本文内容如下e-collection /主题问题:

数字健康评论(674) 人工智能(557) 评论(42) 电子卫生系统的采用和变更管理(422) 临床信息与决策(785)

发表在在第24卷第10期(2022):10月

本文的预印本(早期版本)可在以下网站获得https://preprints.www.mybigtv.com/preprint/40238,第一次出版．
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形象； 卡尔·萨维奇1、2 作者Orcid形象； 莫妮卡Nair2 作者Orcid形象； 英格丽·拉尔森2 作者Orcid形象； 佩特拉斯维德贝格2 作者Orcid形象； 延斯•米尼葛伦2 作者Orcid形象
文章 作者 引用的 Tweetations (19) 指标

    审查

    1瑞典斯德哥尔摩卡罗林斯卡学院医学管理中心学习、信息学、管理和伦理学系

    2瑞典霍尔姆斯塔德大学卫生和福利学院

    通讯作者:

    Jens M Nygren博士

    卫生与福利学院

    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)通常被认为是一种潜在的颠覆者，将改变医学实践。在医疗保健领域收集和获得的数据量，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，人工智能应用程序的开发并不能保证它们被应用到日常实践中。有一种风险是，尽管投入了资源，但如果不更好地理解人工智能的实施，就无法实现患者、工作人员和社会的利益。

    摘要目的:本研究的目的是通过回答3个问题来探索人工智能在医疗保健实践中的实施是如何在文献中被描述和研究的:人工智能在实践中实施的研究有什么特点?描述了人工智能系统的类型和应用?人工智能系统的实现过程有哪些可识别的特征?

    方法:对MEDLINE (PubMed)、Scopus、Web of Science、CINAHL和psyinfo数据库进行了范围审查，以确定自2011年以来AI在医疗保健领域实施的实证研究，并对选定的参考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。将纳入文章的数据制成图表并进行总结。

    结果:在检索到的9218条记录中，45篇(0.49%)文章被纳入。文章涵盖了不同的临床环境和学科;大多数(32/ 41,71%)是最近发表的，来自高收入国家(33/ 41,73%)，面向护理提供者(25/ 41,56%)。人工智能系统主要用于临床护理，特别是与患者-提供者相遇有关的临床护理。超过一半(24/45,53%)的人没有行动自主权，而是支持人类的决策。大多数研究的重点是确定干预措施的有效性(16/ 45,35%)或与AI系统的技术和计算方面相关(11/ 45,24%)。对实现过程细节的关注似乎还不是研究的优先事项，使用框架来指导实现的情况也很少。

    结论:我们目前的经验知识来自于行动自主性较低的AI系统的实现，以及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，需要进一步研究在日常护理中实施的更具破坏性的AI系统类型，以及在医疗保健中实施AI的独特方面，如建立信任、解决透明度问题、开发可解释和可解释的解决方案，以及解决围绕隐私和数据保护的伦理关切。

    J medical Internet Res 2022;24(10):e40238

    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)通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，它能够处理和学习大量数据，并捕捉人类难以识别的模式。这种能力引发了人们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[3.］．另一些人则看到了与人类互补的角色;例如，在决策支持或决策增强方面，人类(以临床医生或程序员的角色)提供监督和协作[4-7］．后一种方法已被证明比单独使用专家的方法产生更好的性能[8］．其他好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］．

    在医疗保健领域收集的和可用的数据量，加上计算能力的进步，推动了人工智能应用的进步[9以及关于医疗保健领域人工智能的出版物呈指数级增长，仅2021年在PubMed上就有1万多份记录。其中包括多个医学专业的审查，探索人工智能在增强医疗服务提供方面的潜在作用[10-14］．其中包括诊断(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(如化疗和联合药物治疗中的精确医学)、监管或行政应用(如记录编码或经济评估)以及人口健康管理(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卫生保健实践中。研究已经确定了一些影响采用创新的因素。这些包括环境(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)、个体(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］．这表明需要更多地了解人工智能如何在卫生保健领域实施，不仅是作为一项创新，而且还涉及其独特的潜力和相关问题。

    以前的审查往往只关注在卫生保健领域实施人工智能过程的某些方面;例如，监管和法律问题[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特定的AI在医疗保健方面的应用，如预测医学、诊断和临床决策[9，30.，34，35］．一些评论更加全面，专注于联合制作过程[36]、实施框架[37]，以及关键的实施障碍或成功因素[38，可以为AI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的结果，但这些综述都没有真正探索在日常临床实践中实际实现的知识库。

    考虑到投资于开发AI应用程序的资源，以及复制已经研究过的有效AI应用程序方面的风险，以支持、增强、甚至可能改变患者、工作人员和社会的医疗保健，我们试图探索在医疗保健实践中AI的实施如何在研究文献中进行实证调查。


    研究设计

    我们选择了与Arksey和O’malley框架一致的范围审查方法[39]，并根据PRISMA-ScR(用于范围评审的系统评审和荟萃分析扩展的首选报告项目)清单(图1) [40］．先前的一项审查表明，在卫生保健领域实施人工智能没有得到充分研究[37］．因此，范围审查将能够映射出这一新兴研究领域的“研究活动的程度、范围和性质”[39］．

    ‎
    图1。PRISMA(系统评审和元分析的首选报告项目)流程图。人工智能:人工智能。
    把这个图

    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. 人工智能实践实施研究的特点是什么?
    2. 描述了人工智能系统的类型和应用?
    3. 人工智能系统的实现过程有哪些可识别的特征?

    识别的相关研究

    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我们的搜索: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AI算法和模型(实际代码)、AI应用程序(创新)包)和人工智能系统(在其上下文中的应用程序)，并使用标准化的医学主题词和主题词描述人工智能及其子类别，这些术语和主题词由我们用于搜索的数据库提供[41］．根据对将人工智能转化为保健实践的框架的审查，将实施工作定义为"旨在改变、调整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，我们用布尔运算符组合每个概念的搜索字符串和（多媒体附录1)．

    为了涵盖一般和卫生保健和卫生保健特定来源的内容，我们搜索了5个电子数据库:MEDLINE (PubMed)、Scopus、Web of Science、CINAHL和psyinfo。此外，我们使用滚雪球抽样，通过手动检查我们在筛选期间确定的评审文章的参考文献列表，这些参考文献可能包含给定评审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

    使用“或”组合的搜索词

    • 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
    • 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实证研究，因为初步搜索表明，AI在医疗保健领域的应用是一个较新的现象(表1)．

