护理人工智能(AI)伦理的三方框架:基于护士与护理学生视角的范围综述

《Nursing Outlook》:A tripartite framework for nursing artificial intelligence ethics: A scoping review

【字体: 大 中 小 】 时间:2026年10月10日 来源:Nursing Outlook 3.8

编辑推荐:

  背景:随着人工智能(AI)快速融入护理实践、教育和研究,其呈现深刻的伦理悖论:在运营效率方面存在重大机遇,同时对该专业核心价值观带来深层挑战。目的:本范围综述综合现有文献,探讨护士和护理学生对AI技术伦理设计、实施和使用的观点。方法:研究人员开展了一项范围综述

  
背景:随着人工智能(AI)快速融入护理实践、教育和研究,其呈现深刻的伦理悖论:在运营效率方面存在重大机遇,同时对该专业核心价值观带来深层挑战。目的:本范围综述综合现有文献,探讨护士和护理学生对AI技术伦理设计、实施和使用的观点。方法:研究人员开展了一项范围综述,分析2014年至2025年发表的同行评议文章。遵循系统检索识别出1,259条潜在记录后,50篇文章符合最终分析纳入标准。提取数据以识别核心伦理主题,随后与美国护士协会(American Nurses Association, ANA)和国际护士理事会(International Council of Nurses, ICN)伦理准则的专业标准对齐。讨论:研究结果被综合为一个三方框架,涵盖三个领域下的九个主题:(1)用户导向(自主性、知识/技能侵蚀、人际接触/共情);(2)技术导向(隐私/安全、性能/可靠性、透明度/可解释性);(3)情境(公正/公平、责任/问责、教育/培训)。识别出的关键张力包括算法输出与临床直觉之间的摩擦、因AI依赖导致的去技能化风险、不透明算法的黑箱性质,以及围绕AI驱动错误的职业责任存在普遍责任缺口。结论:为使AI成功整合,其必须作为支持性辅助,而非护理判断和不可替代的人与人连接的替代品。将专业从伦理焦虑转向伦理守护,需要紧急开发专门的护理-AI伦理框架、共享问责模型和稳健的教育举措。此类措施对于确保新兴技术强化而非侵蚀护理专业的基础价值至关重要。
论文解读:护理人工智能伦理的三方框架:基于护士与护理学生视角的范围综述

研究背景与问题:人工智能(artificial intelligence, AI)在护理实践、教育和研究中的整合正在加速。其应用涵盖护理协调、护理文书、临床决策支持、患者监测与风险预测,如临床恶化、跌倒或感染,也涉及智能家居、虚拟护理助手和机器人。近期研究进一步扩展至AI辅助新生儿皮肤评估、姑息照护终末期筛查,以及生成式AI支持出院教育和家庭咨询。然而,AI仍处于早期发展阶段,许多研究为概念性或描述性研究,主要关注系统设计;同时,伦理问题持续存在,包括数据泄露、AI错误、对人类共情和专业判断的潜在侵蚀。尽管美国护士协会(American Nurses Association, ANA)已发布关于AI伦理使用的立场声明,但清晰伦理指南和正式培训仍缺乏,许多从业者未准备好应对AI局限。因此,研究人员开展范围综述(scoping review),综合护士和护理学生对AI伦理影响的观点,或伦理概念作为主要研究发现的研究。

研究人员开展的范围综述遵循乔安娜布里格斯研究所(Joanna Briggs Institute, JBI)范围综述方法,并按系统评价和Meta分析扩展版范围综述报告规范(Preferred Reporting Items for Systematic Reviews and Meta-Analyses extension for Scoping Reviews, PRISMA-ScR)报告。研究纳入2014年以来英文同行评议全文、直接收集护士或护理学生数据并讨论AI伦理的文章。检索Ovid MEDLINE、CINAHL和PsycInfo,于2024年4月和2026年1月分两阶段进行。初始检索1,259篇,去重230篇,全文审查后47篇符合标准,手动检索参考文献补充3篇,最终纳入50篇。数据提取初步使用大型语言模型(large language models, LLMs),即2024年的ChatGPT(GPT-4o)和2026年的Gemini 3,并进行人工验证;主题经研究团队迭代调整形成最终框架。未进行正式质量评价或偏倚评估。纳入研究的样本来源为护士和护理学生,地域覆盖沙特阿拉伯、土耳其、美国、孟加拉国、埃及、德国、约旦、韩国、中国等,多数研究仅纳入护士。方法学概括不超过250字:采用JBI范围综述五阶段流程;检索Ovid MEDLINE、CINAHL、PsycInfo;两阶段检索;纳入2014年以来英文同行评议全文、直接收集护士/护理学生数据且以AI伦理为主要发现的研究;四名研究人员筛选,冲突由讨论或第五名研究人员解决;使用Rayyan去重筛选;LLMs辅助初步数据提取和主题生成,所有内容经人工核对;未做正式偏倚评价。

