本文内容如下e-collection /主题问题:

数字健康评论(826) 人工智能(695) 评论(62) 电子卫生系统的采用和变更管理(475) 临床信息与决策(933)

发表在在24卷，第10位（2022）: 10月

本文的预印本(早期版本)可在https://preprints.www.mybigtv.com/preprint/40238，首次出版。
人工智能在医疗保健实践中的应用:范围审查

人工智能在医疗保健实践中的应用:范围审查

人工智能在医疗保健实践中的应用:范围审查

本文作者:

Malvika沙玛1 作者:Orcid; 卡尔·萨维奇1、2 作者:Orcid; 莫妮卡Nair2 作者:Orcid; 英格丽·拉尔森2 作者:Orcid; 佩特拉斯维德贝格2 作者:Orcid; 延斯·尼格伦2 作者:Orcid
文章 作者 引自(6) Tweetations (22) 指标

    审查

    1瑞典斯德哥尔摩卡罗林斯卡医学院医疗管理中心学习、信息学、管理和道德学系

    2哈尔姆斯塔德大学卫生与福利学院，瑞典哈尔姆斯塔德

    通讯作者:

    Jens M Nygren博士

    健康与福利学院

    哈尔姆斯塔德大学

    823箱

    哈尔姆斯塔德,30118

    瑞典

    电话:46 035167100

    电子邮件:jens.nygren@hh.se


    背景:人工智能(AI)经常被视为一种潜在的颠覆者，将改变医学实践。在卫生保健领域收集和提供的数据量，加上计算能力的进步，促进了人工智能的进步和出版物的指数级增长。然而，人工智能应用的发展并不能保证它们被应用到日常实践中。如果不能更好地理解人工智能的实施，尽管投入了资源，但仍有可能无法实现患者、员工和社会的利益。

    摘要目的:本研究的目的是通过回答3个问题，探讨人工智能在卫生保健实践中的实施是如何在文献中被描述和研究的:人工智能在实践中的实施研究的特点是什么?描述了人工智能系统的哪些类型和应用?人工智能系统的实施过程有哪些明显的特征?

    方法:对MEDLINE (PubMed)、Scopus、Web of Science、CINAHL和PsycINFO数据库进行了范围审查，以确定自2011年以来在医疗保健领域实施人工智能的实证研究，并对选定的参考文献列表进行滚雪球抽样。我们使用Rayyan软件筛选标题和摘要，并选择全文文章。纳入文章的数据被绘制成图表并进行汇总。

    结果:在检索到的9218条记录中，有45篇(0.49%)文章被纳入。文章涵盖了不同的临床环境和学科;最近发表的大多数(32/45,71%)来自高收入国家(33/45,73%)，面向保健提供者(25/45,56%)。人工智能系统主要用于临床护理，特别是与患者-提供者接触有关的临床护理。超过一半(24/45,53%)没有行动自主权，而是支持人类决策。大多数研究的重点是建立干预措施的有效性(16/ 45,35 %)或与人工智能系统的技术和计算方面相关(11/ 45,24 %)。关注实施过程的细节似乎还不是研究的重点，使用框架来指导实施的情况也很少。

    结论:我们目前的经验知识来源于具有低行动自主性的人工智能系统的实现和其他类型信息系统实现的常见方法。为了制定一个具体的、基于经验的实施框架，需要进一步研究在常规护理中实施的更具破坏性的人工智能系统类型，以及在卫生保健中实施人工智能的独特方面，如建立信任、解决透明度问题、制定可解释和可解释的解决方案，以及解决有关隐私和数据保护的伦理问题。

    [J] .中国医学信息学报，2010;24(10):444 - 444

    doi: 10.2196/40238

    关键字

    人工智能; 卫生保健; 实现; 范围审查; 技术采用


    人工智能(AI)经常被认为是一种潜在的颠覆者，将改变医学实践。1，2]。人工智能的前景在于其处理和学习大量数据的能力，以及捕捉人类难以识别的模式的能力。这种能力引发了对责任和风险的质疑和担忧，特别是与授予人工智能应用程序的自治水平有关的问题。[3.]。其他人则认为这是对人类的补充;例如，决策支持或决策增强，其中人类(扮演临床医生或程序员的角色)提供监督和协作[4-7]。与单独的专家相比，后一种方法已被证明可以产生更好的性能[8]。其他益处包括改善患者预后、减少错误、优化卫生系统、降低成本和增加价值[6]。

    在医疗保健中收集和可用的数据量，加上计算能力的进步，促进了人工智能应用的进步[9人工智能在医疗领域的出版物呈指数级增长，仅在2021年，PubMed上就有100万份记录。其中包括跨医学专业的多篇综述，探讨人工智能在增强医疗保健服务方面的潜在作用[10-14]。其中包括诊断(例如，早期癌症诊断、糖尿病视网膜病变筛查或基于计算机断层扫描图像的COVID-19诊断)、治疗(例如，化疗中的精准医学和联合药物治疗)、监管或行政应用(例如，记录编码或经济评估)以及人口健康管理(例如，公共卫生监测或预测流行病学建模)[15-21]。

    然而，人工智能应用的发展并不能保证它们被应用到日常的医疗实践中。研究已经确定了一些影响创新采用的因素。这些因素包括环境(如经济和政治环境、法律法规和社会文化因素)、组织(如组织结构、资源和过程)、群体(如专业价值观和文化)、个人(如态度、动机、用户满意度和信任)和技术(如可用性、设计、准确性和可解释性)[22，23]。这表明有必要更多地了解如何将人工智能应用于卫生保健，不仅要将其作为一项创新，还要考虑其独特的潜力和相关问题。

    以前的审查往往只侧重于在卫生保健中实施人工智能过程的某些方面;例如，规管及法律问题[24，25]、信任与道德[24-29]、临床及病人结果[30.-32]，以及经济影响[33]。其他人则将研究重点放在人工智能在医疗保健领域的具体应用上，如预测医学、诊断和临床决策[9，30.，34，35]。一些评论更全面，关注合作制作过程[36]、实施框架[37]，以及关键的实施障碍或成功因素[38]，可以为人工智能技术的相关实施策略的发展提供信息。一般来说，有人认为在医疗保健中实施人工智能可以显著改善患者和医疗保健结果，但这些综述都没有真正探索日常临床实践中现实世界实施的知识库。

    考虑到在开发人工智能应用方面投入的资源，以及复制已经调查过的有效人工智能应用方面的风险，以支持、增强甚至可能改变患者、员工和社会的医疗保健，我们试图探索如何在研究文献中对人工智能在医疗保健实践中的实施进行实证调查。


    研究设计

    我们选择了一种符合Arksey和O 'Malley框架的范围审查方法[39]并根据PRISMA-ScR(系统评价和荟萃分析扩展范围评价的首选报告项目)清单(图1) [40]。先前的一项审查表明，人工智能在卫生保健领域的实施没有得到很好的研究[37]。因此，范围审查可使我们在这个新兴的研究领域内，绘制出“研究活动的程度、范围和性质”[39]。

    ‎
    图1所示。PRISMA(系统评价和荟萃分析首选报告项目)流程图。AI:人工智能。
    查看此图

    确定研究问题

    为了实现我们的目标，我们制定了三个研究问题:

    1. 人工智能在实践中的实施研究有哪些特点?
    2. 描述了人工智能系统的哪些类型和应用?
    3. 人工智能系统的实施过程有哪些明显的特征?