    表1。资格标准和他们的理由。
    资格标准和变量 基本原理
    入选标准

    		同行评议 更大的可信度，因为这些论文已经由该领域的同行专家审查过

    		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月之间 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很可能会过时

    		英语语言 考虑到调查人员的语言能力
    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

    		与人工智能技术的实现无关的概念验证、可行性或验证研究 由于目的是探讨在实践中实施，因此应排除未达到这一目的的研究，例如概念证明、有效性或可行性研究

    研究选择

    所有识别的记录都被导入到开放获取软件Rayyan中。副本被删除，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到时进行讨论，直到所有作者达成一致意见。这些讨论是由多学科背景的作者。我们还不断审查我们对筛选标准的解释，当有人提出问题时，我们后退，以确保标准被正确和普遍地应用，而不受谁筛选记录的影响。我们使用了Rayyan的AI筛选和高亮显示功能，但我们仍然筛选了每一条记录。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，直到所有研究者达成共识。由于我们遵循最初的框架，没有对纳入的研究进行质量评估。

    图表的数据

    我们开发了一个数据提取模板来为每个研究问题绘制数据图表。为界定这些概念性领域，我们采纳了世界卫生组织关于人工智能伦理和治理的指导意见，以确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理事会的一项建议)[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权。”42］．

    提取的数据如下:

    1. 基本信息: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:所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、行动自主权的级别、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、实施过程中的要素和使用的框架

    整理、总结和报告结果

    提取的研究问题1和2的相关数据进行了映射和总结。定性专题分析[44]用于分析与研究问题3相关的数据，总结实施动机和实施过程中的要素。文章被反复阅读，最初的想法被分类到某个领域动机在实现或元素在实施过程中。接下来，在每篇文章中识别初始代码。这些代码根据异同进行比较，整理成潜在的主题，然后进行比较，生成主题图，用于生成各自领域中每个主题的明确定义和名称。编码和数据分析成对进行，所有作者之间讨论任何不确定性，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%)是通过数据库搜索确定的，39条(0.04%)是通过综述文章中参考文献列表的滚雪球搜索确定的(n=36)。在9218条记录中，在去除重复的记录后，保留了5666条(61.47%)记录，我们对标题和摘要进行了筛选。在这次筛选中，98%(5553/5666)的记录被排除，其余2%(113/5666)的记录通过全文审查进行资格评估。在这113篇文章中，有68篇(60.2%)被排除图1， 45宗(39.8%)个案被纳入评审范围。

    研究问题1:研究特征

    文献综述的时间相当近，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]，其中大部分(18/ 33,55%)来自美国[46，47，49-52，54，68，73-77，79-81，84，87］．在全医院环境中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]，其中临床和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］．在作者仅来自一个领域的研究中，最常见的背景是临床(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%)采用个案研究设计，包括单一个案[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而且多媒体附录2)．

    表2。范围审查中包含的文章概述(N=45)。
    作者、年;临床 研究的目标 研究设计
    阿南德等人[79， 2018，美国;儿科 描述儿童健康改善通过计算机自动化系统和方法表示儿科指南使用雅顿语法 案例研究
    巴克斯特等人[50]， 2020年，美国;程序的实现 对在医疗保健中使用机器学习模型的障碍进行详细分析 案例研究
    班纳特(77]， 2011年，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，在现实世界的临床设置中提供生产力决策支持功能 张后研究
    冠军等人[87]， 2011年，美国;重症监护 阐明强化胰岛素治疗CDSS的障碍和促进因素一个 定性研究
    Chonde等人[68， 2021年，美国;放射学 评估AI的实施b放射学中的-动力翻译系统 案例研究
    Chong等人[65), 2021年,澳大利亚;程序的实现 判断是否是静脉血栓栓塞c管理计划可以使用CDSS增加适合风险的静脉血栓栓塞预防和静脉血栓栓塞风险评估 中断时间序列
    克鲁兹等[85), 2019年,西班牙;初级护理 描述一个实时的CDSS及其对临床路径依从性的影响 案例研究
    达摩阿等人[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供应链中的应用如何改善医疗供应链系统 案例研究
    戴维斯等人[73]， 2020年，美国;放射学 确定用于标记CT的机器学习算法的影响d头部检查尚待解释为颅内出血的可能性较高 案例研究
    Dios等人[83), 2015年,西班牙;手术 介绍西班牙塞维利亚某大学医院手术室调度决策支持系统 案例研究
    García Bermúdez等[69), 2021年,西班牙;内科医学服务 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出院后30天内因COVID-19感染而入院的患者的健康状况 定量研究
    Goncalves等人[59), 2020年,巴西;护理 介绍护士使用技术工具支持败血症早期识别的经验 案例研究
    赫尔曼等人[64), 2021年,印尼;公共卫生 评估基于人工智能的应用对耐利福平结核病筛查的影响 定性研究与关键线人面谈
    Kalil等人[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病房中有败血症风险患者的识别和护理过程的影响 回顾性观察研究
    Kashyap等人[47， 2021年，美国;未指定 确定早期采用者卫生系统用于将基于人工智能的CDSS集成到临床工作流程的不同计算和组织设置 定性研究与关键线人面谈
    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 中断时间序列
    赖等人[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现，以指导患者接受适当的治疗 案例研究
    利特文等人[84]， 2012，美国;初级护理 描述在初级保健中对急性呼吸道感染的抗生素处方使用CDSS的情况，以及采用的促进因素和障碍 混合的方法
    麦克基洛普等人[48]， 2021年，多个地区;公共卫生 描述使用IBM Watson Assistant平台构建的与covid -19相关的会话代理的各种用例 横断面研究
    穆罕默德等人[71， 2021年，阿拉伯联合酋长国;牙科 验证和实施人工智能系统，量化系统实施前后向正畸牙医专家的转诊模式 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
    莫拉莱斯等人[72), 2021年,巴西;急救护理 描述数字分诊和监测服务的早期实现，其中包括使用使用算法决策的聊天机器人 观察性研究
    Ng等人[45), 2021年,新加坡;一般护理 为全国性过渡护理计划的登记制定风险分层预测模型 现有数据集的分析
    奥尼尔等[76， 2021年，美国;放射学 评估(1)引入一种用于在CT无对比检查中检测脑出血的算法是否影响转诊时间(2)对转诊时间的影响是否依赖于放射科医生工作流程中信息呈现的方式 准实验研究
    佩蒂刚等人[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现，重点关注系统参与者的表示 案例研究
    Rais等人[82), 2018年,葡萄牙;管理 探讨医院物流服务的优化方法 案例研究
    拉斯等人[81， 2017，美国;手术 描述基于模型的决策支持系统的开发、实现和评估，该系统用于确定可选手术的麻醉师和房间的每日安排 案例研究
    Reis等人[55), 2020年,德国;程序的实现 描述一个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
    罗梅罗-布鲁福等人[51]， 2020年，美国;初级护理 探讨使用人工智能CDSS的员工对人工智能的态度 张后研究
    罗梅罗-布鲁福等人[54]， 2020年，美国;一般护理单元 使用基于人工智能的CDSS减少非计划住院再入院 对照研究
    萨维里诺等[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康复服务变革方面的作用 回顾性观察研究
    施利彻等人[75， 2021年，美国;管理 讨论华盛顿州最大的医疗保健服务提供商之一在ai支持的任务控制中数据分析的实现 案例研究
    舒赫等人[78), 2018年,奥地利;重症监护、肿瘤学和肾脏病学 概述维也纳总医院实施的3个cdss的技术和临床方面 3个项目的案例研究
    塞门诺夫等人[86), 2016年,俄罗斯;实验室 目前的研究和发展的决策支持系统的一个实验室服务的病人 案例研究
    桑达克等[46]， 2020年，美国;急诊科 描述将败血症监测(一个败血症检测和管理平台)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 描述实施的系统，工作流程的变化，以及对弱势公民的影响 案例研究
    斯特罗姆等人[53， 2020年，荷兰;放射学 确定人工智能应用于临床放射学的障碍和促进因素 案例研究(多个)
    Sukums等人[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的产妇护理情况，并确定影响成功收养的因素 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权力如何影响医疗保健领域的IT采用 混合的方法
    Tamposis等人[70), 2022年,希腊;泌尿外科 目前的设计和实现一个软件平台，支持检测，以及使用和处理来自融合活检的临床、生物化学、成像和组织病理学结果 案例研究
    Tan等人[66), 2021年,新加坡;放射学 描述AI用于自动检测和标记放射科医生未报告的CT结果，以提高患者安全 案例研究
    瑟索等人[58), 2021年,斯洛伐克;牙科 评估现有正畸移动教练应用的AI升级的临床影响 张后研究
    文等[80， 2019年，美国;程序的实现 基于明尼苏达州罗切斯特市梅奥诊所开发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 从一个CDSS开发案例中得到的有根据的见解的理论形式化，并通过这样做为组织中的AI开发创建一个组织学习理论基础 案例研究
    黄等人[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个癌症中心的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。

