤的风险，使护士能够在不增加工作量的情况下，将重点放在压力性损伤高风险的病人身上；Kim等[24]研究表明，基于Braden量表的自动化风险评估工具有助于提高护理文件书写的效率和一致性以及压力性损伤的护理质量。2项研究[27-28]预测医院获得性尿路感染，Zacharia等[27]研究表明，利用入院时常规可用的电子数据进行自动准确尿路感染风险评估，可以减轻护士在电子病历中填写和记录额外风险评估表的负担；Park等[28]研究表明，使用知识发现和数据挖掘方法的护理研究，可为复杂健康问题病人量身定制干预和管理策略。1项[29]预测老年人死亡风险的研究表明，决策树是根据常规收集的护理数据开发的预测模型，可纳入常规护理，作为识别老年人死亡风险的决策支持工具。1项[30]早期预测危急心肺警报的研究表明，减少新生儿重症监护病房的警报疲劳，四分之一的紧急(红色)警报提前约18.4 s预测，只有7%的紧急警报预测错误，为护士提供了更长的响应时间。

2.3.3 护理诊断

5项研究[31-35]探讨人工智能在护理诊断中的应用。Chen等[35]研究表明，肾结石的诊断急性护理算法可帮助护士和医护人员在分诊期间进行诊断，从而简化病人在急性护理中的管理；Alimul-Hidayat等[34]研究表明，专家系统的儿童护理诊断测试结果与护士的护理诊断结果具有100%的相似性；Mcheick等[31]研究表明，该系统按重要性顺序提供了11个慢性阻塞性疾病风险的相关因素，提高了护理诊断的准确性；Liao等[32-33]研究表明，病人护理诊断的准确率为87.41%，护理诊断方面的工作满意度从41.1%提高到75.0%，决策时间从35.5 min缩短到19.8 min。

2.3.4 伤口管理

2项研究[36-37]报道了人工智能在伤口管理中的应用。Sellmer等[36]开发应用于静脉溃疡的专家系统，涉及治疗进展、医疗费用的监测和记录以及对最适合的治疗程序，使护士的工作变得系统化；Abranches等[37]开发了以护士为主导的压力性损伤管理专家系统，专家系统的使用缩短了评估伤口的时间(专家系统组评估时间为231.2 s；护士组评估时间为273.8 s)

2.3.5 护理信息管理系统

5项研究[38-42]探究护理信息管理系统在临床护理工作中的应用效果。白艳玲等[42]探究移动护理信息管理系统在冠心病病人中的应用，研究表明，试验组的满意度、健康宣教知晓率、护理记录合格率均高于对照组,差异有统计学意义(P<0.05)；同时生命体征采集、医嘱处理、护理文书保存、护患纠纷等护理不良事件发生率低于对照组，差异有统计学意义(P<0.05)；谢春梅[41]探究移动护理站在内科的应用，研究表明试验组护理质量评分和满意度均显著高于对照组,差异有统计学意义(P<0.05)；杨燕妮等[40]研究个人数码助理在心内科的应用，研究表明，与应用前比较,应用个人数码助理后护理缺陷事件的发生率显著下降,病人对护理的满意度明显提高,差异均有统计学意义(P<0.05)；Moen等[38-39]研究护理信息系统在心脏病病人的应用，研究表明，所提出的系统为自由编写的护理叙述产生了一个连贯且合乎逻辑的结构，并有可能减少护士目前花费在医院护理记录上的时间和精力。

2.3.6 数据采集

3项研究[43-45]探索人工智能在病人数据采集中的应用。Boumans等[45]研究表明，社交机器人能够自主地、可接受地采访老年人并收集有效的数据；Ongenae等[43]研究表明，eHealth应用程序可根据用户的需要和偏好自动调整其参数，为其呼叫合适的护理人员；Gannod等[44]研究表明，机器学习推荐系统可减少完成日常偏好量表访谈所需的时间，同时可纳入重要的偏好信息，为居民提供关于潜在偏好的建议，具有较高的准确率。

