综述：在早期护理规划中运用人工智能：一项范围综述

《Artificial Intelligence in Medicine》：Leveraging artificial intelligence in advance care planning: A scoping review

人工智能在预先照护计划中的应用研究通过系统综述发现，当前AI主要应用于ACP文档检测和患者需求识别，以规则为基础的自然语言处理为主，性能评估存在差异。

　　

谭明辉|唐思远|倪昭|阚世超|保罗·马查里亚|张浩杰|郝毅|郭莉|丁金峰

中南大学湘雅护理学院，中国长沙

摘要

背景

预先护理计划（ACP）是一个使个人在严重疾病或无法沟通之前能够讨论未来医疗护理决策的过程。人工智能（AI）在促进医疗保健方面展示了有希望的结果，为推动ACP提供了潜力。然而，目前使用AI来促进ACP的情况尚不清楚。本研究旨在探讨AI是如何被用来促进ACP的，特别关注其预期目的、所使用的AI算法、数据来源以及AI在实现预期目的方面的表现。

方法

本研究采用的范围审查方法论框架。从数据库建立之初到2025年7月，搜索了PubMed、EMBASE、Web of Science、CINAHL、Cochrane Library和IEEE Xplore等数据库。通过描述性分析和叙述性综合来总结纳入研究的结果。

结果

共分析了42项符合条件的研究。这些研究主要用于检测ACP对话和文件、识别需要ACP的患者以及探索ACP对话中的语言特征。基于规则的自然语言处理（NLP）是最常用的AI算法，文本数据是主要的数据形式。纳入的研究在性能评估方面存在显著差异。

发现

目前AI在ACP中的应用范围仍然有限，主要集中在从电子健康记录中提取ACP文档和识别可能从ACP中受益的患者。生成式AI等先进技术的应用较少，性能评估主要依赖于判别指标。

引言

预先护理计划（ACP）是一个帮助任何年龄或健康阶段的成年人理解和分享他们关于未来医疗护理的个人价值观、生活目标和偏好的过程[1,2]。ACP过程通常涉及患者、他们的家人和医疗提供者之间的深入讨论。研究表明，有效的ACP可以提高沟通质量，并增加患者所接受的护理与其偏好和愿望之间的一致性[3,4]。这种一致性对于减少低价值的护理和疾病对患者及其家庭的财务负担至关重要，最终提高护理的成本效益和患者的死亡质量[3,4]。

尽管ACP的重要性得到了认可，但在临床实践中的采用仍然不够理想。我们最近发表的一项针对4237名参与者的荟萃分析显示，相当一部分人不知道或没有考虑过参与ACP行为，总体患病率高达72%[5]。进一步的研究指出了在以往实践中促进ACP的显著障碍：（1）由于主要依赖时间和ACP技能有限的医疗提供者，以及仅限于医疗环境，因此可接受性和可扩展性不佳；（2）效果的可持续性较差，因为干预通常仅限于1-2次会话[[6], [7], [8]]。

在过去几年中，人工智能（AI）的整合逐渐被认为是一个有前景的途径，可能促进ACP的实施。AI是指计算机科学的一个分支，其中开发了用于模拟人类认知功能（如学习、推理和解决问题）的算法[9]。先前的研究强调了尖端AI在医疗保健中的变革性影响。例如，大型语言模型驱动的聊天机器人在回答患者的询问时表现出卓越的准确性和同理心[10]。此外，通过部署数字平台和移动应用程序，AI技术的使用可以扩大医疗服务的可及性和可持续性[11,12]。在许多情况下，AI的表现已经证明可以与医生相媲美甚至超过医生[[13], [14], [15]]。AI所展示的这些能力对于克服ACP中遇到的当前障碍至关重要。因此，随着ACP领域中AI的快速发展，有必要对利用AI促进ACP的相关文献进行全面回顾。本研究旨在通过范围审查系统地探讨AI在ACP中的临床应用。

部分摘录

材料与方法

本研究采用的范围审查方法论框架[16,17]，包括以下步骤：（1）制定研究问题，（2）进行系统文献搜索，（3）选择研究，（4）整理数据，（5）汇总和报告结果。此外，本研究遵循了《系统评价和荟萃分析优先报告项目扩展》中规定的报告格式。

研究选择

从数据库搜索中共检索到2496条记录。在去除826条重复项、1492个不相关的标题和摘要以及4条无法获取的记录后，剩余178项研究。经过全文评估后，有38项研究被纳入。通过手动筛选纳入研究的参考文献列表，又确定了另外4项符合我们资格标准的研究。最终，共有42项研究被纳入本综述（图1）。

研究特征

特征

讨论

在这项研究中，我们回顾了已发表文献中基于AI的ACP模型的当前应用。使用AI进行ACP的主要目的集中在从电子健康记录（EHRs）中识别ACP以及识别需要ACP的患者。基于规则的NLP是ACP中最常用的AI算法。文本数据是最主要的数据形式，而且不同研究在性能评估方面存在显著差异。

在各种用途中

结论

总之，我们的研究提供了ACP领域AI模型的全面概述。研究结果表明，AI系统在ACP的多个方面显示出潜力，包括在EHRs中识别ACP、识别需要ACP的患者、ACP教育以及ACP对话中的语言特征。然而，当前的研究受到基于规则的NLP的依赖、狭窄的评估指标以及对直接促进ACP的工具探索不足的限制。

CRediT作者贡献声明

谭明辉：撰写——初稿、方法论、概念化。唐思远：撰写——审阅与编辑、监督。倪昭：撰写——审阅与编辑。阚世超：撰写——审阅与编辑。保罗·马查里亚：撰写——审阅与编辑。张浩杰：撰写——审阅与编辑。郝毅：撰写——审阅与编辑。郭莉：撰写——审阅与编辑。丁金峰：撰写——审阅与编辑、方法论、概念化。

资助

本研究得到了中国湖南省自然科学基金（项目编号2023JJ40791）、湖南省研究生科学研究创新项目（项目编号CX20250412）以及中南大学的基本科研业务费（项目编号2025ZZTS0206）的支持。

利益冲突声明

作者声明他们没有已知的可能会影响本文报告工作的财务利益或个人关系。