    确定相关研究

    在一位大学图书管理员的支持下，我们通过迭代测试3个概念的同义词来集中搜索:人工智能，卫生保健,实现（文本框1)。为了清晰起见，我们区分了人工智能算法和模型(实际代码)，人工智能应用(创新)包)和人工智能系统(其上下文中的应用)，并使用标准化的医学主题词和主题词来描述人工智能及其子类别，这些主题词和主题词由用于我们搜索的数据库提供[41]。基于对将人工智能转化为卫生保健实践的框架的审查，实施被定义为“旨在改变或适应或将干预措施纳入常规的有意努力”[37]。同义词由布尔运算符连接或;接下来，我们将每个概念的搜索字符串与布尔运算符组合起来和（多媒体附录1)。

    为了涵盖一般和健康及医疗保健特定来源的内容，我们检索了5个电子数据库:MEDLINE (PubMed)、Scopus、Web of Science、CINAHL和PsycINFO。此外，我们使用滚雪球抽样，通过手动检查我们在筛选过程中确定的综述文章的参考文献列表，其中可能包含给定综述主题的相关参考文献。

    用于开发搜索策略的概念区域和同义词。

    搜索概念，结合使用AND

    • 人工智能
    • 医疗保健
    • 实现

    搜索词，使用OR组合

    • 人工智能，神经网络，深度学习，机器学习
    • 提供医疗保健，医疗保健，医疗保健
    • 实施、改进、创新、干预
    文本框1。用于开发搜索策略的概念区域和同义词。

    合格标准

    我们纳入了2011年12月至2022年2月期间以英文发表的同行评议的实证研究，因为初步搜索表明，人工智能在医疗保健领域的应用是一个较新的现象(表1)。

    表1。资格标准及其基本原理。
    资格标准和变量 基本原理
    入选标准

    		同行评议 更高的可信度，因为论文已经过该领域同行专家的审阅

    		实证研究设计 与概念性评论或观点相比，实证研究提高了回答研究问题的能力

    		出版于2011年12月至2022年2月 鉴于技术的快速发展和不断变化的数据集，过去十年之前开发的解决方案可能已经过时

    		英语语言 考虑到调查人员的语言能力，考虑到实际情况
    排除标准

    		非经验设计，包括社论、评论、观点文章和报告 与概念性评论或观点相比，实证研究提高了回答研究问题的能力

    		与人工智能技术实施无关的概念验证、可行性或验证研究 由于目的是在实践中探讨执行情况，因此应排除那些达不到这一点的研究，例如概念证明、有效性或可行性研究

    研究选择

    所有确认的记录都导入了开放存取软件Rayyan。删除重复的记录，其余记录的标题和摘要由至少一位作者筛选是否合格。任何不确定或冲突都在定期签入中讨论，直到所有作者达成共识。作者的多学科背景为这些讨论提供了信息。我们还不断地审查我们对筛选标准的解释，当出现问题时，我们会进行追溯，以确保这些标准得到了正确和普遍的应用，而不受谁筛选记录的影响。我们使用了Rayyan的AI筛选和突出显示功能，但我们仍然对每条记录进行了筛选。我们在包容方面也犯了错误。然后，全文文章由至少两名研究人员独立筛选。冲突和不确定性再次通过讨论解决，直到所有研究人员达成共识。由于我们遵循最初的框架，因此没有对纳入的研究进行质量评估。

    绘制数据图表

    我们开发了一个数据提取模板，为每个研究问题绘制数据图表。为界定这些概念范畴，我们采用了世界卫生组织有关人工智能伦理及管治的指引，以界定人工智能的健康定义(根据经济合作与发展组织国家人工智能委员会的建议)[42，43]:“人工智能系统是一种基于机器的系统，它可以针对一组给定的人类定义的目标，做出预测、建议或决定，影响真实或虚拟环境。人工智能系统被设计成具有不同程度的自主性”[42]。

    提取的数据如下:

    1. 一般信息:作者、出版年份、国家、临床环境、研究目的和研究设计
    2. 人工智能的类型和应用:使用的人工智能技术、人工智能模型的类型、人工智能执行的任务类型、行动自主程度、人工智能的预期用途和人工智能的预期用户
    3. 实施过程:研究重点、实施动机、实施过程中的要素、使用的框架

    整理、总结和报告结果

    与研究问题1和2相关的提取数据被绘制和总结。定性专题分析[44]用于分析与研究问题3相关的数据，以总结实施的动机和实施过程中的要素。文章被一遍又一遍地阅读，最初的想法被分类到不同的领域动机实现的背后元素在实施过程中。接下来，在每篇文章中确定初始代码。根据代码的相似性和差异进行比较，并整理成潜在的主题，然后进行比较，生成一个主题地图，用于在各自领域为每个主题生成明确的定义和名称。编码和数据分析成对进行，所有作者讨论任何不确定因素，直到达成共识。


    搜索结果

    我们确定了9218条记录，其中9179条(99.58%)是通过数据库检索确定的，39条(0.04%)是通过对综述文章中参考文献列表的滚雪球检索确定的(n=36)。在9218条记录中，去除重复后，保留5666条(61.47%)记录，并对标题和摘要进行筛选。在本次筛选中，98%(5553/5666)的记录被排除，其余2%(113/5666)的记录通过全文审查来评估是否合格。在这113篇文章中，68篇(60.2%)被排除，原因在图1， 45例(39.8%)纳入范围评价。

    研究问题1:研究特点

    文献综述是最近的，大多数研究(32/ 45,71%)发表于2020年至2022年之间[45-76]。大部分(33/45,73%)的文章来自北美和欧洲[46，47，49-55，57，58，61-63，67-70，73-87]，其中大多数(18/33,55%)来自美国[46，47，49-52，54，68，73-77，79-81，84，87]。在医院范围内实施人工智能系统的数量最多(6/ 45,13 %)[50，55，56，65，74，80]或放射学(6/ 45,13 %)[53，56，66，68，73，76]。大多数(27/ 45,60 %)的研究是由一个多学科团队撰写的[46，47，50-55，58，59，61，62，64，67，69，70，72，74，75，78-80，82，86-89]，临床和IT或信息学背景是最常见的组合(9/ 27,33 %)[47，50，55，61，70，74，79，87，89]。在作者仅来自1个领域的研究中，临床背景最为常见(8/ 45,18 %)[63，65，66，68，71，73，76，84]。研究设计的范围很广。大多数(24/45,53%)采用案例研究设计，包括单一案例[46，49，50，52，53，55-57，59，60，66-68，70，74，75，78-83，85，86]或多个比较案例设计[53，56，78) (表2和多媒体附录2)。