    b人工智能:人工智能。

    c静脉血栓栓塞:静脉血栓栓塞。

    dCT:计算机断层扫描。

    研究问题2:AI技术的类型和应用

    实施的AI应用最常见的类型是自动化或优化技术，在实施的系统中有71%(32/45)报告[45，46，49-51，53-59，62，64，65，70，71，73，75，77-79，81-84，86-89］．实施的其他技术包括人类语言技术、计算机视觉和机器人技术(表2而且多媒体附录2而且3.)．最常见的人工智能模型是符号或基于知识的模型，近一半(22/ 45,49%)的回顾研究报告显示[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］．最常见的任务是识别(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、目标驱动优化、交互支持和个性化(表2，多媒体附录2而且3.)．尽管超过一半(24/45,53%)的AI应用程序没有行动自主权[46，48-51，53，54，57，63，66，67，70，73-75，79，81-85，87-89]，少数报告的申请人数较低(2/ 21,10%)[55，72]，中(4/21,19%)[58，69，71，86]，或较高(6/ 21,29%)[52，55，60，61，68，76行动自主权表2，多媒体附录2而且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-提供者的遭遇[46，49，51，55，56，61，63，65，67，68，74，78，79，84，85，87，89]，其次为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］．保健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]，其次为护士(6/ 45,13%)[46，49，51，59，87，88］．其他预期使用者包括卫生工作者、技术人员、管理人员、病人或护理人员以及一般公众(表2而且多媒体附录2)．

    研究问题3:实施过程特征

    在大约三分之一的研究中，研究重点是展示实施的干预措施的有效性(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，人工智能使用指标[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而且3.)．大多数(32/ 45,71%)的研究将实施过程描述为成功的，只有少数(4/ 45,9%)描述为不成功的(在其余的研究中，实施的成功或没有提及，或结果是不确定的)。

    在审查的研究中，有超过一半(23/ 45,51%)的研究没有描述实施背后的动机。对于这些研究(22/ 45,49%)，我们确定了6种类型的动机，与提高卫生保健质量而且获得更好的患者预后是最常见的。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则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，侧重于降低卫生保健成本、增加服务生产和优化公共服务[45，72，74，76，77］．应对2019冠状病毒病大流行被认为是由于需要获得最新的资料而必须采取的动机[48]，对医疗保健服务的需求突然激增[52]，有限资源的优先次序[72]，以及根据本地预防感染传播的指引，重组提供的服务[62］．提高供应商满意度侧重于减少卫生保健专业人员的工作量[55，69］．让病人使用人工智能来支持对实验室调查的解释，而不仅仅是测试结果，这是实施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，确定了实施过程的共同特征:共同创造、情境化、非破坏性工作流设计、沟通、学习焦点、培训、激励和组织策略。描述了障碍和促进因素。

    几个(8/ 45,18%)实施工作涉及cocreation与多学科利益相关者合作，从构思阶段开始，包括问题识别、需求收集和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］．共同创造还包括最终用户参与用户界面的设计[46，68］．语境化与当地环境和目标人群相关的人工智能系统在开发和实施方面非常重要[52，54］．不工作流程设计，努力围绕预期用户的现有角色和功能设计人工智能系统，以避免为适应人工智能系统而对现行做法进行根本修改[46，49，51］．沟通通过与临床医生分享人工智能有效性的证据，并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关键[46，49，59]，任命领军人物在同行中推广人工智能[46，53，75]，并鼓励临床医生与资讯科技开发人员之间进行非正式沟通，以培养关系和建立对人工智能的信任[56］．然而，桑达克等人的研究[46鼓励开发人员和临床医生分离，并有意识地努力将注意力从人工智能的技术方面转移开。一个学习的重点可以从构思阶段开始，在编码之前，通过开发和实现，通过迭代测试和调整工作流程，来理解和评估AI要解决的问题[46］．在实施后，通过持续获取用户反馈继续学习，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，培训可以在正式的同侪小组会议上继续进行，以分享最佳实践，并为更不情愿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。更多的控制方法包括定期监测和审计[56，84或完全取消执行任务的替代方式，使人工智能的使用成为必要[84］．游戏化被用来促进奖励感和竞争感。61，65］．组织的努力包括医院的最高领导层作为项目小组的重要成员，以及设计和实施人工智能系统，以促进采纳[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将创新经理作为组织结构的一部分，以促进人工智能[53］．