研究结论与意义:研究将结果综合为包含三个领域、九个主题的三方框架,揭示AI伦理张力横跨用户、技术和情境层面。其意义在于把高层政策指导与护理实践现实相连接,强调AI应作为支持性辅助而非护理判断和人际连接的替代,并需要专门护理-AI伦理框架、共享问责模型和教育举措。

研究结果:用户导向主题(User-Focused Themes)。自主性(Autonomy):通过访谈、调查/问卷和焦点小组等研究,护士主张保留独立决策权和专业能动性,AI应支持而非支配实践;外科人员、注册护士、新生儿重症监护护士、老年科护士和执业护士均强调最终决策权应保留在人类手中,担心过度依赖AI绕过人类监督;护士可能形成非正式实践以在AI建议与临床现实冲突时进行覆盖;伦理框架应界定AI边界。知识与技能侵蚀(Erosion of Knowledge and Skills):研究显示,过度依赖AI可能削弱临床判断和批判性思维,自动化偏差(automation bias)使护士过度信任算法输出,导致去技能化;经验护士担心AI可能培养缺乏传统基础临床经验的人员,新手可能不充分审视AI建议;在高风险急诊和重症监护环境中风险突出;算法早期预警系统可能低估床旁评估;教育中AI使用可能减少独立解决问题,导致对复杂临床概念理解表面化,削弱伦理推理和决策技能。人际接触与共情(Human Contact and Empathy):护士强调技术先进与保留同情、全人、以患者为中心照护之间的张力;AI缺乏人类情感、良心和共情;调查显示多数护士偏好保留身体人类接触;担心患者互动去个性化,削弱治疗性护患关系;AI同情或理解患者情绪健康的能力低;护士认为患者“来寻求照护而非计算”;若AI处理常规任务,可能释放时间让护士更深入接触患者。技术导向主题(Technology-Focused Themes)。隐私与安全(Privacy and Security):研究显示护士担忧AI依赖大量敏感患者数据,涉及数据泄露、再识别和预测分析监控;调查中多数护士对数据安全和隐私保护有强烈担忧;云网络存储、训练AI所需海量数据使医疗网络易受攻击;AI和护理机器人持续观察、记录和传输患者信息;儿科患者还涉及“数据永生”长期风险;护士视自己为患者信息守护者,强调匿名化、严格检查、数据治理、数据共享限制、加密、访问监测,以及HIPAA或GDPR等隐私法规。性能与可靠性(Performance and Reliability):通过访谈和调查等研究,护士对AI的信任建立在可信度、信息准确性、系统性能和应用价值上;当AI预测与护士独立临床评估一致时信任增强,而数据质量差、算法不一致或未考虑实时患者复杂性时信任迅速下降;AI未能纳入电子健康记录(electronic health record, EHR)外的重要信息,如情绪信息或临床对话;数据质量影响模型准确性和公平性,偏见或假阳性威胁信任;护士主张持续监测和审计AI输出;生成式AI可能出现幻觉、提供不完整或误导信息、缺乏来源透明;护理学生报告遇到错误信息,需要持续验证;AI素养影响对AI可信度的判断。透明度与可解释性(Transparency and Explainability):研究识别出“黑箱”性质是伦理障碍,阻碍专业问责并侵蚀信任;护士对幕后功能焦虑,要求更大清晰度;当AI输出与护士专业判断冲突时,伦理困境更难解决;护士主张可解释模型,提供数据点、上下文解释、视觉指标、叙述解释或置信分数;透明度是临床可行动性的要求,仅标记风险而不解释理由或下一步建议的警告可能被忽视;理解AI推理有助于防止伤害和确保公平、无偏输出;透明度还调节护理态度与创新工作行为的关系,并被视为评估AI和机器人护理伦理敏感性的子维度。情境主题(Contextual Themes)。公正与公平(Justice and Equity):护士主张AI应减少而非加剧医疗差距;算法偏见源于历史或非多样数据集,可能低估某些人口群体并基于性别、性特征或族裔等非因果变量作出错误估计;AI工具可能主要基于白人群体研究提出干预,缺乏文化理解;若不加控制,算法偏见可能沿种族、性别、性相关和社会经济线延续系统性歧视,在分诊和资源分配中尤其危险;姑息照护中AI预后对碎片化病史患者可能不准确;护士强调AI模型必须证明公平且无系统性种族主义或阶级主义;此外,数字鸿沟和AI技术获取成本可能使资源丰富机构和特权患者受益,发展中国家受限;护士应监测AI并调整照护以确保文化适宜、公平。责任与问责(Liability and Accountability):研究显示AI驱动伤害的法律和道德责任及错误责任分配是紧迫伦理挑战;护士担忧AI系统造成医疗错误或误诊时谁负责;责任不清晰可导致抵制新技术;新生儿重症监护护士要求明确法律框架;存在“责任扩散”恐惧,开发者、机构和护士可能指向共同失败,或用AI转移责任;关于最终责任存在冲突观点,一些认为医院或护士应负责,许多护士管理者认为工程师和开发者应对代码错误和 malpractice 负责;关于人形护理机器人的调查显示,多数护士认为医院应承担责任,同时相当比例也归责于护士、工程师和医生;远程咨询人员和外科人员指出依赖承认自身知识局限的AI系统存在法律复杂性;研究强调需要机构指南、集体责任和将责任分配纳入教育。教育与培训(Education and Training):研究一致认为,技术素养和伦理能力是伦理采用AI和护理专业可持续性的基础;基础AI培训缺口使护理学生和从业者未准备好应对AI驱动照护;学生缺乏关于伦理AI使用与学术不诚实边界的正式指导,过度依赖可能损害批判性思维和独立解决问题;护士表示缺乏结构化教育会引发焦虑和不确定性;研究人员主张课程改革,将AI和信息学嵌入基础护理教育,从第一年培养数字和AI素养、道德敏感性和临床推理;结构化AI伦理项目,包括案例讨论、算法偏见辩论和隐私模拟,可提高伦理意识、道德敏感性和负责任采用生成式AI的行为意图;教育还应延伸至执业护士和护理管理者,通过持续职业发展、工作坊和在职培训,处理数据保密和技术偏见,并强调验证AI生成信息准确性。

