用人工智能夺回时间、减轻职业倦怠:执业护士指南
超过半数(54%)的执业护士(NP)报告存在中度至重度的职业倦怠。造成倦怠的根源,例如收件箱消息泛滥以及电子健康记录(EHR)文书工作的负担,往往被视为无解的问题。
在2026年6月23日至27日于内华达州拉斯维加斯举行的美国执业护士协会(AANP)年会上,Kaneez R. Odgers(DNP、APN、FNP-BC)介绍了人工智能(AI)可以如何成为解决执业护士普遍倦怠问题的一部分方案。Odgers博士分享了AI在初级保健中的4个应用场景:环境式文书记录、收件箱分诊与草拟、事先授权支持,以及临床决策支持。
“有很多负担并不来自看病人本身:是文书工作,是事先授权,是在电子健康记录系统里操作,是想办法获取信息,”她在接受《The Clinical Advisor》采访时说。“随着AI被越来越多地使用,我们知道有一些工具可以帮我们把一天中的时间拿回来,去完成行政类任务。我把它比作拥有一个助手。”
Odgers博士解释说,借助AI辅助诊疗,执业护士可以打破一种恶性循环:倦怠驱使护士离开这个领域,留在岗位上的护士患者负荷增加,行政负担上升,分给每位患者的时间减少,随后又有更多护士陷入倦怠。她指出,五分之一的执业护士正考虑因倦怠而在两年内离开执业岗位。
“我们大多数人进入这一行——无论是医生、执业护士还是医师助理——都是为了有时间陪伴患者,”她说。“而我们发现,我们把大部分时间花在了这些其他任务上,而不是花在患者身上。”
为了夺回时间、减少耗费在重复性低价值任务上的认知负荷,Odgers博士建议执业护士在使用AI工具的同时保留自己的临床判断。
初级保健中AI的应用场景
环境式文书记录
书写主观、客观、评估、计划(SOAP)病历,在没有AI协助的情况下大约需要20分钟,但当AI实时聆听患者就诊过程时,它可以生成一份结构化的草稿,供执业护士审阅、编辑并签署,从而使每份病历的总时间缩短到约8分钟。Odgers博士指出,这可以帮助执业护士每天节省90至120分钟,并将下班后补写病历的时间减少40%。
“如果你用AI来生成SOAP病历,你必须彻底阅读它、核查它,确认它就是你想表达的内容,”Odgers博士说。“如果它对治疗方案提出建议,那并不是铁律。决定权仍在你自己手上,你只能把它当作助手来用。”
收件箱分诊与草拟
据Odgers博士介绍,通过使用AI工具管理收件箱,执业护士在分拣和回复消息上所花的时间可减少约40%,同时不会牺牲准确性或监督。她解释说,执业护士平均每天收到47条或更多消息,其中大多数是低复杂度问题,只需要程式化的回复。
AI辅助工具的分诊功能包括:标记紧急消息与常规消息、按风险对药物续方进行优先级排序、将实验室检查随访转交给相应的执业护士处理,以及减少在低风险事项上的决策疲劳。
在草拟消息方面,AI可以针对续方或检验结果生成给患者的模板化回复,自动生成就诊后总结,并为常见医嘱建议模板化文本。Odgers博士强调,即便消息由AI草拟,也绝不应在未经执业护士审阅的情况下自动发送。
事先授权支持
据Odgers博士介绍,如果使用AI支持事先授权工作,执业护士平均每年可挽回2个工作周。AI可以从4个方面缩短事先授权流程:查询标准、结合相关临床数据草拟循证论证信函、预测可能被拒绝的申请,以及跟踪待处理的授权。
我们大多数人进入这一行——无论是医生、执业护士还是医师助理——都是为了有时间陪伴患者。而我们发现,我们把大部分时间花在了这些其他任务上,而不是花在患者身上。
临床决策支持
Odgers博士解释说,AI并不取代执业护士的临床判断,但它可以通过提示临床医生可能忽略的细节来支持临床判断。
“它不会取代你的临床判断。它永远不应该告诉你该做什么。它只是一个助手。最终的工作必须由你自己完成。临床判断是你的,”她说。
例如,AI可以提示过敏冲突和剂量问题,并推荐循证医嘱组合以减少遗漏性错误。它还可以提取与本次患者互动相关的、最新的指南内容。此外,它可以建议考虑与临床表现相符的鉴别诊断。
将AI纳入初级保健的建议
Odgers博士建议从环境式文书记录入手;她表示,与其他AI应用场景相比,以这种方式引入AI所带来的时间节省最多,而且一旦采用后所需的持续认知投入最低。
AANP关于健康信息技术的立场“确认执业护士应当利用技术来提升照护提供、改善结局并支持执业护士队伍的可持续性,同时保持执业护士作为承担责任的临床决策者”。
Odgers博士解释说,除了保留临床判断外,执业护士还必须明白,AI“幻觉”是真实存在的风险。AI可能凭空编造药物剂量或相互作用,引用过时或不存在的指南,或者错误陈述临床标准,以及其他各类错误。