2.3.7 疼痛护理

3项研究[46-48]探究人工智能在病人疼痛中的应用。Sikka等[46]将计算机视觉算法应用于5～18岁经腹腔镜阑尾切除术后病人的疼痛评估，研究表明，计算机视觉算法疼痛评估结果与护士相当；Jibb等[47]将MEDiPORT机器人应用于癌症儿童的疼痛评估，研究表明，MEDiPORT机器人可用于评估和减轻癌症儿童疼痛；Beran等[48]研究仿真机器人在减轻4～9岁儿童接种流感疫苗疼痛中的应用，结果表明，与对照组(18.52%)相比，仿真机器人组儿童在接种中的微笑时间更长(41.32%)。

2.3.8 疾病护理

3项研究[49-51]探究人工智能在疾病护理中的应用。Bemelmans等[50]研究社会辅助型海豹机器人在老年痴呆病人心理护理中的应用，结果表明，社会辅助型海豹机器人可以提高老年人的护理质量和生活质量；Jones等[49]研究治疗型宠物机器人PARO在老年痴呆病人中的应用，研究表明，严重躁动的参与者对PARO反应不佳，在临床实践中，建议PARO仅限于轻度和中度躁动的人群；李慧等[51]将智能机器人应用于骨科病人护理的研究表明，智能机器人具有可显著提升病人就医体验感、为病人提供实时数据监测、避免护理盲区、减轻护理人员的工作负担等优点。

2.3.9 药物配制

1项研究[52]将智能静脉药物配制机器人应用于药物配制，结果表明，智能静脉药物配制机器人可减轻护士工作量和劳动强度、优化职业防护以及提升药品冲配质量。

2.3.10 器械管理

1项研究[53]将达·芬奇机器人应用于手术器械的管理，结果表明，达·芬奇机器人可有效提高器械使用寿命,降低器械磨损和破损率,提高手术成功率。

2.3.11 静脉采血

1项研究[54]探究MNS R400静脉采血机器人在静脉采血中的应用效果，结果表明，自动静脉采血机器人可提高采血成功率,减少病人痛苦,降低不良事件的发生率。

2.4 用于改善护理的常见人工智能技术

本研究总结了5种常见的人工技能技术：机器学习(machine learning)、深度学习(deep learning)、专家系统(expert system)、模糊逻辑(fuzzy logic)和自然语言处理(natural language processing)。

2.4.1 机器学习

机器学习是指使用算法自动建模，是最常用的人工智能技术。该过程通常从数据准备和数据挖掘开始，将原始数据转化为对特定病例有用的数据。5项研究[9-10,12,14-15]表明，机器学习可以提高病人监测的速度和效率，满足护士收集和监测病人生命体征的需求。Tóth等[56]研究表明，通常护士夜班时间大概要花20%～35%的时间用于记录病人的生命体征，借助机器学习，可以更轻松地收集和监测生命体征，为护士腾出更多时间来执行其他任务(如护患沟通或其他护理任务)，减少护士的工作量。此外，机器学习还可以预测跌倒、压力性损伤、尿路感染等护理问题，使护士能够更好地精确定位，并专注于解决某些更重要的护理问题，产生更有效的护理。

2.4.2 深度学习

深度学习是指使用人工神经网络来识别和分类数据模式，5项研究利用深度学习，通过快速准确的诊断[32-33]、更有效的生理监测[13,16]和跌倒预测[21]来加强护理。

2.4.3 专家系统

专家系统是指模仿人类专家决策过程的计算机系统，专家系统的开发通常先收集专家护士对某一医疗问题的意见，然后形成知识库，将其分类为不同的产生式规则，再将特定医疗问题的数据输入专家系统，在专家系统中，推理机解释医疗问题并应用知识库中发现的某些产生式规则。纳入的文献展示了专家系统的使用，以提高护士的伤口护理质量[36-37]、护理诊断[34]和预测压力性损伤[24]。

2.4.4 模糊逻辑

模糊逻辑是指根据一组不精确的数据进行估计的推理方法。2项研究使用模糊逻辑使护士能够监测静脉输液[17]和生命体征[8]。

2.4.5 自然语言处理

自然语言处理是指对大量人类语言数据的处理，以获得意义并执行各种过程，如决策。2项研究[38-39]提到在电子健康记录系统中记录的临床护理轮班记录上使用自然语言处理。句子首先被划分为语义信息片段，然后被划分为各自的主题标题，以便于将来的文档记录，并鼓励使用标准化术语。

