随着人工智能(AI)越来越多地融入医疗保健领域，大部分讨论都集中在技术本身。但在每一款AI工具背后，都有临床数据作为基础——而这些数据中的大部分是由护士生成的。
在本次问答中，约翰霍普金斯大学护理学院的护理信息学专家、副教授Kelly Gleason博士（PhD, RN, FAAN）讨论了护士在创建推动AI发展的数据方面所扮演的角色，以及这对未来护理意味着什么。
为AI提供支持的大量数据来自电子健康记录。护士在创建这些数据方面扮演什么角色？
实际上，没有人像护士那样长时间陪伴在病人身边。他们是电子健康记录(EHR)数据的主要创建者；他们记录所见所闻，这决定了我们如何理解临床发生的情况。
当我们谈论医疗保健中的AI时，我们通常谈论的是依赖结构化数据的系统。而这些结构化EHR数据的主要创建者是护士和患者护理技术人员。
我们谈论的是哪些类型的数据？
这是护士在整个轮班期间收集的各种信息。包括生命体征、轮班评估、身高和体重，以及"摄入"和"排出"量，即患者进食或排尿的量。
护士还记录患者的社会和临床病史要素。所有这些都成为EHR中结构化数据的一部分，其他临床医生依赖这些数据，AI系统也可以使用这些数据。
这些数据如何在AI系统中使用？
我们现在看到的许多AI工具都是为了识别这些数据中的模式而构建的。例如，早期预警评分、恶化指数以及脓毒症预警或中风预警等警报通常由护士记录的这类数据驱动。
因此，当这些系统在后台运行时，它们会提取在床边实时输入的数据。
这对我们在医疗保健中思考AI有何意义？
这很重要，因为输入数据的人员了解其背后的背景。护士亲自看到病人，因此他们可能知道为什么图表中的某些内容看起来是那样的。
例如，患者的心率可能升高，但护士知道这是因为患者刚刚活动过或感到焦虑。或者心率升高且令人担忧。这种背景信息并不总是在结构化数据本身中显示出来。
护士知道数据是如何输入的以及它代表什么，因此如果他们在这些系统设计过程中没有参与，可能会遗漏某些内容。
如果数据不完整或存在偏见，会带来哪些风险？
存在许多风险。例如，某些临床工具有已知问题。脉搏血氧仪就不总是能准确读取深色皮肤人群的数据。因此，可能会出现患者状况未完全反映在这些系统所使用数据中的情况，从而为AI系统采用的临床标准创建错误的基准。
这是否意味着AI可能会遗漏临床医生能发现的问题？
是的，我们已经看到过这样的例子。在一项研究中，我们发现护士在低氧血症被识别前的几小时内更频繁地记录患者情况。这表明，即使在客观指标显示问题之前，他们就已经对患者表示担忧。
这是临床判断和观察仍然发挥关键作用的一个很好的例子。数据很重要，但它并不总是能捕捉到实时发生的所有情况。
这对医疗保健中AI的未来意味着什么？
AI架构需要临床护士的参与——不仅是研究人员，还有正在积极输入数据的床边护士。
随着我们越来越依赖数据驱动和使用这些数据的工具，让创建数据的人参与系统构建过程非常重要。否则，你可能会设计出无法反映实际护理情况的工具。
对于思考医疗保健中AI的人们，最大的收获是什么？
技术只有在帮助我们照顾患者的程度上才重要。护士会尽可能多地使用它来帮助他们完成工作。
同时，随着我们越来越依赖这些工具，我们必须仔细考虑它们是如何设计的、如何使用的，以及如果它们失效会发生什么。
AI拥有巨大潜力，但它取决于其背后数据的质量。而这些数据始于护士。
*在线补充内容：本文未经同行评审。My Nurse Influencer撰稿人表达的观点和意见属于作者个人，不一定反映美国护士协会、编辑咨询委员会成员或《美国护士杂志》出版商、编辑和工作人员的意见或建议。
【全文结束】