    7%(3/45)的研究[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、传播和可持续发展框架[91];知识维度的社会化、外化、组合和内化模型[92］．在纳入的45项研究中，4项(9%)根据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:信任和透明度的要素，对工作流程的影响最小，利益攸关方的参与，相关教育，人工智能产出的可操作性，以及通过后续互动实现的可持续性。Reis等人[55]提出了一个克服对人工智能实施的认知和情感阻力的框架，围绕用户(医生)的关注，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提出了一个采用人工智能的权力战略矩阵，表明“老板战略”或“专家战略”可以影响人工智能的采用。文等[80提出了开发基于人工智能的平台的3个需求，其中第二个关注于提高采用率。


    主要研究结果

    我们这项研究的目的是探索如何在医疗保健实践中实施人工智能已在研究文献中进行实证调查。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。AI模型主要是基于符号或知识，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-提供者相遇有关的临床护理。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AI系统的技术和计算方面相关的方面。对实现过程细节的关注似乎还不是研究的优先事项，使用框架来指导实现的情况也很少。

    研究特点

    大多数研究都是最近(2020-2022年)发表的，考虑到人工智能保健研究的时间分布，这并不令人惊讶。关于在医疗保健领域实施人工智能的研究本质上主要是概念性的，主要由提出重要问题的评论、观点、观点文章和概念性框架所主导，但缺乏急需的经验证据[93-96］．由于在日常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，这限制了实践和方法学方法进步的推广可能性。大多数文章发表在高收入国家，特别是美国。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一致，并与其他对AI在卫生保健各个领域应用的审查一致[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;人工智能高度适用的事实;或者因为人工智能处于萌芽状态，它仍在许多不同的环境中被尝试。鉴于以临床护理为重点，预期使用者大多是保健服务提供者，特别是医生，这并不奇怪。最近一项关于人工智能在初级保健领域使用的范围审查发现，医生作为目标终端用户的优势类似[99］．这表明，将人工智能系统视为支持医生而非其他卫生专业人员决策的工具。令人惊讶的是，AI应用程序在处理传染病方面的实现很少(除了McKillop等人的研究[48])，鉴于2020-2022年2019冠状病毒病大流行的管理受到极大关注并提供了大量资金。人工智能前景广阔的另一个代表性不足的领域是心理健康(Bennett的研究除外)。77和拉赫曼等人[One hundred.])。

    人工智能技术的类型和应用

    近一半的AI模型是符号或基于知识的。它们使用人工生成的逻辑表示、规则和本体论来推断结论，比基于纯数据驱动或统计方法的模型具有更强的解释性。然而，它们可能无法充分发挥人工智能的潜力，因为它们是“硬编码的专家烹饪书”，受到编码知识的限制。101］．数据驱动的统计方法，如机器学习学习基于输入数据的预测函数。然而，这些方法是不透明的，并对与患者或提供者的信任、问责制和质量保证以及患者安全有关的卫生保健产生影响[3.，102］．世界卫生组织关于促进卫生的人工智能伦理和治理的指南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优于黑箱方法[43］．基于知识的或符号模型的优势，其更大的透明度和更长的存在可能容易被护理提供者接受，这与以前的评论一致[103］．然而，最近发布的大多数AI模型使用数据驱动或混合技术，基于知识的模型只包含了少数应用[104］．我们的研究发现，到目前为止，自动化或优化技术是最常见的，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，AI系统不能根据其建议或输出采取行动，而是依赖于操作系统的人类使用或无视其提出的建议。这一发现表明，决策支持系统是最早获得采用的AI系统类型，可能是因为它们增强了人类行为，对临床工作流程造成的干扰最小[105］．

    实现过程

    这项研究发现，在医疗保健领域研究AI系统的实施过程的方式是多种多样的，建立在多种类型的研究设计和方法之上。在纳入的研究中，略多于一半的研究没有为实施人工智能系统提供明确的动机，而这是在医疗保健领域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定义明确的需求不一致，并有可能加强在医疗保健中实施人工智能的以技术为重点的逻辑。这一观察结果可能反映了人们对日常实践中人工智能实施的含义缺乏一致的理解，以及在如何研究和报告此类实施方面缺乏方法论的一致性。大多数研究要么对实施有技术或计算上的理解，要么从干预措施的有效性来看待实施。对实施研究的实际过程关注不多，更多的是对实施案例的介绍。这表明该领域证据的相对新生性质，并与其他研究相似，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，但对其在实践中实施的实际过程提供的信息非常少[51，99］．

    尽管在研究实施过程方面的重点有限，但我们的归纳分析确定了以下实施要素:共同创造、设计非破坏性工作流程、保持学习焦点、沟通、情境化、领导和有益的组织结构、培训和AI使用的实施或激励。这些方面并非人工智能所独有，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，最终用户参与资讯科技服务和应用程序的设计和实施，构成了以用户为中心的设计的基础，这被视为数码技术的重要驱动因素[106］．领导人的承诺、参与和问责也是实践中成功实施的众所周知的因素[107］．与现有工作流的无缝集成是人工智能系统采用的另一个核心因素。这一发现与大多数被研究的AI系统实施案例是基于决策支持系统的事实相一致，这些决策支持系统没有行动自主权，可以方便地纳入日常工作流程。然而，从这类系统中对AI实施策略得出一般化的结论是具有挑战性的，因为它们在工作流程中引入增量改进，并不代表更具破坏性的AI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等人最近的工作[37关于什么应该被视为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的概念。我们要补充指出，由于对“执行”一词的含义缺乏一致意见，这一理解变得更加复杂。在筛选过程中，我们拒绝了许多研究，因为“实现”一词是在计算意义上使用的;例如，产品概念或需求是实现作为一个代码，或者编码的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，这个术语也被用来表示执行计划时不考虑执行过程。在已发表的文献中，很少有人将实施作为一种有意的努力，旨在改变常规做法、调整干预措施或将干预措施更多地纳入常规做法。

