【快速摘要】
本研究提出了一套全面的"医疗保健人工智能实施研究框架"(FAIIR-H)，整合了现有知识，关于临床环境中人工智能采用的障碍和促进因素。该框架确定了五个关键主题中的12个领域和63个构建要素，旨在增强对医疗保健中人工智能技术的系统评估。
【关键细节】
- 研究期间：2020年1月至2024年5月发表的文章
- 研究方法：范围文献综述和滚雪球抽样
- 框架组成：12个领域和63个构建要素
- 关键主题：设计与开发、组织与文化、部署与维护、质量与安全、公平性
【关键要点】
- 医疗保健中的人工智能采用面临众多需要解决的障碍
- FAIIR-H框架整合了现有知识，指导未来的实施工作
- 确定了五个关键主题，关注人工智能集成的各个方面
- 质量与安全以及公平性被强调为人工智能实施中的总体主题
- 人工智能技术的系统评估对于成功整合到临床实践至关重要
- 利益相关者的认可对于培养准备文化和资源分配至关重要
- 以用户为中心的设计被强调为成功部署的关键因素
- 该框架旨在通过科学的人工智能实施策略增强医疗保健服务
【背景】
将人工智能(AI)整合到医疗保健中有潜力变革患者护理和运营效率。然而，尽管人工智能模型大量涌现，但许多在临床实践中仍未得到充分利用。理解人工智能实施的障碍和促进因素对于最大化其在医疗保健环境中的效益至关重要。
【研究方法】
本研究进行了全面的范围文献综述，重点关注2020年1月至2024年5月期间发表的文章。研究人员从Medline、Embase和Web of Science检索相关文献，并通过滚雪球抽样确定了其他相关框架，最终通过亲和图法整合各种理论中的构建要素和领域。由此产生的FAIIR-H框架作为未来实施评估和规划的指南。
【研究结果】
最终框架包括12个领域和63个构建要素，分为五个主题：设计与开发（数据、模型性能、设计、法规）、组织与文化（资源、准备、认可），以及部署与维护（集成、以用户为中心、维护），其中质量与安全、公平性作为单独的总体主题。这种全面的方法旨在解决医疗保健中人工智能采用的多方面挑战。
【影响与意义】
本研究的结果有望对医疗保健中人工智能的未来产生重大影响。通过提供结构化框架，利益相关者可以更好地应对人工智能实施的复杂性，最终改善患者结果并增强医疗保健服务。对公平性和质量的强调确保人工智能技术不仅有效，而且可以为不同人群所用，避免技术应用可能带来的健康不平等问题。
【结论】
FAIIR-H框架代表了理解和促进医疗保健中人工智能实施的关键一步。通过综合当前关于障碍和促进因素的证据，该框架可以指导定制实施计划的开发，为人工智能技术在临床实践中的更有效整合铺平道路。随着人工智能的持续发展，医疗保健的未来前景光明！
【摘要】
人工智能(AI)模型数量日益增长；然而，迄今为止，很少有模型进入常规临床实践。本研究描述了将现有知识综合成一个统一的理论"医疗保健人工智能实施研究框架"(FAIIR-H)的过程，以帮助指导未来的实施评估和规划。研究人员进行了范围文献综述，从Medline、Embase和Web of Science检索了2020年1月至2024年5月期间发表的相关文章。然后通过滚雪球抽样确定了其他相关框架。使用亲和图法整合了跨理论的构建要素和领域。最终的统一框架包括12个领域和63个构建要素，涵盖五个主题：设计与开发、组织与文化、部署与维护，其中质量与安全、公平性作为贯穿整个实施过程的总体主题。这项工作的发现将有助于指导制定针对已知采用障碍和促进因素的实施计划，并指导在医疗保健环境中系统评估人工智能驱动技术的实施。
【全文结束】