医院正竞相将人工智能整合到日常护理中，但一些护理领导者担忧这一速度已超过护理行业理解该技术的能力。
在俄亥俄州阿克伦的萨马健康医疗系统（Summa Health），护理信息学首席官马克·贝诺伊（Marc Benoy）表示，这种紧张关系每天都在上演。“如果护士在缺乏适当培训或教育的情况下采用人工智能，风险将远超技术层面——它可能悄然重塑护士的思维方式、行为模式和关怀能力。”贝诺伊指出，比算法故障或数据偏见更隐蔽的危险在于临床判断能力的逐渐退化。当护士无法完全理解系统如何得出结论时，就更容易过度信任输出结果。
“人工智能工具可能出现错误、存在偏见或忽视细微差别，”他补充道，“若无法质疑或验证其结果，错误可能悄然漏过而不被察觉。”
全美各地医院正试点将人工智能应用于护理的几乎每个环节——从自动转录患者就诊过程的环境记录工具，到能在症状出现前数小时预测病情恶化的算法。这些工具承诺减轻工作负担并及早发现问题，但在仓促部署过程中，正式培训往往滞后。
在佛罗里达州坦帕的莫菲特癌症中心（Moffitt Cancer Center），护理信息学首席官马克·珀金斯-卡里略（Marc Perkins-Carrillo）从系统角度观察到相同问题。他担忧临床工作者被交付功能强大的人工智能模型时，却缺乏对其构建方式及训练人群的透明度。“这可能导致产生偏见或不恰当的建议，与实际治疗的患者不匹配。”他表示。
许多医疗系统才刚刚开始应对这一问题。部分机构在护理教育中引入“人工智能素养”模块，效仿多年前循证实践课程的兴起；另一些则组建跨学科监督委员会，在新工具上线前审查算法偏见和可解释性。然而，这些努力并不一致，且技术发展速度已超过治理框架的跟进能力。
珀金斯-卡里略认为，培训必须超越如何操作仪表盘的基础操作。“若缺乏人工智能素养或提示词设计的根基教育，临床工作者可能迅速对技术潜力感到沮丧或幻灭，”他指出，“无法期望人们信任一个他们不理解的系统。”
两位专家均描述了医疗人工智能的共同愿景——护士不仅是使用者，更是知情协作者。这意味着需教导他们询问模型的训练方式、局限性以及何时应覆盖系统指引。
贝诺伊特别强调，护士在塑造人工智能伦理边界方面扮演关键角色。“他们往往是决策抵达患者前的最后一道关卡，”他表示，“必须掌握足够知识才能说‘等等，这看起来不对’。”
他表示，成功把握这一平衡的医院将利用人工智能精进而非替代直觉——在不钝化临床本能的前提下提供更优信息。
“人工智能绝对能强化护理工作，”贝诺伊总结道，“但前提是护士具备批判性使用所需的素养和技术能力。归根结底，人工智能应支持而非取代构成护理人性化的本质要素。”
【全文结束】