    局限性和方法上的考虑

    这项研究的优势包括大量的记录审查和在筛选过程中观察到的严格。搜索策略是全面和广泛的，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，并有可能识别出更多的案例，代表正在进行或已完成的实施项目，但尚未在研究文献中发表。由于我们旨在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、可行性研究和其他形式的人工智能应用实践的有限和受控介绍。我们预计，科技公司和护理提供者的工作与随后的学术出版物之间将存在滞后。然而，由于我们确定的记录数量和之前发现的文献中以观点、见解和叙事评论形式的基于观点的文章的广泛可用性[37，我们有意识地选择专注于同行评审的文章。尽管这一过程可能会有从较小或不成功的实施尝试或与实施过程相邻的其他研究中排除相关知识的风险，但我们根据日常临床实践中实施的实际经验将结果划分到文献中。

    我们最初对标题和摘要的筛选不需要两个审稿人的决定，但全文筛选中的所有决定都是成对确认的。我们有意通过两周一次的会议来保持一致性和减少个体差异，在会议上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。有疑问的时候，我们会反悔或重复，没有指责，所有的矛盾和不确定都通过讨论解决，直到达成共识。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。尽管Arksey和O 'Malley框架用于范围审查[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

    目前的实证证明了研究和实践需求之间的不协调。一方面，概念性和方法学的人工智能研究建立在人工智能将彻底改变医疗保健的巨大承诺之上，并使其在实践中应用缓慢成为问题。另一方面，目前经验支持的知识大多来自行动自主性较低的AI系统的实现，并突出了其他类型信息系统实现的典型实现过程中的教训。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，以确定人工智能实施的独特方面。这凸显了未来研究需要在两个主要方向上推进:(1)实证研究医疗保健实践中各种类型的人工智能系统的实施过程，(2)通过开发和传播一个人工智能特定的实施框架，支持实证研究和实际实施，该框架将考虑到与在医疗保健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、开发可解释和可解释的解决方案，并解决关于隐私和数据保护的伦理问题。

    致谢

    作者们要感谢Per Nilsen和Julie Reed对手稿的最终草稿做出的重要贡献。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;在数据的收集、分析和解释中;在写报告时;或者决定将论文提交发表。

    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最初起草的手稿是作为硕士论文，CS和IL作为指导和所有作者的输入。所有作者随后起草和修改了手稿，并批准了最终版本。

    的利益冲突

    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

    范围审查中包含的文章概述(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分类。(B)人工智能在纳入的研究中在保健方面执行的任务类型。(C)执行的AI的行动自主性水平。(D)论文的整体重点和结果。

