医疗保健服务的格局正经历由人工智能（AI）技术进步驱动的快速变革。随着AI系统日益渗透临床环境——从诊断算法和决策支持工具到患者教育平台——医疗组织和专业人员必须在充分利用AI强大能力与维护定义富有同情心、以人为中心护理的不可替代人类元素之间找到微妙的平衡。
近期研究考察了患者（Tursynbek等，2024）和医疗保健专业人员（Madar等，2026）对AI采用的观点，揭示了一个挑战"AI与人类二元对立"简单观念的微妙现实。医疗行业并非面临技术革新与人类联系之间的生存选择，而是必须有意设计一种模型，使AI与人类专业知识在互补角色中共存。本社论审视了当前关于AI在医疗保健中承诺与局限的证据，借鉴最新研究论证一种仍以专业判断和以人为中心护理为根基的技术整合方式。
1 AI的潜力
AI在医疗保健中的潜在益处显著且有充分记录。患者认识到AI可以增强临床护理、提高患者安全并减少医疗错误（Tursynbek等，2024）。在抑郁症诊断可能被忽视的繁忙医疗环境中，采用AI辅助筛查工具可能提供准确的早期识别方法，并为易受社会期望偏差影响的传统自评问卷提供更客观的替代方案（Goh等，2025）。在压疮风险评估等高度专业化领域，护士对AI整合表现出浓厚兴趣，准备水平表明他们对参与基于AI工具的准备程度高于平均水平（Sengul等，2025）。许多护士认为AI超越了传统临床医生管理的布拉登量表评估的局限，表明AI支持的模型可能提供增强的风险预测，提高准确性从而实现更个性化的护理计划。
AI工具的采用已远超理论讨论。新兴应用展示了真实的实用价值。AI驱动的系统能够快速处理大型数据集，同时高效分析医疗数据。例如，利用言语、文本、动作和面部表情等行为线索的AI模型在抑郁症检测中显示出有希望的诊断准确性（Goh等，2025）。除临床应用外，AI还被用于支持证据综合的文献筛查，可能减少护士研究人员在重复研究任务上花费的时间而不影响审查质量（Mudd等，2025）。在患者教育和健康促进领域，AI生成的教育材料被发现易于理解、可靠、清晰且相关，提高了患者信息的可及性并减少了临床医生在资源开发中的工作量（Maraş Baydoğan等，2025）。这些应用表明，当设计和部署恰当时，AI能够以有意义且多样化的方式增强人类在医疗保健中的能力。
2 不可替代的人类元素
然而，即使我们承认AI的能力，也必须面对一个算法无法克服的深刻局限：AI从根本上缺乏患者认为对治愈至关重要的品质。探索患者观点的研究表明，对AI系统无法复制核心关系能力（包括积极倾听）的担忧，一些参与者指出非语言线索的缺失导致不安（Tursynbek等，2024）。至关重要的是，尽管AI优化了临床效率并可能减轻护士工作量（Watson等，2025），但它不具备同理心或同情心——患者认为这些特质对其护理体验至关重要（Tursynbek等，2024）。重要的是，患者识别的局限与AI技术在临床环境中应用的更广泛批评相一致。Madar等（2026）认为，当前研究经常夸大AI技术驱动福祉而非作为辅助工具的好处，未能将技术采用与客观临床结果联系起来。没有证据表明在患者安全、护理质量或关系体验方面的改进，关于AI变革潜力的主张仍不完整。这些发现强化了长期存在的证据，即建立在信任和真正人类联系基础上的治疗关系是积极健康结果的基础。此外，除临床和治疗管理外，患者将精神支持和文化敏感护理视为维护以患者为中心、人性化护理的关键，确保在接受医疗系统服务时感到被支持、被理解并真正被关爱（Tursynbek等，2024）。
3 信任与监督的关键问题
多项研究中一个特别有启发性的发现涉及患者和专业人士对AI自主性的态度。患者对过度使用表示担忧，并明确表示偏好将AI作为需密切人类监控的次要工具（Tursynbek等，2024）。这种偏好并非反映技术焦虑或对创新的抵制；相反，它揭示了对完全自动化算法医疗决策中固有风险的临床有根据的理解。由于伦理和法律考虑，大多数研究参与者主张对AI系统进行密切专业监督，这一立场与在使用AI工具时对数据安全、隐私、问责和保密的合理担忧相一致（Madar等，2026）。