    表2。纳入范围审查的文章概述(N=45)。
    作者，年份，国家;临床 研究的目标 研究设计
    Anand等[79]， 2018年，美国;儿科 描述通过计算机自动化系统改善儿童健康的方法和使用Arden语法表示儿科指南的方法 案例研究
    Baxter等[50， 2020年，美国;程序的实现 详细分析了在医疗保健中使用机器学习模型的障碍 案例研究
    班纳特(77]， 2011，美国;心理健康 评估数据驱动的临床生产力系统的效果，该系统利用电子健康记录数据在现实世界的临床环境中提供生产力决策支持功能 张后研究
    Champion等人[87]， 2011，美国;重症监护 阐明胰岛素强化治疗CDSS的障碍和促进因素一个 定性研究
    Chonde等[68， 2021年，美国;放射学 评估人工智能的实现b放射学的动力翻译系统 案例研究
    Chong等[65， 2021年，澳大利亚;程序的实现 确定是否有VTEc管理计划可以增加风险适当的静脉血栓栓塞预防和使用CDSS进行静脉血栓栓塞风险评估 间断时间序列
    Cruz等[85， 2019年，西班牙;初级护理 描述一个实时CDSS及其对临床路径依从性的影响 案例研究
    Damoah等[60， 2021年，加纳;管理 探索人工智能增强的医疗无人机在加纳医疗保健供应链中的应用如何改善医疗保健供应链系统 案例研究
    Davis等[73， 2020年，美国;放射学 确定一个机器学习算法的影响，意味着标记CTd头部检查有待解释为颅内出血的可能性更高 案例研究
    迪奥斯等人[83]， 2015，西班牙;手术 介绍了西班牙塞维利亚某大学医院手术室调度的决策支持系统 案例研究
    García Bermúdez等[69， 2021年，西班牙;内科服务 评估虚拟护理人员的用户满意度，该虚拟护理人员旨在监测因COVID-19感染住院的患者出院后30天的健康状况 定量研究
    Goncalves等[592020年，巴西;护理 介绍护士使用技术工具的经验，以支持败血症的早期识别 案例研究
    Herman等[64， 2021年，印度尼西亚;公共卫生 评估基于人工智能的应用对利福平耐药结核病筛查的影响 质性研究与关键线人访谈
    Kalil等[88]， 2018年，巴西;手术 描述一种新的风险管理认知机器人对临床外科单位脓毒症风险患者的识别和护理过程的影响 回顾性观察性研究
    Kashyap等[47， 2021年，美国;未指定 确定早期采用卫生系统用于将基于人工智能的CDSS集成到临床工作流程中的不同计算和组织设置 质性研究与关键线人访谈
    莱西等人[61， 2020年，英国;手术 评估使用自动视频审计对洗手事件的质量和数量的影响 间断时间序列
    Lai等[52， 2020年，美国;公共卫生 描述数字化自动化院前分诊解决方案的实施，以指导患者接受适当的护理 案例研究
    Litvin等[84]， 2012，美国;初级护理 描述初级保健中急性呼吸道感染抗生素处方的CDSS使用情况，以及采用的促进因素和障碍 混合的方法
    McKillop等[48]， 2021年，多区域;公共卫生 描述使用IBM Watson Assistant平台构建的与covid -19相关的对话代理的各种用例 横断面研究
    Mohamed等人[71]， 2021年，阿拉伯联合酋长国;牙科 验证和实施人工智能系统，并量化系统实施前后向正畸专科医生的转诊模式 定量调查
    摩尔人(49， 2021年，美国;住院病人护理 描述人工智能系统实施过程中的经验和教训 案例研究
    Morales等[72， 2021年，巴西;急救护理 描述数字分类和监控服务的早期实施，包括使用使用算法决策的聊天机器人 观察性研究
    Ng等[45， 2021年，新加坡;一般护理 开发一个风险分层的预测模型，以纳入全国过渡护理计划 现有数据集的分析
    奥尼尔等人[76， 2021年，美国;放射学 评估(1)采用非对比CT检测脑出血的算法是否会影响周转时间;(2)对周转时间的影响是否依赖于放射科医生工作流程中呈现信息的方式 准实验研究
    Petitgand等[67， 2020年，加拿大;急诊科 分析一个基于人工智能的决策支持系统在急诊科的实施，重点关注系统参与者的表现 案例研究
    Rais等[82]， 2018年，葡萄牙;管理 探讨医院物流服务的优化途径 案例研究
    Rath等[81]， 2017，美国;手术 描述基于模型的决策支持系统的开发、实施和评估，以确定麻醉医师的日常安排和选择性手术的房间 案例研究
    Reis等[55， 2020年，德国;程序的实现 描述一家大型医院失败的人工智能项目，并找出导致失败的根本原因 案例研究
    Romero-Brufau等[51， 2020年，美国;初级护理 探讨使用基于人工智能的CDSS的员工对人工智能的态度 张后研究
    Romero-Brufau等[54， 2020年，美国;普通护理病房 使用基于人工智能的CDSS减少计划外的再入院 对照研究
    Saverino等[62， 2021年，意大利;康复 描述数字人工智能平台在2019冠状病毒病大流行期间促进实施康复服务变革方面的作用 回顾性观察性研究
    Schlicher等[75， 2021年，美国;管理 讨论在华盛顿州最大的医疗保健服务提供商之一的人工智能任务控制中实施数据分析 案例研究
    Schuh等[78]， 2018年，奥地利;重症监护、肿瘤学和肾脏病学 概述维也纳总医院将3个cdss纳入实践的技术和临床方面 描述3个项目的案例研究
    Semenov等[86]， 2016年，俄罗斯;实验室 实验室服务患者决策支持系统的研究与开发 案例研究
    Sendak等[46， 2020年，美国;急诊科 描述将脓毒症监测(脓毒症检测和管理平台)整合到北卡罗来纳州达勒姆杜克大学医院的常规护理服务中所采取的步骤 案例研究
    斯诺登等人[74， 2020年，美国;跨学科 描述系统的实施、工作流程的变化以及对弱势公民的影响 案例研究
    Strohm等[53]， 2020年，荷兰;放射学 确定人工智能在临床放射学中应用的障碍和促进因素 案例研究(多个)
    Sukums等[89]， 2015年，加纳和坦桑尼亚;初级护理 描述加纳和坦桑尼亚农村设施的卫生工作者接受和使用CDSS进行孕产妇保健的情况，并确定影响成功采用的因素 混合的方法
    太阳(56]， 2021，中国;程序的实现 研究不同利益相关者之间的社会力量如何影响医疗保健中的IT采用 混合的方法
    Tamposis等[70; 2022年，希腊;泌尿外科 介绍一个软件平台的设计和实现，用于支持检测以及使用和处理融合活检的临床、生化、成像和组织病理学结果 案例研究
    Tan等[66， 2021年，新加坡;放射学 描述使用人工智能自动检测和标记放射科医生未报告的CT发现，以提高患者安全 案例研究
    Thurso等人[58， 2021年，斯洛伐克;牙科 评估人工智能升级现有正畸移动训练应用程序的临床影响 张后研究
    文等人[80]， 2019，美国;程序的实现 根据明尼苏达州罗切斯特市梅奥诊所临床自然语言处理的经验，提出开发自然语言处理工具集的建议 案例研究
    Wijnhoven [57， 2021年，荷兰;新生儿护理 从CDSS开发案例中获得的基础见解的理论形式化，并通过这样做为组织中的人工智能开发创建组织学习理论基础 案例研究
    Wong等人[63， 2021年，加拿大;肿瘤学 描述基于深度学习的自动分割轮廓模型在2个癌症中心临床工作流程中的影响 用户反馈调查

    一个临床决策支持系统。

    bAI:人工智能。

    c静脉血栓栓塞。

    dCT:计算机断层扫描。

    研究问题2:人工智能技术的类型和应用

    实施的最常见的人工智能应用类型是自动化或优化技术，在实施的系统中占71% (32/45)[45，46，49-51，53-59，62，64，65，70，71，73，75，77-79，81-84，86-89]。其他实现的技术包括人类语言技术、计算机视觉和机器人技术(表2和多媒体附录2和3.)。最常见的人工智能模型是符号或基于知识的模型，在近一半(22/ 45,49%)的综述研究中有报道[48，52-54，57，59，68-74，77-80，84，85，88]，其次是统计模型(9/ 45,20 %)[45，49-51，58，81，82]。最常执行的任务是识别(16/ 45,36 %)[52，56，61，63-66，72，73，76，78-80，84，85]，其次是预测(9/45,20%)[45，46，49-51，53，54，57，71]。执行的其他任务包括事件检测、目标驱动的优化、交互支持和个性化(表2，多媒体附录2和3.)。虽然超过一半(24/45,53%)的人工智能应用程序没有行动自主性[46，48-51，53，54，57，63，66，67，70，73-75，79，81-85，87-89]，少数报告的申请低(2/ 21,10 %)[55，72]，中(4/21,19%)[58，69，71，86]，或高(6/ 21,29 %)[52，55，60，61，68，76动作自主的，自主的表2，多媒体附录2和3.)。近四分之三的人工智能系统用于临床护理(33/ 45,73%)[46，49，51，53-59，61，63-73，78-80，84-89]，其中大多数(18/33,55%)涉及提供支持以告知患者与提供者的接触[46，49，51，55，56，61，63，65，67，68，74，78，79，84，85，87，89]，其次是诊断和基于预测的诊断(13/33,39%)[53，55，57，59，64，66，70，71，73，78，80，86，88]。其余的人工智能系统(12/45,27%)用于卫生系统管理和规划[45，50，52，60，62，74-77，81-83]。医疗服务提供者是最常见的目标用户;最常见的是医生(19/45,42%)[46，49，51，53-55，57-64，66-68，70，71，73，74，76，79，80，84，85，88，89]，其次是护士(6/ 45,13 %)[46，49，51，59，87，88]。其他预期用户包括卫生工作者、技术人员、管理人员、病人或护理人员以及一般公众(表2和多媒体附录2)。

    研究问题3:实施过程特征

    大约三分之一的研究的重点是展示实施干预的有效性(16/ 45,36 %)[54，58，60-62，65，66，71，73-75，77，81，82，85，88]。其他研究重点包括用户体验[51，59，63，64，69，86， AI使用指标[48，52，80，84，89]，以及识别障碍或促进因素[50，53，55，57，67，87) (表2，多媒体附录2和3.)。大多数(32/ 45,71%)的研究将实施过程描述为成功，只有少数(4/ 45,9%)描述为不成功(在其余的研究中，实施的成功要么没有提到，要么结果不确定)。