讨论部分总结:本范围综述揭示,技术效率驱动与传统全人框架及护理专业存在之间存在深刻张力。研究基于50项研究,将前线护士和护理学生的体验转化为实证框架,并直接映射至美国护士协会(ANA)和国际护士理事会(ICN)伦理准则,从而桥接高层政策指南与护理实践现实。用户域中,算法输出与护士直觉、在场和全人照护冲突;ANA伦理准则第4条要求护士自主实践,ICN准则2.3要求护士在委托和责任中运用专业判断;AI依赖威胁专业能力,ANA第5条要求持续成长;AI缺乏情感共鸣,ICN准则1.11指出数字设备应支持而非替代人际关系。实践含义是AI必须作为辅助而非替代技术,护理教育应转向验证优先模型。技术域中,隐私、性能和透明度构成患者信任基础;黑箱性质阻碍伦理实践;ICN准则1.3要求护士提供可理解、准确信息;ANA第3条要求保护隐私并参与数据安全政策;ANA第2.3条要求开放沟通和透明度。实践含义是需要可解释AI(explainable AI, XAI),并将护士纳入AI全生命周期。情境域中,公正和专业责任问题突出;ANA第8条和ICN准则1.7要求护士倡导社会公正;算法偏见违反ANA第1条对个体尊严和尊重的承诺;责任缺口表现为护士对AI错误责任的认识与专业标准不一致,ANA第4条明确护士对护理实践负主要责任,ANA关于AI的立场声明将算法系统定位为支持性临床辅助而非自主决策者;这造成道德风险。实践含义是医疗机构应建立共享责任框架,并通过教育投资弥合素养差距。局限性包括选择偏倚、仅检索三个数据库且未覆盖灰色文献、许多文章为一般性反思、地理分布有限、部分研究中护士仅为多类参与者之一,以及使用商业LLM提取和综合批评AI伦理文献的方法学张力;LLMs仅用于初步提取和首轮主题生成,所有输出均经人工核对,LLMs未出现“commission”错误,但人工监督对补充遗漏的语境细微差异必不可少,印证生成式工具应增强而非替代人类分析判断。

研究结论翻译:随着AI从技术愿望转变为临床现实,护理专业面临决定性的伦理拐点。本范围综述显示,尽管AI在运营效率和预测精度方面具有潜力,但其整合引发了横跨用户、技术和情境域的复杂伦理张力。为使AI成功采用,必须将其重新构想为不是临床直觉的替代,而是支持性辅助,强化护士作为患者倡导者和照护最终仲裁者的角色。护理整合AI的最终目标是提升高质量、科学可靠、富有同情心的照护,同时不损害人与人连接这一护理实践核心。实现这一愿景需要根本范式转变:从伦理焦虑转向主动伦理守护。这一转变由三个必要支柱支持:1. 框架与语言:开发共享伦理框架和标准化术语,以桥接开发者与护士之间的差距。2. 共享责任:实施共享责任模型,保护个体护士免受系统级AI失败固有责任缺口的影响。3. 教育准备:将AI伦理快速整合进本科和研究生课程,并对护理教师进行强化专业发展,确保其能够领导这一数字转型。通过采取批判评估和协作设计的姿态,护理专业可确保这些强大技术成为指导护理艺术与科学的核心价值的催化剂,而非侵蚀这些价值。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号