护理与助产中人工智能（AI）伦理维度：系统综述与在线AI伦理工具包

《International Journal of Nursing Studies》：Ethical dimensions of artificial intelligence in nursing and midwifery: A systematic review and online ethics toolkit

　　

背景：人工智能（Artificial Intelligence, AI）技术、模型和工具在医疗保健中越来越多地用于支持临床决策、行政工作流程和患者照护，但存在关键的伦理关切，如问责、公平和透明性，影响护理与助产实践。然而，这一讨论常忽视照护的关系性、情境性和具身性方面。本系统综述旨在批判性地识别、评价和综合关于AI在护理与助产中伦理维度的证据，以应对这些复杂问题。
设计：研究人员开展了一项系统综述，遵循系统综述和荟萃分析优先报告条目（Preferred Reporting Items for Systematic Reviews and Meta-Analyses, PRISMA）清单。研究人员于2025年3月在CINAHL、Embase、MEDLINE、The Philosopher's Index和PsycINFO中，使用关键AI、伦理、护理和助产术语进行了全面检索。研究人员使用独立评审人员在Covidence上依据纳入标准筛选结果，并实施质量评价。提取数据并应用归纳主题合成（inductive thematic synthesis）识别关键主题。
结果：形成六个主题。第一，维护人性强调AI介导护理与助产实践中的照护伦理。第二，超越技术可靠性探讨安全作为伦理和关系必然要求，考察过早部署风险、错误信息作为患者伤害以及风险缓解。第三，自主、权威与问责聚焦治理挑战与解决方案，包括患者和专业自主。第四，超越透明性考察隐私威胁、信任建立以及护士和助产士的治理角色。第五，开发与部署中的公正集中于算法偏见和公平实施。第六，劳动力准备与部署以能力差距和培训、批判性思维与伦理意识、学术诚信以及实施障碍为中心。
讨论：本综述通过捕捉技术创新与核心专业价值之间在关系照护、患者安全、治理、信息管理、公平与正义以及劳动力准备方面的相互关联紧张，提供了关于AI在护理与助产中伦理维度的及时且原创的见解。明确建议包括迫切需要通过教育提高AI素养，建立稳健、包容和灵活的AI治理，以及实施与护士和助产士价值和流程一致的AI工具。此外，本综述倡导在多样环境和人群中开展严谨的AI伦理实证研究。解决这些问题需要促进持续领导和投资的政策，以确保护士和助产士有意义地参与AI设计、实施、使用和评价。基于综述发现，研究人员开发了一个在线AI伦理工具包，为护士和助产士在这一新兴且重要的专业实践领域提供实践指导和支持。

论文解读

研究背景：AI技术、模型和工具正通过电子健康记录（electronic health records, EHR）和其他数字健康技术嵌入全球医疗系统。这些系统可支持临床决策、诊断、行政工作流、患者照护和患者教育。大语言模型（large language models, LLMs）等承诺提高筛查和诊断准确性、通过自动化提升效率、早期识别风险或恶化患者，并可能缓解文书负担。但AI使用带来伦理问题：AI生成内容和决策的问责、训练AI模型的数据和方法公平透明、患者结局的专业责任。算法偏见、数据隐私、知情同意、自动化系统道德能动性挑战传统伦理实践。现有AI伦理讨论多聚焦医学应用、算法公平或数据治理，一般框架关注行善（beneficence）、不伤害（non-maleficence）、自主（autonomy）和公正（justice），但常忽略护理与助产特有的关系、情境和具身照护。护理和助产基于关系照护，对个体、家庭和社区尊严、安全和福祉负责。AI决策支持挑战临床判断，机器人或聊天机器人可能改变治疗关系、信任、同理心和照护连续性，在妊娠和分娩等敏感情境中尤其重要。护理和助产领导者面临隐私、公平可及、员工福祉和安全整合AI的伦理困境。从预测性到生成性再到代理性AI的快速发展已超过专业伦理指南发展。证据不一致，Choo et al. 的概念分析聚焦问责、可解释性、隐私和正义，但检索34项研究并排除助产；Sengul et al. 的整合综述仅15项研究且限于教育。因此需要全面综合。研究目的为全面识别、评价和综合AI在护理与助产所有专业实践领域（教育、临床、研究、政策）中的伦理维度，生成整合理解，指出共识、争议和知识空白，为专业伦理指南、研究优先事项和伦理、人本AI实施提供信息。