    在略多于一半(23/45,51%)的审查研究中，没有描述实施背后的动机。对于那些做过的研究(22/ 45,49%)，我们确定了6种动机提高医疗质量和获得更好的患者治疗效果是最常见的两个。前一个主题的研究描述了用于提高服务质量的人工智能系统[46，71，75，87，88]，减少诊断错误[66]，缩短住院时间[73]，或减少计划外的再入院人数[50，54]，而后一个主题的研究描述了用于提高患者生存率的人工智能系统[59，70]。另一个主题,提高效率，重点是降低保健费用、增加服务生产和优化公共服务[45，72，74，76，77]。应对COVID-19大流行被陈述为需要获取最新信息所必需的动机[48]，对保健服务的需求突然激增[52]，有限资源的优先次序[72]，并根据当地预防感染传播的指导方针重组服务提供[62]。提高供应商满意度侧重于减少保健专业人员的工作量[55，69]。让病人利用人工智能支援对实验室调查的解释，而不仅仅是测试结果，是推行人工智能的另一个动机[86]。

    在纳入的45项研究中，3项(7%)明确关注实施过程[46，49，68]。在其他研究中，确定了实现过程的共同特征:共同创造、情境化、非破坏性工作流设计、沟通、学习重点、培训、激励和组织策略。描述了障碍和促进因素。

    涉及多个(8/ 45,18 %)实施工作cocreation与多学科利益相关者合作，从概念阶段开始，包括问题识别、需求收集、临床工作流程的设计或重新设计，以促进人工智能系统集成[45，46，49，52，55，59，68，78]。共同创造亦让终端用户参与用户界面的设计[46，68]。语境化与本地情况和目标人口有关的人工智能系统，被强调为发展和实施的重要因素[52，54]。非中断工作流设计强调，其中努力围绕目标用户的现有角色和功能设计人工智能系统，以避免对当前实践进行彻底修改以适应人工智能系统[46，49，51]。沟通通过与临床医生分享人工智能有效性的证据和描述该技术的总体效益，这些努力被视为建立信任和促进使用的核心[46，49，59]，任命冠军在同行中推广人工智能[46，53，75]，并鼓励临床医生和IT开发人员之间的非正式沟通，以培养关系并建立对人工智能的信任[56]。然而，Sendak等人的研究[46鼓励开发人员和临床医生的分离，并有意识地将注意力从人工智能的技术方面转移出去。一个学习的重点可从构思阶段开始，透过开发和实施、反复测试和调整工作流程，在编码前了解和评估人工智能要解决的问题[46]。实施后，通过不断收集用户反馈继续学习，以实现改进[68]。培训包括非正式和正式会议，以促进人工智能的使用[56，89]。实施后，培训可在正式的同行小组会议上继续进行，以分享最佳做法，并为更多不愿使用的用户提供个人培训和支持[84]。激励被用来促进或强制使用人工智能。更多的管制措施包括定期监察及审核[56，84]或删除执行任务的替代方法以需要使用人工智能[84]。游戏化被用来促进奖励和竞争的感觉[61，65]。组织的努力参与，包括医院高层领导作为项目团队的重要成员，以及设计和实施人工智能系统，以促进吸收[49，55]。一个组织成立了一个特别治理委员会，作为监测卫生保健提供者使用人工智能的正式机制[46]。另一个组织的创新战略包括创新经理作为组织结构的一部分，以促进人工智能[53]。

    在7%(3/45)的研究中50，57，68]，提到了以下实施框架的使用:范围、有效性、采用、实施和维护框架[90];不采用、放弃、扩大、传播和可持续性框架[91];知识维度的社会化、外化、组合和内化模型[j]。92]。在纳入的45项研究中，4项(9%)根据其提出的研究结果和实施经验提出了新的框架、原则或建议[49，55，56，80]。摩尔人(49]提出了实施人工智能的6项原则:信任和透明度要素、对工作流程的影响最小、利益相关者参与、相关教育、人工智能产出的可操作性以及通过后续互动的可持续性。Reis等[55]提出了一个框架，以克服对人工智能实施的认知和情感阻力，该框架以用户(医生)的关注为中心，例如人工智能系统的透明度和可理解性，用户参与人工智能培训以及对人工智能系统的信任。太阳(56提出了人工智能采用的权力战略矩阵，表明“老板战略”或“专家战略”可以影响人工智能的采用。文等人[80]提出了开发基于人工智能的平台的三个愿望，其中第二个愿望侧重于提高采用率。


    主要研究结果

    我们这项研究的目的是探讨在研究文献中如何对医疗保健实践中人工智能的实施进行实证调查。我们发现，关于人工智能系统实施的研究大多发表在高收入国家，涵盖了许多不同的临床环境和学科，主要关注作为用户的护理提供者。人工智能模型主要基于符号或知识，使用自动化或优化技术，主要用于执行与识别相关的任务。人工智能系统主要用于临床护理，特别是与患者-提供者接触有关的临床护理。大多数没有行动自主权，而是支持人类的决策。大多数研究的重点是建立干预措施的有效性或与人工智能系统的技术和计算方面相关。关注实施过程的细节似乎还不是研究的重点，使用框架来指导实施的情况也很少。

    研究特点

    大多数研究都是最近(2020-2022年)发表的，考虑到人工智能医疗保健研究的时间分布，这并不奇怪。人工智能在医疗保健中的应用研究本质上主要是概念性的，主要是由评论、观点、意见文章和概念框架主导，这些框架提出了重要的问题和问题，但没有急需的经验证据[93-96]。由于在常规卫生保健中实施人工智能解决方案的经验证据基础仍然狭窄和不成熟，它限制了实践推广和方法方法进步的可能性。大多数文章发表在高收入国家，尤其是美国。这一发现与北美和欧洲国家更发达的数字卫生基础设施、电子健康记录的常规使用和大数据计划相一致，并与对人工智能在各个卫生保健领域应用的其他审查相一致[32，97，98]。许多不同的临床环境和学科可以证实卫生保健的数据驱动性质;人工智能的高度适用性;或者因为它的新生状态，人工智能仍在许多不同的环境中进行尝试。鉴于对临床护理的关注，预期用户主要是卫生保健提供者，特别是医生，这并不奇怪。最近一项关于在初级保健中使用人工智能的范围审查发现，医生作为目标最终用户的优势类似[99]。这表明，人们认为人工智能系统是支持医生而不是其他卫生专业人员决策的工具。令人惊讶的是，人工智能应用程序很少用于处理传染病(除了McKillop等人的研究)。48])，考虑到2020-2022年COVID-19大流行的管理得到了极大的关注并提供了资金。人工智能拥有强大前景的另一个未被充分代表的领域是心理健康(Bennett的研究除外)[77]和Rahman等人[One hundred.])。

    人工智能技术的类型与应用

    近一半的人工智能模型是基于符号或知识的。它们使用人类生成的逻辑表示、规则和本体来推断结论，并且比基于纯数据驱动或统计方法的模型具有更高的可解释性。然而，它们可能无法充分发挥人工智能的潜力，因为它们是“硬编码的专家食谱”，受到编码知识的限制。101]。数据驱动的统计方法，如机器学习，根据输入的数据学习预测函数。然而，这些方法是不透明的，并且对患者或提供者的信任、问责制和质量保证以及患者安全方面的医疗保健有影响[3.，102]。世界卫生组织关于人工智能卫生伦理和治理的指导认识到透明度和准确性之间的潜在权衡，但鼓励人工智能的可解释性和透明度，而不是黑箱方法[43]。以知识为基础的或象征性的模式占主导地位，其透明度更高，存在时间更长，可能会使护理提供者更容易接受，这与以前的评论一致[103]。然而，最近发布的大多数人工智能模型使用数据驱动或混合技术，而基于知识的模型仅占应用的一小部分[104]。我们的研究发现，自动化或优化技术是迄今为止最常见的，其次是人类语言技术。超过一半的人工智能系统没有行动自主权。相反，它们是人类决策支持系统，人工智能系统不能根据其建议或输出采取行动，而是取决于操作系统的人使用或无视它提出的建议。这一发现表明，决策支持系统是最早被采用的人工智能系统类型，可能是因为它们增强了人类行为，对临床工作流程的干扰最小[105]。