这些担忧不仅限于哲学偏好，还延伸至具体操作挑战。AI生成信息的可靠性在某些领域仍不确定。虽然ChatGPT等AI系统可以产生与人类写作极为相似的文本，但它们可能以明显自信的方式提供不准确信息，带来重大准确性风险（Mudd等，2025）。此外，AI生成的教育材料的可读性、可理解性和可操作性在不同情境和临床领域差异很大，必须在应用于临床实践前由医疗专业人员评估（Maraş Baydoğan等，2025）。重要的是，必须强调AI仍然是一个其看似"智能"通过人类指导操作的工具。由医疗保健专业人员的临床经验、学科知识和患者评估提供信息的提示，最终决定了系统输出的性质、范围和应用。最终，AI不会取代专业责任。最终临床决策及其伴随的道德责任，明确无误地落在医疗保健专业人员身上。
4 前进之路：有意义的整合
有一点很明确：医疗组织和专业人员需要超越包括"对AI盲目信任"或"自动抵制"在内的两极化立场，采取基于证据的知情立场。当前发现支持一种审慎且经过深思熟虑的整合策略，包括使用AI来增强而非取代人类判断和临床决策，承认确实需要培训和负责任的治理框架（Tursynbek等，2024）。然而，有意义的整合和实施受到护士对AI的态度和准备程度的影响，Sengul等（2025）为关于护士需要参与支持个性化护理和实时患者数据的风险预测模型和决策工具共同设计的讨论做出了贡献。当护士不仅是被动采用者，而是积极参与共同开发、评估和批判性辩论时，实施结果可以改善（Sengul等，2025）。
文献进一步强调，最接近患者护理的人员具有临床专业知识和洞察力，了解技术如何可能增强（特别是从效率角度）而非使临床工作复杂化（Goh等，2025；Sengul等，2025）。这一原则被理解"不能采用'一提示适合所有'方法"的护士研究人员所例证，他们迭代改进了摘要筛查方法，取得了AI或人类单独无法有效实现的结果（Mudd等，2025）。
5 实施的警示
然而，实施研究也值得一些谨慎。关于AI促进积极护理实践环境的一篇批判性评论恰当地指出，如果不明确区分嵌入临床工作流程的AI工具与孤立的实验系统，临床医生无法确定哪一种真正改善了条件（Madar等，2026）。许多报告的益处也基于横断面关联而非因果证据，可能夸大了AI在员工福祉方面的作用（Madar等，2026）。
缺乏客观绩效指标（如错误率或工作量指标）进一步使收益可能被夸大（Madar等，2026）。评估很少考虑模型漂移或在常规临床压力下的持久性，许多依赖于受组织文化和数字能力强烈影响的自我报告用户感知（Madar等，2026）。这些局限并不反对AI采用，但它们强调需要对当前状态下AI技术所能提供的内容进行更严格的评估和适度期望，进一步支持人类监督的关键需求（Goh等，2025；Mudd等，2025；Tursynbek等，2024）。
6 结论
近期医疗保健研究的新兴共识既不是天真的技术乐观主义，也不是对创新的怀旧式拒绝。相反，它反映了对医疗保健未来取决于AI与人类专业知识之间深思熟虑和刻意协作的成熟认识。AI可以高效处理数据、识别模式并支持临床筛查（Goh等，2025）。但只有人类才能倾听患者恐惧、提供富有同情心的存在、展现文化能力并在复杂临床情境中行使道德判断（Tursynbek等，2024）。
前进的道路需要医疗领导者、临床医生、患者和技术开发者共同协作。这意味着投资于医疗专业人员的结构化培训，确保透明的开发过程，维持对AI系统的监督，并且绝不允许效率收益损害作为治愈核心的同情心和以人为中心的护理。这也要求护士——接触患者时间最多的最大医疗专业群体——积极参与AI工具的共同开发和评估，而非被定位为技术变革的被动接受者。当AI能够作为可靠工具增强而非取代人类判断时，医疗保健将真正实现其全部潜力。
资金
作者无须报告任何信息。
利益冲突
作者声明无利益冲突。
数据可用性声明
本研究未生成或分析数据集，因此不适用数据共享。
【全文结束】