    PNG文件，128kb
    1. 人工智能和机器人不再是科幻小说，它们正在改变医疗保健。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. Das R.到2020年将颠覆医疗保健的五项技术。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. 王志强，黄志强，黄志强。在医疗人工智能中接近自主。柳叶刀数字健康2020年9月2日(9):e447-e449 [免费的全文] [CrossRef] [Medline］
    4. 人工智能会取代放射科医生吗?Radiol Artif Intell 2019 5月;1(3):e190058 [免费的全文] [CrossRef] [Medline］
    5. Shuaib A, Arian H, Shuaib A.人工智能在医疗保健中的作用越来越大:未来机器人会取代医生吗?2020年10月19日;13:891-896 [免费的全文] [CrossRef] [Medline］
    6. 陈明，Decary M.医疗保健中的人工智能:卫生领袖的基本指南。健康管理论坛2020年1月33(1):10-18。［CrossRef] [Medline］
    7. 蒋峰，蒋勇，支辉，董勇，李辉，马松，等。人工智能在医疗保健中的应用:过去、现在和未来。Stroke Vasc Neurol 2017 Dec;2(4):230-243 [免费的全文] [CrossRef] [Medline］
    8. Rajpurkar P, Chen E, Banerjee O, Topol EJ。人工智能在医疗卫生领域的应用。Nat Med 2022 1月28日(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 Mak 2021 Apr 10;21(1):125 [免费的全文] [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。JAMA surgery 2020 Feb 01;155(2):148-158 [免费的全文] [CrossRef] [Medline］
    11. Lopez-Jimenez F, Attia Z, Arruda-Olson AM, Carter R, Chareonthaitawee P, Jouni H，等。心脏病学中的人工智能:现在和未来。Mayo clinic Proc 2020年5月;95(5):1015-1039。［CrossRef] [Medline］
    12. Abbasgholizadeh Rahimi S, Légaré 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年9月03日;23(9):e29839 [免费的全文] [CrossRef] [Medline］
    13. Checcucci E, Autorino R, Cacciamani GE, Amparore D, De Cillis S, Piana A，欧洲泌尿学会青年学术泌尿科医生工作组的泌尿技术和SoMe工作组。人工智能和神经网络在泌尿外科的临床应用。Minerva Urol Nefrol 2020 Feb;72(1):49-57 [免费的全文] [CrossRef] [Medline］
    14. Dutt S, Sivaraman A, Savoy F, Rajalakshmi R.对眼科人工智能日益流行的洞察。Indian J Ophthalmol 2020 july;68(7):1339-1346 [免费的全文] [CrossRef] [Medline］
    15. 何静，百特SL，徐静，徐静，周曦，张坤。人工智能技术在医学中的实际实施。Nat Med 2019年1月25日(1):30-36 [免费的全文] [CrossRef] [Medline］
    16. 陈志华，林林，吴芳芳，李芳芳，徐红瑞，孙赟。精准医疗时代辅助癌症诊疗的人工智能。癌症通讯(伦敦)2021年11月;41(11):1100-1115 [免费的全文] [CrossRef] [Medline］
    17. Grzybowski A, broona P, Lim G, Ruamviboonsuk P, Tan G, Abramoff M，等。人工智能在糖尿病视网膜病变筛查中的研究进展。眼(伦敦)2020年3月34日(3):451-460 [免费的全文] [CrossRef] [Medline］
    18. Ozsahin I, Sekeroglu B, Musa MS, Mustapha MT, Uzun Ozsahin D.人工智能胸部CT图像诊断COVID-19综述。计算数学方法Med 2020年9月26日;2020:9756518 [免费的全文] [CrossRef] [Medline］
    19. Romm EL, Tsigelny IF。药物治疗中的人工智能。2020年1月06日;60:353-369。［CrossRef] [Medline］
    20. 何d。人工智能在癌症治疗中的应用。Science 2020 Feb 28;367(6481):982-983。［CrossRef] [Medline］
    21. Schwalbe N, Wahl B.人工智能与未来全球健康。《柳叶刀》2020年5月16日;395(10236):1579-1586 [免费的全文] [CrossRef] [Medline］
    22. Lorenzi NM, Riley RT, Blyth AJ, Southon G, Dixon BJ。人的前因和医学信息学的组织方面:文献综述。J Am Med Inform Assoc 1997;4(2):79-93 [免费的全文] [CrossRef] [Medline］
    23. Kukafka R, Johnson SB, Linfante A, Allegrante 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。J Biomed Inform 2003 Jun;36(3):218-227 [免费的全文] [CrossRef] [Medline］
    24. 精神卫生保健中算法和数据驱动技术研究中的伦理和法律:范围审查。JMIR Ment Health 2021年6月10日;8(6):e24668 [免费的全文] [CrossRef] [Medline］
    25. Čartolovni A, tomiiiic A, laziic 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。Int J Med Inform 2022年5月;161:104738。［CrossRef] [Medline］
    26. Beil M, prof I, van Heerden D, Sviri S, van Heerden PV。关于重症监护中人工智能预测的伦理考虑。重症监护医学2019年12月10日;7(1):70 [免费的全文] [CrossRef] [Medline］
    27. Murphy K, Di Ruggiero E, Upshur R, Willison DJ, Malhotra N, Cai JC，等。人工智能有益于健康:伦理学文献的范围审查。BMC医学伦理2021 Feb 15;22(1):14 [免费的全文] [CrossRef] [Medline］
    28. Siala H，王莹。人工智能在医疗保健领域的转变:系统综述。社会科学医学2022 Mar;296:114782 [免费的全文] [CrossRef] [Medline］
    29. Trocin C, Mikalef P, Papamitsiou Z, Conboy K.负责任的数字健康AI:综合和研究议程。Inf系统锋(即将)2021年6月26日[免费的全文] [CrossRef］
    30. 费尔南德斯M，维埃拉M，雷特F，帕罗斯C，芬克尔斯坦S，索萨JM。应用智能系统的急诊分诊临床决策支持系统:综述。Artif Intell Med 2020 Jan;102:101762。［CrossRef] [Medline］
    31. Choudhury A, Asan O.人工智能在患者安全结果中的作用:系统文献综述。JMIR Med Inform 2020 7月24日;8(7):e18599 [免费的全文] [CrossRef] [Medline］
    32. 尹杰，颜兆基，张宏宏。人工智能应用在现实临床实践中的作用:系统综述。J Med Internet Res 2021年4月22日;23(4):e25759 [免费的全文] [CrossRef] [Medline］
    33. 王晓燕，王晓燕，王晓燕。人工智能在医疗保健领域的经济影响:系统综述。J Med Internet Res 2020 Feb 20;22(2):e16866 [免费的全文] [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。NPJ Digit Med 2022年1月10日;5(1):2 [免费的全文] [CrossRef] [Medline］
    35. Mirbabaie M, Stieglitz S, Frick NR.人工智能在疾病诊断中的应用:对研究现状的回顾和分类指导未来方向。卫生技术2021年5月10日;11(4):693-731 [免费的全文] [CrossRef］
    36. Zidaru T, Morrow EM, Stockley R.确保患者和公众参与过渡到人工智能辅助的精神卫生保健:一个系统的范围审查和设计公正议程。预期健康状况2021年8月;24(4):1072-1124 [免费的全文] [CrossRef] [Medline］
    37. 王晓燕，王晓燕，王晓燕。人工智能应用于医疗实践的实施框架研究。J Med Internet Res 2022年1月27日;24(1):e32215 [免费的全文] [CrossRef] [Medline］
    38. Alhashmi SF, Alshurideh M, Al Kurdi B, Salloum SA。对影响人工智能在医疗保健部门实施的因素的系统回顾。2020年人工智能和计算机视觉国际会议论文集，发表于:AICV '20;2020年4月8 - 10日;埃及，开罗，第37-49页https://link.springer.com/chapter/10.1007/978-3-030-44289-7_4［CrossRef］
    39. 阿克西，欧马利。范围研究:迈向方法论框架。国际社会计量方法2005年2月;8(1):19-32 [免费的全文] [CrossRef］
