《ESMO Real World Data and Digital Oncology》：Empathic and agentic artificial intelligence in nursing: perspectives on a human-centered framework for cancer care navigation in the United States
编辑推荐：
这篇综述前瞻性地提出了一个以美国护士协会伦理准则为基础、整合“共情AI”与“能动性AI”的双核心框架，旨在通过AI工具赋能而非替代护士，以缓解资源匮乏地区癌症护理导航的人力短缺问题，同时优化工作流、医患关系与护理协调服务。
在癌症护理领域，护士导航员扮演着协调健康服务、解决就诊障碍、提升患者满意度与结局的关键角色。然而，在资源匮乏地区，训练有素的护士导航员可能非常稀缺。人工智能驱动的数字健康工具为解决这一协调缺口提供了潜力，但大多数现有工具并非专门为支持护理实践而设计，它们往往过于强调自动化与效率，而忽略了患者优先事项和情感需求，与护理实践中以患者为中心的核心理念存在错位。为应对这一挑战，本文提出了一个创新的“以人为中心的人工智能”概念框架。
以人为中心的人工智能概念框架
该框架旨在通过优先考虑个体患者需求、医患关系及护理协调服务，特别是在资源匮乏地区支持和赋能护士。其核心是严格遵循美国护士协会伦理准则，该准则涵盖了同情、尊重、信任、倡导、责任与诚信等十项原则，是护理伦理实践的基石。
该框架包含三个相互强化的层面：第一，以伦理准则为基础，规范所有人工智能设计、实施与治理决策；第二，一个双功能核心，其中“共情AI”模块负责识别和响应患者的情感和心理线索，而“能动性AI”模块则主动管理文书、护理协调、信息检索和沟通任务；第三，有意识的提供者监督设计，确保护士始终牢牢掌握直接影响患者的所有临床决策。这些层面共同构成了一个持续的、人在回路的过程，让人类共情引导人工智能行动，从而放大护理能力。
具体而言，共情AI指能够识别、解释并响应患者情感、认知和社会心理状态的智能系统。在护理实践中，它可以提醒护士关注患者的情绪困扰，并基于情绪或压力指标帮助护士促进沟通和个性化护理。例如，人工智能驱动的聊天机器人或虚拟助手可以在临床就诊间隙主动联系患者，检测焦虑或抑郁的早期迹象，并升级警报，使护士能够主动、高效地介入。重要的是，人工智能并非人类共情的替代品，而是通过识别细微线索并自动提供支持性互动，在不增加护士本已繁重工作负荷的前提下，放大其共情能力。
相比之下，能动性AI指的是能够主动且（半）自主地执行任务、生成建议或代表护士和多学科护理团队协调护理活动的系统。在护理实践中，它能简化管理和操作职责，如文书工作、护理协调和日程安排。护士目前将大量精力投入记录和文书任务，这限制了直接护理患者的时间，并增加了职业倦怠的风险。通过卸下重复性的低价值任务，能动性AI可以为直接的患患互动和教育回收时间，同时提高护理记录和沟通的准确性与一致性。
在热情与谨慎之间寻求平衡
癌症护理导航能够从以人为中心的人工智能工具的新颖整合中独特受益。共情与能动性人工智能能力有望增强护理的协调性、沟通和连续性。然而，必须承认并主动管理关键的局限性与严重的伦理风险。数据隐私和安全仍然是核心问题，人工智能系统依赖于大量敏感的患患信息。此外，算法偏见和系统行为不公同样令人担忧。如果缺乏多样、具代表性且与情境相关的训练数据，共情AI可能误解不同文化、语言或社会经济群体的情感线索，而能动性AI可能为边缘化群体生成不准确、不公平或不安全的建议。目前，尚无广泛建立的临床指南或法律先例来明确界定护理实践中人工智能辅助决策的责任，这种模糊性引发了关于专业责任、责任范围和实践范围的重要问题。此外，必须主动解决护理“去人性化”的潜在风险。尽管共情AI可以模拟情感理解，但它们缺乏真正的共情、道德推理或关系感知。过度依赖自动化互动或AI介导的沟通可能会损害医患关系。
将社会数据整合到人工智能护理交付支持系统中，为个性化护理、预测障碍以及识别治疗中断或不良结局风险最高的患者提供了强大机遇。持续性的偏见缓解和严格的公平性审计必须作为核心优先事项，以防止加剧护理服务中的差距和不平等。公共卫生领导者、护理组织、政策制定者和社区利益相关者应参与社区知情的工作，建立“设计即公平”的监管和治理框架，确保透明度、公平和问责制嵌入人工智能开发和部署的每个阶段。这在护理和医疗提供者持续短缺的资源匮乏地区尤为重要。
展望护理的未来
在我们提出的框架大规模应用之前，需要在临床导航环境中进行正式的验证测试，以识别潜在的不匹配或错误、数据隐私漏洞、算法偏见和工作流低效问题。该框架可以使用现有的人工智能驱动导航平台进行测试，以评估和完善其安全性、可用性、透明度及伦理表现。一旦经过护士、提供者、患者和其他利益相关者的严格测试和验证，该框架将有潜力在各种医疗场景中推进护理实践、领导力和创新。
在实际应用中，该框架有助于减轻文书负担、减少认知过载，并提高不同癌症护理场景和工作社区的工作流效率。实际应用包括：自动化响应常规患者咨询、根据患者病情严重程度协助分诊决策、定位和分配社区资源以解决健康的社会决定因素，以及根据患者的健康素养、语言和文化背景定制出院指导。
在护理教育中，该框架可被整合到虚拟模拟、案例学习和培训模块中，教导本科和研究生护理学生如何在人工智能支持的环境中工作。这种整合将帮助学生学会批判性地评估人工智能输出、解决健康的社会决定因素、在保持伦理治疗原则和专业责任的同时提供协调的、共情的癌症护理。将该框架嵌入护理课程，还将促进数字素养、伦理推理以及人机协作技能，这些对下一代护士至关重要。
护理科学家可以应用该框架，系统评估人工智能整合对提供者福祉、患者结局、护理质量和不同场景下组织绩效的长期影响。这一证据基础将指导最佳实践，并有助于完善以人为中心的人工智能系统，以实现公平、安全的实施。在广泛采用之前，美国护士协会等专业组织应制定政策与标准，以规范人工智能在护理实践中的整合。这些指南应解决人工智能辅助护理中的伦理一致性、临床责任和法律责任问题，确保护士保留专业自主权和对患者结局的责任。建立此类指导对于保护患者安全、防止对患者、其家庭和医疗保健提供者造成意外伤害至关重要，因为人工智能正日益融入临床护理。未来工作需要探讨该框架如何转化应用于美国以外的、拥有不同劳动力模式、监管环境和护理交付结构的医疗体系。
