人工智能及AI相关数字技术在消化内科护理实践中的应用:范围综述

《Nursing Reports》:Artificial Intelligence and AI-Adjacent Digital Technologies in Nursing Practice Within Gastroenterology: A Scoping Review of Current Applications, Challenges, and Future Directions

【字体: 大 中 小 】 时间:2026年10月11日 来源:Nursing Reports 3.1

编辑推荐:

  背景/目的: 人工智能(artificial intelligence,AI)正日益融入临床消化内科领域,其在护理情境中的应用也逐步显现。然而,这些技术在消化内科护理中的应用范围与性质仍未得到充分探索。本范围综述旨在描绘人工智能及密切相关的AI周边数字技术在消

  
背景/目的: 人工智能(artificial intelligence,AI)正日益融入临床消化内科领域,其在护理情境中的应用也逐步显现。然而,这些技术在消化内科护理中的应用范围与性质仍未得到充分探索。本范围综述旨在描绘人工智能及密切相关的AI周边数字技术在消化内科护理中的当前应用图景。方法: 遵循系统综述和荟萃分析优先报告条目-范围综述扩展版(Preferred Reporting Items for Systematic Reviews and Meta-Analyses extension for Scoping Reviews,PRISMA-ScR)指南,检索了PubMed、Medline、Web of Science和Scopus数据库中自2000年以来发表的同行评审英文研究,并对研究结果进行叙述性综合。结果: 在识别的184条记录中,共纳入11项研究,凸显了这些技术在临床决策支持、工作流程优化、患者教育和内镜辅助方面的应用潜力。报告的优势包括工作流程效率提升、技术准确性提高以及行政工作量减少;仅有少数研究报告了经直接证据证实的护理主导的患者结局改善。挑战包括护士主导研究有限、外部验证不足、实施缺口以及伦理关切。结论: 护士更大程度地参与人工智能开发对于推动临床实践范式转变至关重要。本综述综合了现有证据,为人工智能增强型消化内科护理的未来应用、研究和政策提供参考。

1. 引言

人工智能(artificial intelligence,AI)在医疗保健领域的应用日益广泛,涵盖患者护理、临床决策和管理流程。预测分析、机器学习和自然语言处理等AI技术已被证实具有支持患者结局、优化工作流程和辅助临床决策的潜力。在消化内科领域,AI的应用尤为突出,特别是在内镜领域。相关算法已被证实能够减少操作者人为变异并改善操作结局。AI系统在图像分析和诊断辅助方面的能力已得到广泛认可,使消化内科成为AI应用的前沿领域。尽管AI在消化内科的应用已有充分文献记载,但其在该专科护理实践中的直接整合研究仍相对不足。

1.1 背景与依据

AI已成为多个专科领域的变革性工具,尤其在消化内科,其具有优化诊断、治疗和患者护理的潜力。在现代消化内科实践中,AI擅长管理和解读来自内镜和影像设备、电子健康档案、数字登记系统、政府数据库、社交媒体和可穿戴设备等多种来源的海量复杂数据集。这一能力支持从传统方法向更个性化、预测性和预防性的消化内科范式转变。基于深度学习的AI驱动技术在消化内镜图像分析中的应用速度超出了预期。在实践中,AI已被证实可改善结肠镜检查中的息肉检出率并提高诊断准确性,同时基于AI的肠道准备评分系统、临床报告系统和患者沟通工具(包括ChatGPT等生成式工具)也正在探索之中。

1.1.1 消化内科护理中应用AI的依据

消化内镜中的AI具有巨大潜力,可提升临床表现、制定更优治疗方案并改善患者结局。消化内科涉及大量临床数据的管理,包括内镜图像和患者记录,非常适合AI应用进行分析、解读和生成可操作见解。该专科护士承担从术前评估到慢性病管理的多样化角色,需要高效文档记录、快速决策和有效患者沟通。AI驱动的工具(如聊天机器人和自动化文档系统)可减少护士在常规行政任务上的时间投入,使其能够将更多精力投入直接患者护理。然而,AI整合也引发了重要的伦理和隐私考量。护士积极参与AI系统的设计和实施至关重要,以确保这些技术补充而非取代以患者为中心的护理。