3 讨论

3.1 纳入文献结果分析

本研究共纳入48项研究，关于人工智能用途排名前3位的为病人护理问题的预测、病人监测和护理诊断，大部分研究都是开发型研究，试验类研究较少，虽然部分开发型研究也涵盖了大样本，在开发过程中也经过不断的测试，但是大多数数据都是回顾性研究，较少是通过真实世界研究所得。因此，当所开发的程序遇到与算法演练中不一致的真实数据时，程序所得结论的准确性就需谨慎对待。另外人工智能程序的结果[57]是通过受试者工作特征曲线面积、阴性预测值、阳性预测值、敏感性和特异性等指标来呈现，但是受试者工作特征曲线面积不一定是临床适用性的最佳指标，并且很多的临床医务人员并不容易理解，而且这些指标也未能最终反映对病人最重要的方面，即该程序的使用是否会导致病人护理的有益改变。鉴于目前人工智能技术在准确性(如因分析和预测准确性导致某些医疗问题)、自动化程度(例如侵犯隐私)、终端用户的理解(如护士对人工智能生成的提示和建议的遵循程度)等方面还需进一步检测，因此，未来的研究可以真实研究设计和调查实施人工智能的实用性为主。

3.2 人工智能的应用场景

人工智能最常应用于预测病人的护理问题，其中以跌倒最为常见。跌倒是造成住院病人人身伤害和死亡的主要原因[58]。据估计，在美国，医院每年发生100万例次跌倒，相关的直接医疗费用为500亿美元[59-60]。50%的住院病人跌倒导致受伤，10%导致重伤，1%导致死亡[61]。如果已知与这些不良事件相关的重要因素，则可以在很大程度上防止病人跌倒[62]。而人工智能系统经过培训，能够自动跟踪数据并识别病人的异常情况，通过及时警报来提醒护理人员，特别是在危重护理环境中，一方面减少了护理不良事件的发生，另一方面也减少了护士工作量。

有效的沟通技巧是护理不可分割的一部分，也是高质量护理的基础[63]。然而，在本研究纳入的研究中尚未有关于人工智能改善护患沟通和病人教育的相关研究。尽管有多项研究将人工智能作为一种工具来改善医疗人员的沟通技能培训[64-65]，但在临床环境中实际实施仍然缺乏。这可能是因为尽管人工智能是一种模仿人类智能的智能实体，但其很难将护士的同情心、同理心复制到病人身上。因此，在未来应进一步探索人工智能在协助护患互动中的应用。

3.3 人工智能在护理领域中的应用展望

目前，我国面临着人口老龄化、慢性疾病患病率增加、社会照护负担加重等问题与挑战，护理工作内涵和范畴也正在从医院向社区、家庭以及康复、慢性疾病管理等领域延伸，需要不断改革和创新护理服务理念和模式来精准对接人民群众多样化、差异化的健康需求，人工智能在护理领域中的应用，可在一定程度上缓解护理人员不足的压力和减少护理工作量，有一定的应用前景。人工智能技术未来的发展取决于理论和应用的一系列改进，护士和医务人员需要更多的培训来更好地与机器人合作，从而将机器人视为助手而不是竞争者。在开发人工智能的同时，还需建立相应的制度、规范和法律来规避相关的风险，增加人工智能应用的安全性，护理人员也应主动学习人工智能相关的知识，参与人工智能的可行性和实用性研究。

4 小结

由于医疗保健需求的增加和医疗资源的有限，医疗保健面临着供不应求的局面，而人工智能因其通过提高工作效率来改善医疗保健供应和质量而越来越受到欢迎，该范围综述通过对人工智能在护理领域中应用的概述，了解人工智能在提高护理质量方面的适用性和潜力，由于关于人工智能在护理领域的试验性研究较少，今后还需开展更多高质量的随机对照试验验证人工智能的适用性，除了开展随机对照试验，还需更全面地考虑不同环境、情境下人工智能的使用。