    实现过程

    本研究发现，研究人工智能系统在医疗保健中的实施过程的方式多种多样，并建立在许多类型的研究设计和方法之上。略多于一半的纳入研究没有提供实施人工智能系统的明确动机，这是在医疗保健中成功采用人工智能的关键因素[105]。缺乏明确的动机表明与临床实践中明确定义的需求不一致，并且有可能加强在医疗保健中实施人工智能的技术重点逻辑。这一观察结果可能反映了对人工智能在日常实践中的实施意味着什么缺乏一致的理解，以及在如何研究和报告这种实施方面缺乏方法上的一致性。大多数研究要么对实施有技术或计算上的理解，要么从干预的有效性角度来看待实施。对执行研究的实际过程没有太多的关注，而更多的是介绍执行情况。这表明该领域的证据相对较新，与其他研究类似，这突出表明许多关于医疗保健中的人工智能的出版物侧重于将人工智能模型应用于临床场景的方法和技术方面，但很少提供有关其在实践中实施的实际过程的信息[51，99]。

    尽管对实施过程的研究重点有限，但我们的归纳分析确定了以下实施要素:共同创造、设计无干扰的工作流程、保持学习重点、沟通、情境化、领导力和有益的组织结构、培训以及对人工智能使用的实施或激励。这些方面并不是人工智能所独有的，而是被强调为采用包括人工智能在内的所有数字技术的重要干预措施;例如，让最终用户参与资讯科技服务和应用的设计和实施，是“以用户为中心”设计的基础。这被视为推动数码科技发展的重要因素。[106]。领导者的承诺、参与和责任也是实践中成功实施的一个众所周知的因素[107]。与现有工作流程的无缝集成是采用人工智能系统的另一个重要因素。这一发现与AI系统实施的大多数研究案例是基于决策支持系统的事实是一致的，这些决策支持系统没有行动自主性，可以方便地纳入日常工作流程。然而，从这些系统中得出关于人工智能实施策略的一般性结论是具有挑战性的，因为它们在工作流程中引入了增量改进，并且不代表更具破坏性的人工智能系统类型;例如，那些具有高度行动自主性的人。

    这项研究的发现证实了Gama等人最近的研究[37关于什么应该被认为是人工智能的不确定性，以及我们对实施的理解仍处于发展的早期阶段。我们要补充说，由于对“执行”一词的含义缺乏一致意见，这种理解变得更加复杂。我们在筛选过程中拒绝了许多研究，因为术语实施在计算意义上使用;例如，产品概念或需求是实现作为一个代码，或者编码算法实现使用现有的数据集。即使在涉及现实环境的研究中，这个词也被用来指不考虑执行过程就执行计划。在已发表的文献中，将实施的重点作为一种有意的努力，旨在改变常规实践，调整干预措施，或增加对常规实践的干预措施的吸收，这一点很少。

    局限性和方法学考虑

    这项研究的优势包括审查了大量的记录和在筛选过程中观察到的严谨性。检索策略全面而广泛，涵盖5个不同的电子数据库。然而，我们没有对灰色文献进行更广泛的搜索，这无疑会捕获更多的案例，并可能确定更多的案例，这些案例代表了尚未在研究文献中发表的正在进行或完成的实施项目。由于我们的目的是调查在临床实践中实施的经验，在筛选过程中，我们删除了临床试验、病例报告、试点、可行性研究以及其他形式的人工智能应用在实践中的有限和受控引入。我们预计，科技公司和医疗服务提供者的工作与随后的学术出版物之间存在滞后。然而，由于我们确定的记录数量和先前发现的文献中以观点、见解和叙述性评论形式的基于观点的文章的广泛可用性[37，我们有意识地选择关注同行评议的文章。尽管这一过程可能会排除较小的或不成功的实施尝试或与实施过程相关的其他研究的相关知识，但我们根据日常临床实践中实施的实际经验将结果划分为文献。

    我们最初对标题和摘要的筛选不需要2位审稿人的决定，但全文筛选的所有决定都是成对确认的。我们有意通过每两周的会议来保持一致性和减轻个体差异，我们努力建立一个心理安全的环境，鼓励所有作者提出或标记怀疑，讨论排除标准的应用，或考虑不同的解释。当有疑问时，我们会退回或重复，而不责怪，所有冲突和不确定因素都通过讨论解决，直到达成协商一致意见。还与该领域的其他专家举行了其他会议，以确保方法的严谨性。虽然Arksey和O 'Malley框架的范围审查[39]不包括质量评估，我们建议未来的作者考虑这样做，因为仔细考虑实施的文章数量增加了。

    结论

    目前的经验证据表明，研究与实践需求之间存在不协调。一方面，人工智能的概念和方法论研究建立在人工智能对医疗保健变革的巨大承诺之上，并对其在实践中的缓慢吸收提出了问题。另一方面，目前经验支持的知识主要来自具有低行动自主性的人工智能系统的实现，并强调了其他类型信息系统实现的典型实施过程的教训。需要进一步研究在常规护理中实施的更具破坏性的人工智能系统类型，以确定人工智能特有的实施方面。这突出了未来研究需要在两个主要方向上取得进展:(1)经验性地研究各种类型的人工智能系统在医疗实践中的实施过程;(2)通过开发和传播一个人工智能特定的实施框架来支持实证研究和实际实施，该框架将考虑到与在医疗中采用人工智能相关的一些独特方面，如建立信任、解决透明度问题、制定可解释和可解释的解决方案;并解决有关隐私和数据保护的道德问题。

    致谢

    作者要感谢Per Nilsen和Julie Reed为手稿的最终草稿提供了重要的输入。这项工作得到了知识基金会的财政支持。资助者没有参与研究设计;收集、分析和解释数据;在撰写报告时;或者决定是否将论文提交发表。

    作者的贡献

    所有作者都参与了研究的设计。IL、CS和JMN从数据库中检索记录。IL、CS、JMN、MS、MN参与筛选过程。MS, MN, IL提取数据。所有作者都参与了数据的分析和解释。MS最初起草的手稿作为硕士论文，与CS和IL作为监督和输入从所有作者。所有作者随后起草和修改了手稿，并批准了最终版本。

    利益冲突

    没有宣布。

    ‎
    多媒体附录1

    详细的搜索策略为研究。

    DOCX文件，29 KB
    ‎
    多媒体附录2

    纳入范围审查的文章概述(N=45)。

    DOCX文件，21 KB
    ‎
    多媒体附录3

    人工智能(AI)系统的实现类型和主要研究重点。(A)实施的人工智能技术类型，根据经济合作与发展组织框架进行分类。(B)在纳入的研究中，人工智能在医疗保健领域执行的任务类型。(C)所实施人工智能的行动自主程度。(D)论文的总体重点和结果。