1.1.2 机遇与早期证据

评估聊天机器人在消化内科护理中应用的研究显示,在院内教育和患者管理方面满意度较高,表明聊天机器人可有效支持住院期间的患者教育和临床工作流程。然而,仍迫切需要优化这些工具在院前和出院后护理中的应用,以将其益处延伸至完整的患者护理连续体。AI模型越来越多地应用于消化内科的风险预测、早期疾病检测和个性化治疗规划,为护士管理复杂临床决策提供有价值的辅助。聊天机器人,特别是ChatGPT等大型语言模型,在改善医患沟通、提供定制化教育、辅助疾病管理乃至支持研究方面具有前景。然而,其当前局限性包括响应不一致、无法完全把握复杂医学细微差别、需要伦理监督,以及确保其补充而非取代专业护理判断。

1.1.3 挑战

尽管AI在消化内科护理中前景广阔,但仍存在若干关键挑战。首先,证据缺口显著,大多数研究处于早期阶段,缺乏护理特异性、真实世界的研究来指导实践实施。其次,偏倚和公平性问题构成重大风险——若AI系统未经审慎设计和验证,可能通过反映底层数据和医疗实践中的偏倚而引入或放大现有健康差异。第三,AI工具的可解释性至关重要——护士需要能够提供透明且可理解输出的AI系统,以自信地将其整合到临床决策中并维护患者护理的安全性和有效性。

1.2 护理在消化内科中的相关性

护士在消化内科中发挥着核心且多层面的作用,涵盖内镜、炎症性肠病(inflammatory bowel disease,IBD)管理、消化系统肿瘤、营养和患者教育等领域。其专业知识对于提供高质量、以患者为中心的护理至关重要。

1.2.1 护士在消化内科中的关键角色

在内镜环境中,护士从术前评估到术后恢复均发挥着重要作用,包括患者准备、镇静期间安全监测、即时术后护理以及患者教育。在IBD管理中,护理实践延伸至全面治疗监督,包括生物制剂治疗的协调与监测、持续患者教育和情感支持。在消化系统肿瘤领域,护士作为多学科团队的重要成员,管理疼痛和恶心等症状、评估和提供营养干预、处理心理社会需求。营养管理是另一项关键护理贡献,尤其针对IBD患者或消化系统手术后恢复期患者。患者教育是贯穿消化内科护理各个方面的核心责任,护士提供疾病特异性信息、促进治疗依从性、教授自我管理技能,并在患者与医疗团队之间发挥重要沟通桥梁作用。

1.2.2 影响与挑战

消化内科护理对改善患者结局、护理质量和患者满意度具有显著且多维的影响。研究一致表明,当提供专科护理时,患者经历疼痛减轻、并发症和不良事件减少、住院时间缩短,满意度和对疾病的理解显著提高。然而,仍存在重大挑战:专科教育和高级培训存在缺口,特别是在新兴疗法和儿科消化内科、IBD相关内镜等亚专科领域。人员配置不足、工作负荷高以及日益复杂的角色中持续展示高级能力的要求,可能对护士个人和团队均造成压力。

1.2.3 要点

护理质量方面,专科消化内科护士与改善患者结局、减少住院次数和提高患者满意度相关。教育培训方面,高级能力和特定知识存在缺口,凸显持续教育和能力框架的需求。多学科协作方面,护士是多学科团队的关键成员,在各环境中协调护理并为患者代言。

1.3 本综述的合理性

现有文献主要从医生或技术角度探讨AI的影响,对护理角色的关注有限。AI在消化内科领域的综述多聚焦于医生工作流程和临床结局;AI在护理领域的综述则很少涉及消化内科护理的特殊情境;尚无综合综述专门审视AI工具在消化内科护理中的采用、调整或评估情况。