方法：研究人员遵循乔安娜布里格斯研究所（Joanna Briggs Institute, JBI）系统综述方法，按PRISMA 2020报告，并在Centre for Open Science预注册服务注册。检索CINAHL、Embase、MEDLINE、The Philosopher's Index和PsycINFO，2025年3月，英文，无日期限制。检索概念包括护士/助产士、AI技术模型工具、伦理问题。使用国际护士理事会（International Council of Nurses, ICN）伦理守则和世界卫生组织（World Health Organization, WHO）AI健康伦理与治理指南作为筛选敏感性框架，而非质量评价工具。Covidence去重并两阶段筛选，三名独立评审，分歧共识解决。数据提取模板，随机25%记录由第二评审交叉核对。归纳主题合成，NVivo编码，初始超过1100个编码，形成17个描述主题并发展高层分析主题。质量评价采用JBI设计特定检查表、叙事综述文章评价量表（Scale for the Assessment of Narrative Review Articles, SANRA）和混合方法评价工具（Mixed Methods Appraisal Tool, MMAT），两名评审独立评价。无样本队列，纳入220项研究。

研究结果：纳入220项研究，80%以上发表于2023—2025年，来自33个国家，最多为美国、英国、Türkiye、中国和澳大利亚。主要人群为注册/许可护士、护理学生和护理教育者；助产观点仅8项研究。医院/急症环境116项，教育培训56项，长期/社区21项。AI方法以自然语言处理（natural language processing, NLP）和机器学习（machine learning, ML）最常见，其次为决策支持/预测系统和机器人，可穿戴设备和教育AI少。伦理主题最常见为隐私与保密、偏见与歧视、问责与责任、信任与可靠性、AI治理与监督、照护人性化、透明与可解释、患者自主；护理专业自主和人-AI关系为护理中心伦理关切。仅22项研究明确引用伦理或理论框架。方法学质量总体良好。通过归纳主题合成，研究人员形成六个分析主题和二十个子主题。

主题1：维护人性：AI介导护理与助产实践中的照护伦理。该主题表明AI可能威胁护理与助产的关系和人本基础，因系统优先效率、可测量患者和服务结局及技术表现，可能使动手照护和治疗关系不可见，导致心理社会照护不足和对人类情感低估。研究强调AI应由同理心、同情和个体化照护等核心价值引导，价值对齐是伦理必然要求而非仅技术考虑。还存在模拟同理心能否构成真实照护的不确定性，尤其脆弱人群可能将人工情感误认为真实，影响自主和信任。

主题2：超越技术可靠性：安全作为伦理与关系必然要求。该主题表明AI安全超越技术可靠性，包含伦理、关系和治理维度。过早部署、AI工具不可靠、系统错误和过多警报可降低信任并阻碍采用。AI生成错误信息或“幻觉”可表现为可信，导致不当临床决策和患者伤害。研究人员强调需要主动安全文化、稳健网络安全协议、对系统遵循协议的信任，以及护士和助产士专业判断和经验。

主题3：自主、权威与问责：治理挑战与解决方案。该主题表明AI可威胁患者自主、权利和尊严，算法过程不透明使同意困难，隐私可能受损，机器人外观等设计可能影响尊严。护士和助产士常对AI介导决策负责，却缺乏权限、自主和能力，形成问责—权威—能力差距或“三重束缚”。治理结构可能碎片化，责任分散。需清晰问责框架、多层级参与、包容性治理和组织支持。