    PNG文件，128kb
    1. 不再是科幻小说，人工智能和机器人正在改变医疗保健。普华永道。URL:https://www.pwc.com/gx/en/industries/healthcare/publications/ai-robotics-new-health/transforming-healthcare.html[2022-05-30]访问
    2. 到2020年将颠覆医疗行业的五大技术。2016年3月30日URL:https://www.forbes.com/sites/reenitadas/2016/03/30/top-5-technologies-disrupting-healthcare-by-2020/[2022-05-30]访问
    3. Bitterman DS, Aerts HJ, Mak RH。接近医疗人工智能的自主性。柳叶刀数字健康2020 Sep;2(9):e447-e449 [j]免费全文] [CrossRef] [Medline］
    4. 人工智能会取代放射科医生吗?放射化学学报，2019;1(3):9190058 [j]免费全文] [CrossRef] [Medline］
    5. 人工智能在医疗保健中的作用越来越大:机器人会在未来取代医生吗?中华医学杂志2020年10月19日;13:891-896 [J]免费全文] [CrossRef] [Medline］
    6. 陈敏，Decary M.人工智能在医疗保健中的应用:健康领导者的基本指南。2020健康管理论坛;33(1):10-18。［CrossRef] [Medline］
    7. 蒋峰，蒋勇，志辉，董勇，李宏，马生，等。医疗保健中的人工智能:过去、现在和未来。中华脑血管病杂志，2017;2(4):230-243 [j]免费全文] [CrossRef] [Medline］
    8. 陈毅，刘建军，刘建军，刘建军。健康和医学领域的人工智能。中华医学杂志，2018;28(1):31-38。［CrossRef] [Medline］
    9. Secinaro S, Calandra D, Secinaro A, Muthurangu V, Biancone P.人工智能在医疗保健中的作用:结构化文献综述。BMC Med Inform Decis ma2021 4月10日;21(1):125 [j]免费全文] [CrossRef] [Medline］
    10. Loftus TJ, Tighe PJ, Filiberto AC, Efron PA, Brakenridge SC, Mohr AM，等。人工智能和手术决策。中华医学会外科杂志2020年2月1日;155(2):148-158 [j]免费全文] [CrossRef] [Medline］
    11. Lopez-Jimenez F, Attia Z, Arruda-Olson AM, Carter R, charonthaitawee P, Jouni H，等。心脏病学中的人工智能:现在和未来。中国临床医学杂志(英文版);2009;35(5):1015-1039。［CrossRef] [Medline］
    12. Abbasgholizadeh Rahimi S, lsamargarise F, Sharma G, Archambault P, Zomahoun HT, Chandavong S，等。人工智能在社区初级卫生保健中的应用:系统范围审查和批判性评价。[J] Med Internet Res 2021 Sep 03;23(9):e29839 [J]免费全文] [CrossRef] [Medline］
    13. Checcucci E, Autorino R, Cacciamani GE, Amparore D, De Cillis S, Piana A，欧洲泌尿外科协会青年学术泌尿科医生工作组泌尿技术和一些工作组。人工智能和神经网络在泌尿外科的临床应用现状。中国生物医学工程学报，2010;32 (1):449 - 457 [j]免费全文] [CrossRef] [Medline］
    14. Dutt S, Sivaraman A, Savoy F, Rajalakshmi R.人工智能在眼科日益普及的见解。中华眼科杂志，2016;38 (7):1339-1346 [J]免费全文] [CrossRef] [Medline］
    15. 何军，Baxter SL，徐军，徐军，周翔，张凯。人工智能技术在医学中的实际应用。中华医学杂志2019;25(1):30-36 [j]免费全文] [CrossRef] [Medline］
    16. 陈志华，林玲，吴春芳，李春芳，徐荣红，孙勇。精准医疗时代的人工智能辅助癌症诊断和治疗。癌症杂志2021;11;41(11):1100-1115 [j]免费全文] [CrossRef] [Medline］
    17. 陈建军，陈建军，陈建军，等。人工智能在糖尿病视网膜病变筛查中的应用综述。眼(长)2020 Mar;34(3):451-460 [j]免费全文] [CrossRef] [Medline］
    18. Ozsahin I, Sekeroglu B, Musa MS, Mustapha MT, Uzun Ozsahin D.基于人工智能的胸部CT图像诊断新冠肺炎研究进展。计算数学方法医学2020 Sep 26;2020:9756518 [j]免费全文] [CrossRef] [Medline］
    19. Romm EL, Tsigelny IF。药物治疗中的人工智能。中国生物医学工程学报(英文版);2009;31(1):357 -369。［CrossRef] [Medline］
    20. 何涛。人工智能在癌症治疗中的应用。Science 2020 Feb 28;367(6481):982-983。［CrossRef] [Medline］
    21. 刘建军，刘建军。人工智能与全球健康的未来。柳叶刀2020 5月16日;395(10236):1579-1586 [免费全文] [CrossRef] [Medline］
    22. 刘建军，李建军，李建军，李建军。人的前因和医学信息学的组织方面:文献综述。中华医学杂志，1997;4(2):79-93 [J]免费全文] [CrossRef] [Medline］
    23. Kukafka R, Johnson SB, Linfante A, allegrant JP。在行为科学中建立一个新的信息技术实施框架:对信息技术使用文献的系统分析。中华生物医学杂志，2003;36(3):218-227 [J]免费全文] [CrossRef] [Medline］
    24. [3]李建平，李建平。基于算法和数据驱动技术的心理健康研究。中华医学杂志;2010;8(6):e24668 [j]免费全文] [CrossRef] [Medline］
    25. Čartolovni A, tomi iki A, laziki Mosler E.基于人工智能的医疗决策支持工具的伦理、法律和社会考虑:范围审查。中华医学杂志(英文版);2009;31(1):444 - 444。［CrossRef] [Medline］
    26. Beil M, prof I, van Heerden D, Sviri S, van Heerden PV。重症监护中人工智能预测的伦理考虑。重症监护医学实验2019年12月10日;7(1):70 [j]免费全文] [CrossRef] [Medline］
    27. Murphy K, Di Ruggiero E, Upshur, Willison DJ, Malhotra N, Cai JC，等。促进健康的人工智能:伦理文献的范围审查。BMC Med Ethics 2021 Feb 15;22(1):14 [免费全文] [CrossRef] [Medline］
    28. Siala H, Wang Y.人工智能在医疗保健中的应用:系统综述。中国生物医学工程学报(英文版);29 (6):1145 - 1145 [j]免费全文] [CrossRef] [Medline］
    29. 刘建军，刘建军，刘建军，等。基于人工智能的数字健康研究进展。Inf系统前线(即将出版)2021年6月26日[免费全文] [CrossRef］
    30. Fernandes M, Vieira SM, Leite F, Palos C, Finkelstein S, Sousa JM。应用智能系统的急诊科分诊临床决策支持系统综述[j] .中国生物医学工程学报，2011;22(2):391 - 391。［CrossRef] [Medline］
    31. 人工智能在患者安全结果中的作用:系统文献综述。中华医学杂志，2016;8(7):818599 [j]免费全文] [CrossRef] [Medline］
    32. 尹杰，颜建新，张洪辉。人工智能应用在临床实践中的作用:系统综述。[J] .中国医学信息学报，2014;23(4):559 - 559 [J]免费全文] [CrossRef] [Medline］
    33. 刘建军，刘建军，李建军，等。人工智能在医疗保健中的经济影响:系统评价。[J]互联网研究与发展[J]; 2008;22(2): 888 - 888 [J]免费全文] [CrossRef] [Medline］
    34. de Hond AA, Leeuwenberg AM, Hooft L, Kant IM, Nijman SW, van Os HJ，等。医疗保健中基于人工智能的预测模型的指南和质量标准:范围审查。中华医学杂志[j]; 2010;5(1): 1 - 2 [j]免费全文] [CrossRef] [Medline］
    35. [M]，刘建军，李建军，等。人工智能在疾病诊断中的应用现状及展望。]卫生技术2021年5月10日;11(4):693-731 [免费全文] [CrossRef］
    36. Zidaru T, Morrow EM, Stockley R.确保患者和公众参与到人工智能辅助精神卫生保健的过渡:系统的范围审查和设计公正议程。健康展望2021 Aug;24(4):1072-1124 [j]免费全文] [CrossRef] [Medline］
    37. 张建军，张建军，张建军，张建军。人工智能在医疗卫生领域的应用。[J] .中国医学信息学报，2009;24(1):322 - 322 [J]免费全文] [CrossRef] [Medline］
    38. Alhashmi SF, Alshurideh M, Al Kurdi B, saloum SA。影响人工智能在卫生保健部门实施的因素的系统审查。参见:2020年人工智能与计算机视觉国际会议论文集。2020提交于:AICV '20;2020年4月8日至10日;开罗，埃及，第37-49页https://link.springer.com/chapter/10.1007/978-3-030-44289-7_4［CrossRef］