1.4 目标

本范围综述的主要目标是识别和描绘与消化内科护理实践相关的AI应用文献,具体包括:描述消化内科环境中涉及护理参与的AI及AI周边数字技术类型;描述AI应用的临床情境;识别与护理实践相关的报告结局;审视AI在消化内科护理中应用相关的挑战、局限和伦理考量;突出文献缺口并提出未来研究、教育和政策发展方向。

2. 方法

研究团队与医学图书馆员合作制定了综合检索策略,检索PubMed、Scopus、Medline和Web of Science数据库,使用"人工智能""护理""消化内科"等广泛关键词,纳入2000年以来发表的英文文献。综述采用叙述性综合方法,适合总结复杂新兴领域中多样化的研究类型、方法和结局。

2.1 研究问题

本范围综述的指导性问题是:"关于人工智能在消化内科护理实践中的应用,目前已知哪些内容?"

2.2 纳入标准

本综述将人工智能操作性地定义为任何执行与人类认知相关任务的计算技术,包括机器学习、深度学习、自然语言处理(natural language processing,NLP)、大型语言模型(large language models,LLMs)和生成式AI、计算机视觉及预测分析,应用于临床、行政或教育任务。综述范围有意定义得比真正的AI更宽泛:传统的基于规则的临床决策支持系统、无学习或预测组件的数字或移动健康应用,以及标准自动化(如静态提醒系统)被视为AI周边数字技术,只要其与消化内科护理工作流程直接相关,即有资格与真正的AI应用同等纳入。纳入标准为明确考察人工智能、护理实践与消化内科交叉点的研究,包括实证研究、文献综述和实施或质量改进报告。排除标准包括非人类/动物研究;仅关注AI技术开发或算法验证而无临床或护理应用的研究;以及非同行评审材料。

2.3 检索策略

与医学图书馆员协作制定了综合研究策略,检索PubMed、Scopus、Medline和Web of Science电子数据库。每项研究提取以下信息:作者、发表年份和国家、所用AI方法或技术、临床情境、护理功能、报告结局和研究局限性。数据采用描述性统计进行定量总结,并使用主题分析进行定性叙述性综合。

2.4 方案注册与报告标准

本范围综述遵循PRISMA-ScR报告指南。本综述未预先注册方案。纳入标准在筛选前确定,未在综述过程中修改。根据JBI范围综述指南,未对纳入研究进行正式批判性评估或偏倚风险评估,研究层面的局限性在每项来源中叙述性报告。

3. 结果

纳入研究展示了消化内科中多样化的AI应用,对护理实践具有重要启示。卷积神经网络(convolutional neural networks,CNNs)图像分析、机器学习风险预测模型、基于自然语言处理的聊天机器人和临床决策支持系统等AI技术正日益融入临床工作流程。

3.1 检索结果与研究选择

在PubMed、Medline、Web of Science和Scopus的数据库检索共获得184条记录;去除48条重复记录后,136条唯一记录经标题/摘要筛选,排除101条。其余35篇全文文章经资格评估,排除24篇,最终纳入11项研究。

3.2 纳入研究的特征

十一项纳入研究代表了研究设计和方法的混合,反映了AI在消化内科护理中应用的探索性。大多数为观察性研究,两项研究采用准实验或实施导向方法。地理分布上,多数研究来自中国,其次为美国、台湾、西班牙、意大利和伊朗。纳入研究涵盖多种AI方法,包括用于图像分割的卷积神经网络、用于肝硬化和炎症性肠病等疾病风险预测和预后判断的多种机器学习算法、应用于护理文档和聊天机器人的自然语言处理、临床沟通工具中的检索增强生成(retrieval-augmented generation,RAG)技术,以及嵌入电子健康档案的基于规则的临床决策支持系统。临床环境主要包括内镜单元、门诊结肠镜检查中心、消化内科住院病房和支持患者教育与沟通的数字健康环境。

