Fisabio基金会和卡斯特利翁海梅一世大学( Universitat Jaume I of Castelló)的研究人员分析了生成式人工智能(GenAI)变革护理研究的潜力，并制定了一套10项建议，以促进在科学领域负责任地使用这些工具。
这项发表在《Enfermería Clínica》期刊上的研究考察了生成式人工智能如何支持研究过程的不同阶段，从提出研究问题到进行文献综述、分析信息和传播结果。
该研究由海梅一世大学(GIENF-241)护理研究小组和Fisabio的eNURSYS小组的成员完成，后者隶属于La Plana卫生部门，是NURSIA联合研究小组(NURSing care, Information systems, technology and quAlity)的一部分。该小组专注于信息系统、应用于护理服务的技术以及护理服务质量评估等领域。
作者强调，这些工具为提高某些研究任务的效率提供了重要机会。然而，他们也指出，其使用带来了必须考虑的方法论、伦理和科学挑战。
研究指出，生成式AI系统可以产生看似严谨但包含错误、不存在的参考文献或不准确解释的文本。这种被称为"幻觉"的现象使得在将所有AI生成的信息纳入科学工作之前进行审查和验证变得至关重要。
此外，研究人员警告称，存在不经批判性分析就自动接受这些系统生成的响应的风险，这种倾向可能会损害研究的质量和可靠性。
对护理研究特别相关的挑战
作者认为，这些风险在护理研究中具有特殊维度，因为大部分知识是通过定性方法和高度情境化的现象构建的。
在这种情况下，人工智能可能会生成连贯的摘要或看似合理的解释，但这些解释会过度简化患者和专业人员经验的复杂性，或忽视护理的基本维度，例如治疗关系、其社会背景或相关的健康社会决定因素。
文章还警告称，AI模型可能会复制主流科学生产中存在的偏见，并优先考虑生物医学方法和英文文献，而非护理学科特有的观点或特定文化背景的观点。
除了实际应用外，该研究还将辩论置于更广泛的研究治理框架内，并强调人工智能的使用必须符合透明度和问责制原则，以及国际组织和新的欧盟人工智能法案制定的数据保护法规。
负责任整合的十项建议
作为其主要的实际贡献，该研究提出了一套针对护理研究人员的10项建议，总结了负责任使用生成式人工智能的关键原则。这些建议包括：仅在为人类工作提供附加价值时使用AI、系统地验证这些系统生成的所有信息、避免引入敏感数据、保持所研究现象的背景和复杂性、透明记录这些工具的使用，以及持续评估它们对科学质量的影响。
最终，该研究是将人工智能负责任地整合到研究实践中的指南，而不是对其应用的更新综述。这是一个重点关注研究人员使用这些技术的能力而不损害方法论和伦理严谨性或批判性思维的提案，这些是护理研究的基础。
María Jesús Valero-Chillerón等，《护理研究提升到AI次方：应用于护理研究过程的生成式人工智能》，《Enfermería Clínica》(2026)。DOI: 10.1016/j.enfcli.2026.502553
关键医疗概念：生成式人工智能
临床类别：辅助医疗
【全文结束】