斯坦福大学研究人员近期的报告测量了AI医疗建议可能引发医疗错误——特别是遗漏性错误——的频率。Wu等人开展的这项名为NOHARM(“医学风险的多选项危害评估”)的研究涵盖10个专科、12,747条标注,评估了从初级保健到专科会诊的1100项任务,以衡量大语言模型生成的医疗咨询中出现潜在有害错误的频率和严重程度。作者写道,在20个大语言模型和4个广泛使用的检索增强生成(RAG)临床AI工具中,发现“高达24.6%的案例”存在潜在严重错误。超过80%的严重错误属于遗漏,即研究中从未出现的建议。而一个“什么都不做”的对照组在37%的案例中产生了潜在严重危害,比所有受测试的AI表现都更差。
“这些结果表明,尽管在医学知识基准测试中表现强劲,广泛使用的AI工具仍可能产生具有严重危害可能性的医疗咨询建议,这凸显了对临床安全性进行明确测量的必要性,”作者总结道。
Odgers博士表示,防范AI自信地生成错误临床信息的保障措施是批判性评估。Odgers博士建议将AI输出视为初稿,绝不要跳过对任何AI生成内容的临床审阅。
为了保护患者隐私,执业护士在将任何AI工具用于临床之前,应确认其所在机构是否签署了业务伙伴协议(BAA)。在签署BAA下运营的企业级临床AI平台旨在防止隐私泄露。消费级AI工具仍可用于教育目的、去标识化的临床问题,或草拟不包含受保护健康信息的内容。
透明度的重要性
据Odgers博士介绍,对AI使用保持透明有助于建立与患者之间的信任。“我建议过的策略之一,并且有文献支持,就是让患者知道你使用它是为了提高就诊质量,而不是代替就诊,”她说。
例如,执业护士可以对患者说:“我使用AI助手来帮助我更准确地记录我们的就诊内容,这样我就能专注于听你说话,而不是一边打字。”
Odgers博士解释说,除了对患者保持透明外,AI工具开发方式的透明也是健康公平的关键组成部分。如果AI工具是基于有偏倚的数据训练的,其输出就会有偏倚,并可能造成伤害。
Odgers博士指出,这在脉搏血氧仪上已经有所体现——AI辅助技术对肤色较深的患者准确性较低;在脓毒症预测模型中也有体现,这些模型在黑人患者中表现不佳。
她建议执业护士使用以下公平性清单来防止算法偏倚:
- 询问:“这个AI是否在与我类似的患者群体中经过验证?”
- 标记出似乎与临床判断相矛盾的推荐。
- 向系统报告存在的差异。
如何为你的执业机构评估AI工具
根据美国医学会(AMA)的一项调查,近81%的医生报告在日常工作中使用增强智能工具,但据Odgers博士的经验,执业护士对将这些工具纳入执业实践的看法不一。“我认为人们很兴奋,但他们不确定如何以安全的方式加以整合,”她说。“信息发布的节奏有点慢,所以除非你在提供培训和信息的大型机构工作,私立机构的执业者多少只能自己去寻找这些信息。”
对纳入AI工具的常见担忧包括患者隐私、照护去人性化、AI造成临床错误、工作保障,以及不知道如何评估AI工具。
“我认为我们总是对使用那些可能无法保护信息的工具心存犹豫,我也认为我们害怕给自己增加更多工作。当电子健康记录刚出现时,它们被推销给我们的说法是能减少我们的工作量,但我想我们大多数人发现它们反而增加了工作量,”Odgers博士说。
表:评估本机构AI工具时应提出的问题| 问题 | 考量 |
|---|---|
| 是否存在BAA? | 如果没有,该工具不能用于受保护健康信息。 |
| 该工具是否在临床环境中经过验证? | 是否有同行评议证据或严格的试点研究,还是唯一的证据来自供应商? |
| 在信息到达患者之前由谁审阅? | 任何面向患者的输出都需要执业护士审阅。 |
| 它对我的患者群体有效吗? | 它是否在人口学特征和合并症相似的患者中测试过? |
| 我能向患者解释它吗? | 如果临床医生无法解释AI工具如何影响了照护,就不应将该工具用于此目的。 |
总体而言,Odgers博士对AI如何帮助执业护士夺回工作日中的时间并减轻倦怠持乐观态度。“我认为我们正走向一个令人兴奋的新前沿,我认为它有能力让我们的工作更轻松,”Odgers博士说。“医疗领域的格局变化非常、非常快。技术在快速进步,而这是我们武器库中的又一件工具。”
请访问我们的会议栏目,了解更多关于AANP 2026的报道。
参考文献
Odgers KR. 使用AI减轻初级保健中的职业倦怠。报告于:AANP 2026;2026年6月23日至27日;内华达州拉斯维加斯。
【全文结束】