    40. Tricco AC, Lillie E, Zarin W, O'Brien KK, Colquhoun H, Levac D，等。PRISMA扩展范围审查(PRISMA- scr):检查表和解释。Ann Intern Med 2018 Oct 02;169(7):467-473 [免费的全文] [CrossRef] [Medline］
    41. Svedberg P, Reed J, Nilsen P, Barlow J, Macrae C, Nygren J.在医疗保健实践中成功实施人工智能:研究项目的协议。JMIR Res Protoc 2022 Mar 09;11(3):e34920 [免费的全文] [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:世卫组织指导。世界卫生组织，2021年6月28日。URL:http://apps.who.int/bookorders[2022-02-16]访问
    44. Braun V, Clarke V，在心理学中使用主题分析。2006年1月3(2):77-101。［CrossRef］
    45. 吴锐，谭秉奎。在新加坡所有公立医院实施以个人为中心的出院程序。国际环境与公共卫生2021年8月17日;18(16):8700 [免费的全文] [CrossRef] [Medline］
    46. Sendak MP, Ratliff W, Sarro D, Alderton E, Futoma J, Gao M，等。将脓毒症深度学习技术融入常规临床护理:实施研究。JMIR Med Inform 2020 7月15日;8(7):e15182 [免费的全文] [CrossRef] [Medline］
    47. Kashyap S, Morse KE, Patel B, Shah NH。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。J Am Med Inform Assoc 2021年10月12日;28(11):2445-2450 [免费的全文] [CrossRef] [Medline］
    48. McKillop M, South B, Preininger A, Mason M, Jackson G.利用对话技术回答常见的COVID-19问题。J Am Med Inform Assoc 2021年3月18日;28(4):850-855 [免费的全文] [CrossRef] [Medline］
    49. 穆斯林LP。床边预测分析监测的现实实现原则。app clinin Inform 2021年8月;12(4):888-896 [免费的全文] [CrossRef] [Medline］
    50. Baxter SL, Bass JS, Sitapati AM。为计划外重新入院实施人工智能模型的障碍。ACI open 2020年7月;4(2):e108-e113 [免费的全文] [CrossRef] [Medline］
    51. Romero-Brufau S, Wyatt KD, Boyum P, Mickelson M, Moore M, cogneta - rieke C.实施的一课:基于人工智能的临床决策支持的提供者经验的前后研究。Int J Med Inform 2020 5月;137:104072。［CrossRef] [Medline］
    52. 赖L, Wittbold K, Dadabhoy FZ, Sato R, Landman AB, Schwamm LH，等。数字分诊:应对COVID-19大流行的人口健康管理新策略。卫生(Amst) 2020年12月;8(4):100493 [免费的全文] [CrossRef] [Medline］
    53. Strohm L, Hehakaya C, Ranschaert ER, Boon WP, Moors EH。人工智能(AI)在放射学应用的实施:阻碍和促进因素。Eur Radiol 2020 10月30日(10):5525-5532 [免费的全文] [CrossRef] [Medline］
    54. 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在区域医院减少再入院。application Clin Inform 2020 Aug;11(4):570-577 [免费的全文] [CrossRef] [Medline］
    55. Reis L, Maier C, Mattke J, Creutzenberg M, Weitzel t。解决用户阻力可以防止医疗保健AI项目失败。MIS Q Exec 2020 Dec;19(4):279-296 [免费的全文] [CrossRef］
    56. 太阳TQ操作。在公共医疗保健中采用人工智能:社会权力和学习算法的影响。国际环境与公共卫生2021年12月01日;18(23):12682 [免费的全文] [CrossRef] [Medline］
    57. 智能放大采用的组织学习:来自临床决策支持系统采用项目的经验教训。Inf Syst Front 2021 10月09;24(3):731-744 [免费的全文] [CrossRef］
    58. 沙佐A, Kurilová V，瓦尔加I.人工智能在正畸智能治疗指导中的应用及其对人工智能远程健康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 [免费的全文] [CrossRef] [Medline］
    59. Gonçalves LS, Amaro ML, Romero AD, Schamne FK, Fressatto JL, Bezerra CW。一种用于败血症检测的人工智能算法的实现。Rev Bras Enferm 2020年4月9日;73(3):e20180421 [免费的全文] [CrossRef] [Medline］
    60. Damoah IS, Ayakwah A, Tingbani I.人工智能(AI)增强医疗无人机在医疗供应链(HSC)的可持续发展:一个案例研究。J Clean Prod 2021 Dec;328:129598。［CrossRef］
    61. Lacey G，周杰，李旭，Craven C, ush C.实时反馈自动视频审计对医院洗手事件质量和数量的影响。Am J感染控制2020 Feb;48(2):162-166 [免费的全文] [CrossRef] [Medline］
    62. Saverino A, Baiardi P, Galata G, Pedemonte G, Vassallo C, Pistarini C.在COVID-19大流行期间重组康复服务的挑战:一个新的数字和人工智能平台，以支持团队工作，规划和提供安全和高质量的护理。Front Neurol 2021年4月29日;12:643251 [免费的全文] [CrossRef] [Medline］
    63. 王j，黄V, Wells D, Giambattista J, Giambattista J, Kolbeck C，等。基于深度学习的放射治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。Radiat Oncol 2021 6月08;16(1):101 [免费的全文] [CrossRef] [Medline］
    64. Herman B, Sirichokchatchawan W, Nantasenamat C, Pongpanich S.人工智能在克服印尼利福平耐药筛选挑战中的作用:cu哈斯- robust用户体验的定性研究。J Health Res(即将出版)2021年6月15日[免费的全文] [CrossRef］
    65. Chong J, Curtain C, Gad F, Passam F, Soo G, Levy R，等。整个医院网络静脉血栓栓塞管理的发展和实施。Int J Med Inform 2021年11月;155:104575。［CrossRef] [Medline］
    66. 陈小俊，张慧英，陈丽萍，谭润泽。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。Curr Probl诊断Radiol 2021;50(2):119-122。［CrossRef] [Medline］
    67. Petitgand C, Motulsky A, Denis JL, Régis C.急诊护理中医生采用基于人工智能的决策支持系统的障碍:一项解释性质的研究。种马健康技术通知2020年6月16日;270:1001-1005。［CrossRef] [Medline］
    68. Chonde DB, Pourvaziri A, Williams J, McGowan J, Moskos M, Alvarez C，等。RadTranslate:一种人工智能驱动的紧急成像干预措施，以提高COVID-19大流行期间英语水平有限的患者的护理公平性。J Am Coll Radiol 2021 7月;18(7):1000-1008 [免费的全文] [CrossRef] [Medline］
    69. García Bermúdez I, González Manso M, Sánchez Sánchez E, Rodríguez Hita A, Rubio Rubio M, Suárez Fernández c虚拟助理对COVID-19患者出院后电话监测的有效性和可接受性。Rev clinin Esp (Barc) 2021 10月;221(8):464-467 [免费的全文] [CrossRef] [Medline］
    70. Tamposis I, Tsougos I, Karatzas A, Vassiou K, Vlychou M, Tzortzis V. PCaGuard:支持前列腺癌最佳管理的软件平台。app clinin Inform 2022年1月;13(1):91-99 [免费的全文] [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程序，优化公共口腔保健系统中的正齿转诊。Semin Orthod 2021 6月1日;27(2):157-163。［CrossRef］
    72. Morales HM, Guedes M, Silva JS, Massuda A.巴西的COVID-19 -在城市人工智能支持下的应对初步分析。前方数字血量2021年6月17日;3:648585 [免费的全文] [CrossRef] [Medline］
    73. Davis MA, Rao B, Cedeno PA, Saha A, Zohrabian VM。机器学习和改进的质量度量在急性颅内出血的非对比计算机断层扫描。Curr Probl诊断Radiol 2022;51(4):556-561。［CrossRef] [Medline］