主题4：超越透明性：隐私、披露与赢得信任。该主题表明隐私侵犯、数据泄露和监控可损害信任和治疗关系。信任AI不仅是透明理解其运作，还包括可靠性、治理和专业验证；专业人员更重视“工具确实有效”的认知可靠性。护士和助产士在信息治理中充当AI工具翻译者，向患者和家庭沟通输出、解释限制和风险，并验证输入和评估偏见，但现有队伍准备不足，数据素养需提高。

主题5：开发与部署中的公正：从偏见到公平实施。该主题表明算法偏见可成为结构性不平等，训练数据受文化语言偏见影响，AI模型可复制和放大偏见，加剧医疗不平等。护士和助产士在AI设计、开发和治理中输入有限，常限于晚期验证测试。部署风险因财务约束集中于脆弱人群和资源不足环境。实现公平需共同设计、早期咨询、积极参与和情境适应。

主题6：劳动力准备与部署挑战：从教育到实践整合。该主题表明AI素养和结构化培训不足，教育者开发AI课程缓慢，培训成本高。批判性思维和伦理意识是基础能力，护士和助产士需情境化AI输出并守护患者照护。生成式AI带来学术诚信和胜任力保证挑战，AI可产生虚构或不可验证输出。实施障碍包括工作流负担、不断数据流、岗位替代和技能侵蚀担忧、技术基础设施不足、治理不清和变革管理缺乏。

讨论与结论：讨论指出，本综述综合220项研究，显示AI挑战护理与助产的关系基础不是替代，而是对照护的细微重构；系统优化可测量效率可能使关系和情感劳动不可见。模拟同理心的真实性仍存在本体不确定性，不能仅靠技术完善解决。安全是技术与关系双构念，需平衡AI准确性、网络安全、输出可靠与临床判断、信任，避免信息伤害，支持患者自主和尊严。问责—权威—能力三重束缚反映治理差距，过度依赖AI可能侵蚀临床判断并加深能力赤字。信任是多维的，受隐私、监控、治理、专业验证和有意义参与影响。公平不能仅靠技术优化或地方法规合规，需要基于公平、参与和全球问责的数据治理，纳入护士和助产士。劳动力准备是系统问题，涉及技能、支持、领导力和专业身份。未来启示包括教育整合AI课程和伦理推理，临床实践支持专业判断和共同设计，研究关注低中收入国家（low- and middle-income countries, LMICs）、初级保健、公共卫生、领导政策、实证研究、认知债务、环境影响和理论框架，政策投资AI素养、纳入治理、关注工作量和员工福祉。优势为大规模、严谨检索筛选和深入分析；局限为证据以概念研究为主、实证有限，英文限制，高收入国家为主，助产和理论框架不足。

研究结论翻译：该系统性综述表明，AI在护理与助产中的伦理挑战似乎超越孤立技术问题，并表现为嵌入照护实践、专业角色和治理结构中的相互关联紧张。通过考察关系照护、认知安全（epistemic safety）和一线责任如何受到AI威胁，该综合揭示了更广泛AI伦理文献中常被忽视的维度，尽管这些主要基于概念性而非实证性证据。识别出的许多紧张，包括围绕透明性、安全性和准确性的紧张，不能完全解决，需要持续的专业判断而非仅靠技术解决方案。需要进一步实证研究，尤其是在助产领域，以确定这些伦理紧张在不同专业情境中如何表现并影响护士、助产士及其患者。解决这些挑战将受益于在AI设计、部署、评价和治理中有意义地纳入护理和助产视角，确保AI加强而非侵蚀照护的关系和伦理基础。实现这一点可能需要医疗服务提供者、专业团体、教育机构和政策制定者之间的协调行动，护士和助产士不是AI开发和实施的被动接受者，而是塑造其伦理治理和日常使用的积极参与者，以保障和提升患者照护。