    39. Arksey H, O'Malley L.范围研究:走向方法论框架。国际医学杂志，2005;8(1):19-32 [J]免费全文] [CrossRef］
    40. 崔科，李丽娟，李建平，李建平，等。PRISMA范围审查扩展(PRISMA- scr):清单和解释。中华医学杂志2018年10月2日;16 (7):467-473 [j]免费全文] [CrossRef] [Medline］
    41. Svedberg P, Reed J, Nilsen P, Barlow J, Macrae C, Nygren J.人工智能在医疗保健实践中的成功实施:一个研究项目的协议。JMIR Res协议2022年3月09日;11(3):e34920 [j]免费全文] [CrossRef] [Medline］
    42. 人工智能理事会的建议(经合组织法律文书)。经合组织/法律/ O449)。经济合作与发展组织2019年5月22日。URL:https://legalinstruments.oecd.org/en/instruments/OECD-LEGAL-0449#mainText[2022-02-26]访问
    43. 卫生人工智能的伦理和治理:世卫组织指南。世界卫生组织，2021年6月28日。URL:http://apps.who.int/bookorders[2022-02-16]访问
    44. 主题分析在心理学中的应用。心理医学杂志，2006;3(2):77-101。［CrossRef］
    45. 吴瑞，谭凯。在新加坡公立医院实施以个人为中心的出院流程。国际环境与公共卫生杂志2018,17;18(16):8700 [J]免费全文] [CrossRef] [Medline］
    46. Sendak MP, Ratliff W, Sarro D, Alderton E, Futoma J, Gao M，等。脓毒症深度学习技术与常规临床护理的现实世界整合:实施研究。中华医学杂志，2015;8(7):1158 - 1158 [j]免费全文] [CrossRef] [Medline］
    47. Kashyap S, Morse KE, Patel B, Shah NH。对在卫生系统中部署预测模型的现有组织和计算设置的调查。中华医学杂志，2010;28(11):2445-2450 [J]免费全文] [CrossRef] [Medline］
    48. McKillop M, South B, Preininger A, Mason M, Jackson G.利用对话技术回答COVID-19常见问题。中华医学杂志，2013;28(4):850-855 [J]免费全文] [CrossRef] [Medline］
    49. 穆斯林LP。床边预测分析监测的实际实施原则。应用临床通报2021年8月;12(4):888-896 [j]免费全文] [CrossRef] [Medline］
    50. Baxter SL, Bass JS, Sitapati AM。实施非计划再入院人工智能模型的障碍。ACI开放2020年7月;4(2):e108-e113 [j]免费全文] [CrossRef] [Medline］
    51. Romero-Brufau S, Wyatt KD, Boyum P, Mickelson M, Moore M, cogneta - rieke C.基于人工智能的临床决策支持的实施经验研究。国际医学杂志2020年5月;137:104072。［CrossRef] [Medline］
    52. 李丽丽，魏伟德，李建军，李建军，等。数字分类:应对COVID-19大流行的人口健康管理新战略中国医学杂志，2020;8(4):100493 [j]免费全文] [CrossRef] [Medline］
    53. 李建军，李建军，李建军，李建军，李建军。人工智能(AI)在放射学中的应用:阻碍和促进因素。放射医学学报，2020;30(10):5525-5532 [j]免费全文] [CrossRef] [Medline］
    54. Romero-Brufau S, Wyatt KD, Boyum P, Mickelson M, Moore M, Cognetta-Rieke C.基于人工智能的临床决策支持在地区医院减少再入院的实施。应用临床通报2020;11(4):570-577 [j]免费全文] [CrossRef] [Medline］
    55. Reis L, Maier C, Mattke J, Creutzenberg M, Weitzel T.解决用户抵制将防止医疗保健人工智能项目失败。管理信息学报，2020;19(4):279-296 [j]免费全文] [CrossRef］
    56. 太阳TQ操作。在公共医疗中采用人工智能:社会力量和学习算法的影响。国际环境与公共卫生杂志2021年12月1日;18(23):12682 [J]免费全文] [CrossRef] [Medline］
    57. Wijnhoven F.情报放大采用的组织学习:来自临床决策支持系统采用项目的教训。Inf系统前沿2021 Oct 09;24(3):731-744 [j]免费全文] [CrossRef］
    58. Thurzo A, kurilov V, Varga I.人工智能在正畸智能治疗指导中的应用及其对ai -远程医疗系统监测患者临床表现的影响。医疗保健(巴塞尔)2021年12月07;9(12):1695 [免费全文] [CrossRef] [Medline］
    59. gonalalves LS, Amaro ML, Romero AD, Schamne FK, Fressatto JL, Bezerra CW。脓毒症检测人工智能算法的实现。Rev Bras en2020四月9;73(3):e20180421 [j]免费全文] [CrossRef] [Medline］
    60. Damoah IS, Ayakwah A, Tingbani I.人工智能(AI)增强的医疗无人机在医疗保健供应链(HSC)中的可持续发展:一个案例研究。[J] .环境工程学报，2013(12):1298 - 1298。［CrossRef］
    61. 李晓明，李晓明，李晓明，李晓明。实时反馈的自动视频审计对医院洗手事件质量和数量的影响。[J]中国传染病防治杂志，2016,31 (2):391 - 391 [J]免费全文] [CrossRef] [Medline］
    62. Saverino A, Baiardi P, Galata G, Pedemonte G, Vassallo C, Pistarini C. COVID-19大流行时期重组康复服务的挑战:一个新的数字和人工智能平台，支持团队合作规划和提供安全和高质量的护理。前沿神经杂志2021年4月29日;12:643251 [j]免费全文] [CrossRef] [Medline］
    63. 黄军，黄伟，Wells D, Giambattista J, Giambattista J, Kolbeck C，等。基于深度学习的放疗计划结构自动分割的实现:两个癌症中心的工作流程研究。辐射与控制2021年6月08日;16(1):101 [免费全文] [CrossRef] [Medline］
    64. Herman B, Sirichokchatchawan W, Nantasenamat C, Pongpanich S.人工智能在克服利福平耐药性筛查中的挑战:cuas - robust用户体验的质性研究。J Health Res(即将出版)2021年6月15日[免费全文] [CrossRef］
    65. 张建军，张建军，张建军，李建军，等。发展和实施静脉血栓栓塞管理跨医院网络。中华医学杂志，2011;33(5):391 - 391。［CrossRef] [Medline］
    66. 陈孝贤，张毅，陈立平，谭永平。基于人工智能的双读系统在CT研究中捕获肺结节差异的实现。中华放射医学杂志，2013,30(2):119-122。［CrossRef] [Medline］
    67. 刘建军，刘建军，刘建军，等。基于人工智能的决策支持系统在急诊护理中的应用。畜禽健康技术通报2020年6月16日;270:1001-1005。［CrossRef] [Medline］
    68. Chonde DB, Pourvaziri A, Williams J, McGowan J, moosm, Alvarez C，等。RadTranslate:一种人工智能驱动的紧急成像干预措施，旨在提高COVID-19大流行期间英语水平有限的患者的护理公平性。[J]中华放射学杂志，2011;18(7):1000-1008 [J]免费全文] [CrossRef] [Medline］
    69. García Bermúdez I, González Manso M, Sánchez Sánchez E, Rodríguez Hita, Rubio Rubio M, Suárez Fernández C.虚拟助手对COVID-19出院患者电话监测的有效性和接受程度。Rev clinp Esp (Barc) 2021 Oct;221(8):464-467 [j]免费全文] [CrossRef] [Medline］
    70. Tamposis I, Tsougos I, Karatzas A, Vassiou K, Vlychou M, Tzortzis V. PCaGuard:一个支持前列腺癌最佳管理的软件平台。应用临床通报2022年1月;13(1):91-99 [j]免费全文] [CrossRef] [Medline］
    71. Mohamed M, Ferguson DJ, Venugopal A, Alam MK, Makki L, Vaid NR.基于人工智能的转诊应用在公共口腔卫生系统中优化正畸转诊。Semin Orthod 2021 . 1;27(2):157-163。［CrossRef］
    72. Morales HM, Guedes M, Silva JS, Massuda A.巴西的COVID-19——市政当局人工智能支持的应对措施初步分析。前肢健康2021年6月17日;3:648585 [免费全文] [CrossRef] [Medline］
    73. Davis MA, Rao B, Cedeno PA, Saha A, Zohrabian VM。非对比计算机断层扫描在急性颅内出血中的机器学习和改进的质量指标。中国生物医学工程学报，2016;31(4):556-561。［CrossRef] [Medline］
    74. 斯诺登JL, Robinson B, Staats C, Wolsey K, Sands-Lincoln M, Strasheim T，等。通过基于云的护理管理解决方案，使个案工作者能够更好地为最弱势群体服务。应用临床学报，2020;11(4):617-621 [j]免费全文] [CrossRef] [Medline］