    74. 斯诺登JL, Robinson B, Staats C, Wolsey K, Sands-Lincoln M, Strasheim T，等。授权社会工作者通过基于云的护理管理解决方案更好地为最弱势群体服务。application Clin Inform 2020 Aug;11(4):617-621 [免费的全文] [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。perspective Health Inf Manag 2021 10月1日;18(4):1g [免费的全文] [Medline］
    76. 利用人工智能主动调整阅读工作表的优先级对颅内出血头颅CT判读的转诊时间有有益的影响。Radiol Artif Intell 2020 11月18日;3(2):e200024 [免费的全文] [CrossRef] [Medline］
    77. 临床生产力系统-一个决策支持模型。中国科学(d辑:自然科学版)2011;36 (3):369 - 369 [免费的全文] [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。Artif Intell Med 2018年11月;92:24-33。［CrossRef] [Medline］
    79. 阿南德V，卡罗尔AE，比昂迪奇PG，杜根TM，唐斯SM。使用适应的Arden语法的儿科决策支持。Artif Intell Med 2018年11月;92:15-23 [免费的全文] [CrossRef] [Medline］
    80. Wen A, Fu S, Moon S, El Wazir M, Rosenbaum A, Kaggal VC，等。Desiderata提供NLP以加速医疗保健AI的进步和梅奥诊所NLP即服务的实现。NPJ Digit Med 2019 12月17日;2:130 [免费的全文] [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。Operation Res 2017 7月20日;65(6):1460-1478 [免费的全文] [CrossRef］
    82. Rais A, Alvelos F, Figueiredo J, Nobre A.医院物流服务优化。2018年1月25日(1):111-132 [免费的全文] [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。计算工业2015年10月;88(C):430-443 [免费的全文] [CrossRef］
    84. Litvin CB, Ornstein SM, wesell AM, Nemeth LS, Nietert PJ。采用临床决策支持系统，以促进初级保健部门对急性呼吸道感染患者合理使用抗生素。国际医学通报2012年8月;81(8):521-526。［CrossRef] [Medline］
    85. Cruz NP, Canales L, Muñoz JG, Pérez B, Arnott I.通过电子病历的自然语言处理提高临床路径的依从性。种马健康技术通知2019年8月21日;264:561-565。［CrossRef] [Medline］
    86. Semenov I, Kopanitsa G.为实验室服务患者开发的临床决策支持系统。种马健康技术资讯2016;228:90-94。［Medline］
    87. Campion Jr TR, Waitman LR, Lorenzi NM, May AK, Gadd CS。计算机强化胰岛素治疗的障碍和促进因素。Int J Med Inform 2011 Dec;80(12):863-871 [免费的全文] [CrossRef] [Medline］
    88. Kalil AJ, Dias VM, Rocha CD, Morales HM, Fressatto JL, Faria RA。败血症风险评估: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。Res Biomed Eng 2018年11月22日;34(4):310-316 [免费的全文] [CrossRef］
    89. Sukums F, Mensah N, Mpembeni R, Massawe S, Duysburgh E, Williams A，等。撒哈拉以南非洲农村初级卫生保健设施采用产前和分娩护理电子临床决策支持系统的前景:QUALMAT经验。国际医学通报2015年9月84(9):647-657。［CrossRef] [Medline］
    90. 格拉斯哥RE, Vogt TM, Boles SM。评估健康促进措施对公共健康的影响:RE-AIM框架。《公共卫生杂志》1999年9月89(9):1322-1327。［CrossRef] [Medline］
    91. 格林哈尔希T，惠尔顿J，帕普西C，林奇J，休斯G, A'Court C，等。超越采用:一个新的框架，用于理论和评估不采用、放弃以及对扩大、传播和可持续性的健康和护理技术的挑战。J Med Internet Res 2017 Nov 01;19(11):e367 [免费的全文] [CrossRef] [Medline］
    92. 野中。组织知识创造的动态理论。器官科学1994 Feb;5(1):14-37 [免费的全文] [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。国际J MCH艾滋病2020;9(1):121-127 [免费的全文] [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。J Bioeth Inq 2021年3月18日(1):121-139 [免费的全文] [CrossRef] [Medline］
    95. Reddy S, Allan S, Coghlan S, Cooper P. AI在医疗保健应用的治理模型。J Am Med Inform Assoc 2020年3月01日;27(3):491-497 [免费的全文] [CrossRef] [Medline］
    96. Higgins D, Madai VI.从钻头到床边:医疗保健中人工智能产品开发的实用框架。Adv Intell Syst 2020 10月2日(10):2000052 [免费的全文] [CrossRef］
    97. Wahl B, Cossy-Gantner A, Germann S, Schwalbe NR.人工智能(AI)与全球卫生:人工智能如何在资源匮乏的环境中促进卫生?BMJ Glob Health 2018 Aug 29;3(4):e000798 [免费的全文] [CrossRef] [Medline］
    98. Peiffer-Smadja N, Rawson TM, Ahmad R, Buchard A, Georgiou P, Lescure FX，等。机器学习用于传染病的临床决策支持:当前应用的述评。临床微生物感染2020年5月;26(5):584-595 [免费的全文] [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。Ann Fam Med 2020 5月;18(3):250-258 [免费的全文] [CrossRef] [Medline］
    100. Rahman MM, Khatun F, Uzzaman A, Sami SI, Bhuiyan MA, Kiong TS.应对冠状病毒(COVID-19)大流行的人工智能和机器学习方法的综合研究。国际卫生杂志2021年10月;51(4):446-461 [免费的全文] [CrossRef] [Medline］
    101. Quinn TP, Jacobs S, Senadeera M, Le V, Coghlan S医疗人工智能的三个幽灵:黑盒子现在能交付吗?Artif Intell Med 2022 Feb;124:102158。［CrossRef] [Medline］
    102. Kort om artisiciell intelligens i hälso- och sjukvården。史坦顿medicinsk-etiska rad。2020.URL:https://smer.se/2020/03/31/kort-om-artificiell-intelligens-i-halso-och-sjukvarden/[2022-05-30]访问
    103. 王勇，王磊，Rastegar-Mojarad M, Moon S，沈峰，Afzal N，等。临床信息提取应用:文献综述。J Biomed Inform 2018 Jan;77:34-49 [免费的全文] [CrossRef] [Medline］
    104. 人工智能在临床决策支持中的应用:一个有重点的文献调查。Yearb Med Inform 2019 8月28日(1):120-127 [免费的全文] [CrossRef] [Medline］
    105. Saria S.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的五个常见错误。并非所有的人工智能都是平等的:安全有效的采用策略。NEJM催化剂，2022年3月23日。URL:https://catalyst.nejm.org/doi/full/10.1056/CAT.22.0075[2022-05-30]访问
    106. 伯恩斯坦ML，麦克里莱斯T, Côté MJ。在医疗保健中采用信息技术的五个常量。Hosp前2007,85(1):17-25。［CrossRef] [Medline］
    107. Damschroder LJ, Aron DC, Keith RE, Kirsh SR, Alexander JA, Lowery JC。促进卫生服务研究成果的实践:促进实施科学的统一框架。实施科学2009年8月07;4:50 [免费的全文] [CrossRef] [Medline］

    ‎
    人工智能:人工智能
    PRISMA-ScR:用于范围审查的系统审查和元分析扩展的首选报告项目

    G·埃森巴赫编辑;提交12.06.22;M Gordon同行评议，م قادرزاده， R damaviviius;评论作者01.07.22;修订版收到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)， 2022年10月5日。

    这是一篇开放获取的文章，根据创作共用署名许可协议(https://creativecommons.org/licenses/by/4.0/)发布，该协议允许在任何媒体上不受限制地使用、分发和复制，前提是要正确引用最初发表在《医学互联网研究杂志》上的原始作品。必须包括完整的书目信息，//www.mybigtv.com/上的原始出版物链接，以及版权和许可信息。
    Baidu
    map