3.3 AI在护理实践中的应用

AI工具自动化了肠道准备质量评估、患者风险分层和镇静分诊等劳动密集型任务,可改善工作流程效率,使护士能够更专注于直接患者护理。聊天机器人和对话式AI可减少沟通负担,自动化常规患者询问,标准化教育并支持护理协调。机器学习模型在预测患者风险因素和结局方面显示出强大潜力,如肠道准备不充分或肝硬化预后,这些预测性见解可为护理计划提供信息,实现更个性化的干预和及时管理。AI及AI周边数字工具支持护士对患者进行复杂治疗、药物转换和自我护理教育,改善依从性和赋权。自然语言处理和映射工具促进护理文档的标准化,实现护理活动和结局的更好追踪。

3.3.1 AI辅助决策支持

Gu等人开发了多种机器学习模型(包括决策树、支持向量机和XGBoost)来预测结肠镜检查前肠道准备不充分,这是决定操作成功的关键因素;决策树模型表现最佳。尽管护士并非模型的直接使用者,但该工具支持了护士在术前评估和患者准备中的角色。

3.3.2 工作流程优化

Fu等人开发了Endo-chat,一种基于LLM的聊天应用,采用检索增强生成技术,自动化回应消化内镜护理中患者的常规问题,减少护士回答重复询问的时间。Garcia等人评估了AI生成的给患者收件箱消息的草拟回复;尽管AI草拟未显著缩短医生的响应时间,但减轻了撰写回复的认知负担,并与更详细、更有同理心的沟通相关。Wu等人展示了AI如何辅助息肉切除术后患者随访协调,其基于AI的监测系统自动追踪患者依从性和随访预约,确保护理连续性。

3.3.3 AI在患者监测与教育中的应用

Zhao等人实施了对话代理以支持患者教育,回答常见消化系统相关问题并促进持续沟通。这些AI工具被证实可减少护理工作量,同时提高患者满意度。

3.3.4 AI在内镜护理中的应用

Wang等人展示了深度学习——特别是U-Net卷积神经网络——在结肠镜图像中自动分割粪便物质的应用。这支持了肠道清洁度的客观评估,而这一任务通常由护士和医生主观执行。尽管仍处于研究阶段,此类工具可标准化准备质量评估并减少观察者间变异。

3.4 对护理实践的影响

纳入研究报告或暗示了对护理实践的若干积极影响:图像分析客观准确性的技术改进可支持护士主导的肠道准备评分;文档记录和沟通效率提高;通过聊天机器人增强患者互动,使护士能够专注于更高层次的任务;通过自动化系统支持随访管理这一传统上劳动密集型的任务。然而,AI实施的伦理和法律维度仅得到极少关注,包括数据隐私风险、算法偏倚和决策支持系统中透明度缺乏、AI生成输出指导护理时的责任模糊性,以及过度依赖自动化可能威胁护患关系。

3.5 已识别的缺口

证据基础中一致注意到若干缺口:护士主导研究有限,多数研究由多学科或医学导向团队设计和执行,护士扮演被动而非主动角色;外部验证不足,许多AI工具仅在单一国家或单一中心环境中验证;缺乏以实施为重点的研究,真实世界中检验实施过程、可用性、工作流程整合和可持续性的研究仍然稀缺;伦理监督不足,很少有研究涉及AI辅助护理中的监管框架、算法问责或知情同意。

4. 讨论

4.1 主要发现总结

本综述揭示了AI技术在消化内科和消化内科护理中动态且不断演化的应用。最常见的AI应用集中在临床决策支持、肠道准备图像分析、文档辅助和患者沟通。纳入研究报告了工作流程效率、技术/诊断准确性的提高和行政负担的减轻;然而,护理角色往往受到间接影响,由护士领导或构思的研究很少,表明护理驱动的AI研究存在缺口。

4.2 与临床实践的整合

AI融入常规临床实践仍不均衡。部分系统,特别是预测性和沟通支持工具,显示出与现有工作流程和电子健康档案的良好契合。然而,各医疗机构的准备程度参差不齐,通常取决于机构基础设施和领导支持。护士认识到AI可以改善临床决策、优化工作流程并减少错误,特别是在风险预测和文档记录领域。对护士而言,成功整合在很大程度上取决于数字技能提升和工作流程适应。数字健康技术融入医疗保健部门具有提高效率、改善患者结局和产生经济效益的巨大潜力,但医疗保健专业人员数字技能的缺乏阻碍了广泛采用。