    75. Schlicher J, Metsker M, Shah H, Demirkan H.从NASA到医疗保健:实时数据分析(任务控制)正在重塑医疗保健服务。展望健康信息管理2021 Oct 1;18(4):1g [j]免费全文] [Medline］
    76. 刘建军，刘建军，刘建军，刘建军，等。使用人工智能对阅读工作表进行主动重新排序，对颅内出血头部CT的解读周转时间有有益的影响。放射人工智能，2020,11,18 (2):e200024 [j]免费全文] [CrossRef] [Medline］
    77. 临床生产力系统-决策支持模型。项目绩效管理[J]; 2011;60(3):311-319 [J]免费全文] [CrossRef］
    78. Schuh C, de Bruin JS, Seeling W.维也纳综合医院使用Arden语法的临床决策支持系统:设计、实现和集成。中华医学杂志2018年11月;42:24-33。［CrossRef] [Medline］
    79. Anand V, Carroll AE, Biondich PG, Dugan TM, Downs SM。使用改编Arden语法的儿科决策支持。[qh]中华医学杂志2018年11月22日免费全文] [CrossRef] [Medline］
    80. Wen A, Fu S, Moon S, El Wazir M, Rosenbaum A, Kaggal VC，等。需要提供NLP以加速医疗保健AI的进步和梅奥诊所NLP即服务的实施。中华医学杂志2019年12月17日;2:130 [j]免费全文] [CrossRef] [Medline］
    81. Rath S, Rajaram K, Mahajan A.综合麻醉师和手术室调度:方法和应用。Res 2017; 07;65(6):1460-1478 [免费全文] [CrossRef］
    82. 李建军，李建军，李建军，等。医院物流服务优化研究。国际交通运输研究，2018,25(1):111-132 [j]免费全文] [CrossRef］
    83. Dios M, Molina-Pariente JM, Fernandez-Viagas V, Andrade-Pineda JL, Framinan JM。手术室调度决策支持系统。计算机工程与技术，2015;33 (3):493 - 493 [j]免费全文] [CrossRef］
    84. Litvin CB, Ornstein SM, Wessell AM, Nemeth LS, Nietert PJ。采用临床决策支持系统，促进在初级保健中明智地使用抗生素治疗急性呼吸道感染。中华医学杂志;2012;31(8):521-526。［CrossRef] [Medline］
    85. 王晓明，王晓明，王晓明，等。基于自然语言处理的电子病历的临床应用研究。畜禽健康技术通报2019年8月21日;264:561-565。［CrossRef] [Medline］
    86. Semenov I, Kopanitsa G.实验室服务患者临床决策支持系统的开发。畜禽卫生技术通报2016;28:90-94。［Medline］
    87. Campion Jr TR, Waitman LR, Lorenzi NM, May AK, Gadd CS。使用计算机强化胰岛素治疗的障碍和促进因素。中华医学杂志，2011;30 (6):863-871 [J]免费全文] [CrossRef] [Medline］
    88. Kalil AJ, Dias VM, Rocha CD, Morales HM, Fressatto JL, Faria RA。脓毒症风险评估:认知风险管理机器人(robot Laura®)在临床外科单位实施后的回顾性分析。生物医学工程学报，2018,11 (4):310-316 [j]免费全文] [CrossRef］
    89. 苏库姆斯F, Mensah N, mempbeni R, Massawe S, Duysburgh E, Williams A，等。在撒哈拉以南非洲农村初级卫生保健设施中，有希望采用电子临床决策支持系统进行产前和产时护理:QUALMAT的经验国际医学杂志，2015;84(9):647-657。［CrossRef] [Medline］
    90. Glasgow RE, Vogt TM, Boles SM。评估健康促进干预措施的公共卫生影响:RE-AIM框架。中华卫生杂志;1999;39(9):1322-1327。［CrossRef] [Medline］
    91. 李建军，李建军，李建军，等。超越采用:一个新的框架，用于理论和评估不采用、放弃以及对卫生和保健技术的扩大、传播和可持续性的挑战。医学互联网研究，2017年11月1日;19(11):e367 [J]免费全文] [CrossRef] [Medline］
    92. 组织知识创造的动态理论。器官科学1994;5(1):14-37 [免费全文] [CrossRef］
    93. Hadley TD, Pettit RW, Malik T, Khoei AA, Salihu HM。全球卫生中的人工智能——采用和可持续性的框架和战略。中华流行病学杂志;2009;9(1):121-127 [J]免费全文] [CrossRef] [Medline］
    94. 梳理医学中的人工智能:对医学中的人工智能和机器学习的伦理批判。中国生物医学工程学报，2013;18(1):121-139 [J]免费全文] [CrossRef] [Medline］
    95. 刘建军，刘建军，刘建军，等。人工智能在医疗卫生领域应用的治理模型。中华医学杂志，2020;27(3):491-497 [J]免费全文] [CrossRef] [Medline］
    96. Higgins D, Madai VI.从比特到床边:医疗保健领域人工智能产品开发的实用框架。[j] .计算机工程与技术，2010;22 (3):359 - 359 [j]免费全文] [CrossRef］
    97. Wahl B, cosy - gantner A, german S, Schwalbe NR。人工智能与全球卫生:人工智能如何在资源匮乏环境中促进卫生?中华医学杂志2018年8月29日;3(4):e000798 [j]免费全文] [CrossRef] [Medline］
    98. Peiffer-Smadja N, Rawson TM, Ahmad R, Buchard A, Georgiou P, Lescure FX等。传染病临床决策支持的机器学习:当前应用的叙述性回顾。中华临床微生物学杂志，2016;26(5):584-595 [j]免费全文] [CrossRef] [Medline］
    99. Kueper JK, Terry AL, Zwarenstein M, Lizotte DJ。人工智能与初级保健研究:范围综述。中国生物医学工程学报;2009;18(3):559 - 561 [j]免费全文] [CrossRef] [Medline］
    100. Rahman MM, Khatun F, Uzzaman A, Sami SI, mabhuiyan MA, Kiong TS.人工智能和机器学习方法在应对冠状病毒(COVID-19)大流行中的综合研究。国际卫生杂志，2010;51(4):446-461 [J]免费全文] [CrossRef] [Medline］
    101. Quinn TP, Jacobs S, Senadeera M, Le V, Coghlan S.医疗人工智能的三个幽灵:黑盒子现在能传递吗?中华医学会医学分会(英文版);2009年2月1日;［CrossRef] [Medline］
    102. 人工智能的核心是hälso- och sjukvatrden。美国医学杂志。2020.URL:https://smer.se/2020/03/31/kort-om-artificiell-intelligens-i-halso-och-sjukvarden/[2022-05-30]访问
    103. 王勇，王丽，Rastegar-Mojarad M, Moon S, Shen F, Afzal N，等。临床信息提取应用:文献综述。[J]中国生物医学工程学报，2018,27 (1):349 - 349 [J]免费全文] [CrossRef] [Medline］
    104. 人工智能在临床决策支持中的应用。医学通报2019年8月28日(1):120-127 [j]免费全文] [CrossRef] [Medline］
    105. 在医疗服务中使用人工智能的五个关键，以及评估人工智能工具时常见的五个错误。并非所有人工智能都是平等的:安全有效采用的策略。NEJM Catalyst, 2022年3月23日。URL:https://catalyst.nejm.org/doi/full/10.1056/CAT.22.0075[2022-05-30]访问
    106. Bernstein ML, McCreless T, Côté MJ。医疗保健中信息技术采用的五个常量。中国生物医学工程学报(英文版);2009(1):17-25。［CrossRef] [Medline］
    107. Damschroder LJ, Aron DC, Keith RE, Kirsh SR, Alexander JA, Lowery JC。促进将卫生服务研究成果付诸实践:促进实施科学的综合框架。实施科学2009年8月07日;4:50 [免费全文] [CrossRef] [Medline］

    ‎
    人工智能:人工智能
    PRISMA-ScR:系统评价和元分析的首选报告项目扩展范围评价

    G·艾森巴赫编辑;提交12.06.22;同行评审M Gordon, www.قادرزاده， r.Damaševičius;对作者的评论01.07.22;收到订正版19.08.22;接受30.08.22;发表05.10.22

    版权

    ©Malvika Sharma, Carl Savage, Monika Nair, Ingrid Larsson, Petra Svedberg, Jens M Nygren。最初发表于医学互联网研究杂志(//www.mybigtv.com)， 05.10.2022。

    这是一篇在知识共享署名许可(https://creativecommons.org/licenses/by/4.0/)下发布的开放获取文章，该许可允许在任何媒介上不受限制地使用、分发和复制，前提是原始作品首次发表在《医学互联网研究杂志》上，并适当引用。必须包括完整的书目信息，到//www.mybigtv.com/上原始出版物的链接，以及版权和许可信息。
    Baidu
    map