在临床护理实践中利用生成人工智能的优势和挑战:综合性审查

科学领域:

• 护理 护理 护理
• 人工智能的人工智能
• 医疗信息学 医疗信息学

背景情况:

• 生成型人工智能有潜力减少护理的行政负担,提高护理质量和效率.
• 临床复杂性增加与错过的护理有关,这表明生成AI在支持临床判断和简化工作流程方面发挥了作用.
• 在护理领域,生成性人工智能的当前应用处于早期发展阶段,需要对其优势和挑战进行探索.

研究的目的:

• 探索生成AI在临床护理中的当前应用.
• 确定在护理实践中使用生成性AI的优势和挑战.

主要方法:

• 根据Whittemore和Knafl的最新方法进行综合性审查.
• 在2000年1月至2025年9月期间,在多个数据库 (PubMed,Cochrane,CINAHL,Web of Science,EMBASE,SCOPUS,Google Scholar) 进行了文献搜索.
• 使用混合方法评估工具进行的质量评估.

主要成果:

• 包括15项研究 (2023-2025年),包括RCT,横截面,定性和混合方法设计.
• 护理中的生成人工智能主要用于临床决策支持,患者教育/自我管理,以及提高护理工作效率.
• 聊天GPT经常用于决策支持和工作流程增强,而以任务为导向的聊天机器人专注于患者教育;持续学习和人类互动对于AI改进至关重要.

结论:

• 生成型人工智能显示出支持临床决策,增强患者教育,并通过减少文档和优化工作流来提高护理效率的潜力.
• 由于研究设计异质性和证据的探索性,建议谨慎解释.
• 成功的整合需要增强人工智能的准确性,可靠性,同情互动和有意义的人类参与,以及开发的护士能力.