4.3 挑战与障碍

数据隐私和安全是首要关切,特别是聊天机器人和监测工具等AI系统处理敏感患者信息。数字素养构成另一关键障碍——护士需要充分培训,不仅操作AI工具,还要批判性解读、验证和适当回应AI输出。监管框架滞后于AI创新,在问责、责任和伦理监督方面造成缺口。许多AI算法以"黑箱"方式运行,限制透明度和可解释性。此外,实施成本和后勤挑战构成重大障碍。AI模型中的潜在偏倚、处理复杂或细微临床场景的能力有限,也限制了其效用。

4.4 与其他专科的比较

与肿瘤学和心脏病学等其他专科相比,消化内科护理中的AI整合仍处于新兴和欠成熟阶段。在肿瘤护理中,AI已被有意义地应用于化疗管理的临床决策支持、症状预测和纵向患者报告结局追踪。心脏病护理同样受益于用于心电图解读、心力衰竭风险分层和远程患者监测的AI工具。消化内科独特的手术和准备护理,包括肠道准备和内镜成像,使其区别于这些领域。然而,AI在消化内科护理中的采用整合度较低,从护理角度的评估也较少。

4.5 对护理教育的启示

AI的快速发展为护理教育创造了机遇和挑战。学术机构在培养下一代护士方面发挥关键作用,需通过协作项目提供涵盖AI素养、计算生物学、数据科学和生物信息学的技能培训。将AI素养融入基础护理课程和持续专业发展将促进护士对AI赋能工作流程的熟练程度。继续教育应通过研讨会、在线课程和模拟培训项目强调AI工具的实践经验。护理课程需要发展以涵盖伦理考量、监管框架和AI的社会影响。

4.6 研究启示

当前大多数研究处于初步概念验证或回顾性分析阶段。迫切需要大规模、前瞻性、真实世界的评估,测量AI对护理工作量、患者安全、护理质量和成本效益的长期影响。

4.6.1 护士主导的AI研究与开发

护士在研究中经常作为最终用户或受益者出现,但很少作为AI系统的共同开发者或评估者。鼓励护士主导的研究将确保AI工具更好地契合临床实践现实并维护以患者为中心的价值观。护士可在公平与伦理、培训与机构支持、开发者与实践者协作等领域发挥重要作用。

4.6.2 纳入证据之外的潜在未来应用

十一项纳入研究均未评估IBD发作预测、营养风险评分、症状分诊、可穿戴设备或AI整合的患者监测、镇静监测、器械追踪或不良事件预测在消化内科护理情境中的应用。这些应用仅作为基于相邻专科和相邻AI医疗保健领域文献的合理未来方向进行讨论。

4.7 本综述的局限性

本综述存在若干局限性。检索限于四种数据库中索引的英文出版物,可能排除了相关灰色文献、非英文研究或在其他处索引的工作。综合为叙述性而非荟萃分析,反映了纳入研究设计的异质性,且未进行正式的研究质量批判性评估。证据基础本身较小、地理集中,且以早期或单中心工作为主,限制了研究结果的普适性。更根本的局限在于,若干纳入研究未直接评估护理实践或护士主导的AI实施;在这些情况下,护理相关性由综述团队推断而非原始研究作者测量。

5. 结论

本综述的核心发现是,关于AI在消化内科护理中直接的、护理特异性的证据仍然有限:大多数纳入研究报告了主要从技术或医生角度开发和评估的AI应用,护理相关性往往是间接的或推断的,而非直接测量的。AI显示出支持和增强消化内科护理实践多个方面的巨大潜力,从诊断和患者监测到工作流程优化和个性化护理。然而,要充分实现这些益处,护士更大程度地参与AI开发和评估至关重要。这种参与,加上严格的真实世界实施研究和伦理监督,将确保AI安全、公平、有效地融入临床工作流程。在评估新AI工具时,需要采取审慎的方法来区分简单自动化和真正增强患者护理的临床智能。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

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