作者投稿
专家审稿
编辑办公
邮件订阅
RSS
-
摘要:
人工智能赋能医疗行业发展, 为临床诊断、治疗、康复等领域提供了精准的智能辅助, 其在医患共同决策领域亦具有较大潜力。然而, 人工智能在医患共同决策中的应用尚处于起步阶段, 新的挑战与机遇并存。因此, 本文阐述人工智能在医患共同决策中的应用现状, 探讨人工智能决策辅助在医患共同决策应用中的潜在问题与挑战, 提出可能的解决途径, 为未来人工智能决策辅助的开发与实施提供参考。
Abstract:Artificial intelligence(AI) empowers the development of the medical industry, providing precise and intelligent assistance for clinical diagnosis, treatment, and rehabilitation.AI has the potential to facilitate shared decision making (SDM), but AI interventions used for SDM are currently in their infancy, presenting both challenges and opportunities. This paper aims to describe the application of AI in SDM, explore the problems and challenges of AI-based decision aid used for SDM, and propose possible solutions, aiming to provide a guide for the development and implementation of AI-based decision aid.
-
1997年丹麦学者Henrik Kehlet提出“加速康复外科(enhanced recovery after surgery，ERAS)”概念[1]，其后，这一理论逐渐在胃肠外科推广应用，在不增加再次住院率的情况下，明显缩短住院时间[2]。ERAS理念在骨科领域率先应用于人工关节外科，术后住院时间缩短至1~3 d，术后心血管事件、静脉血栓栓塞、谵妄及认知功能障碍明显减少[3]。目前尚无在脊柱畸形外科应用的相关研究。
青少年特发性脊柱侧凸的发病率为2%~3%[4]，重度脊柱侧凸会影响心、肺、腹腔脏器功能，如侧凸主弯冠状位超过50°，且侧弯进展，则需手术干预。近10年来青少年特发性脊柱侧凸的外科手术技术、操作步骤已相对成熟，采取有效干预措施加快术后康复是下一步外科治疗的改进方向。
本文回顾在北京协和医院接受手术治疗的青少年特发性侧凸连续队列，分析ERAS方案对外科治疗及康复的影响。
1. 资料与方法
1.1 研究对象
2007年1月至2017年1月，北京协和医院骨科治疗青少年特发性脊柱侧凸的围手术期加速康复方案逐渐成形。在此期间住院接受外科矫形治疗的青少年特发性脊柱侧凸患者连续队列(1292例)中最初100例(第1~100例)和最后100例(第1193~1292例)患者纳入本研究。
纳入标准：(1)特发性脊柱侧凸，(2)年龄10~18岁之间，(3)手术方案为一期后路矫形手术，(4)由独立开展脊柱侧凸矫形手术5年及以上的医师负责手术。
排除标准：(1)其他类型脊柱侧凸，(2)合并脊柱侧凸的其他疾病，(3)后路矫形手术中采用3级以上矫形截骨技术者。
该项青少年特发性脊柱侧凸患者连续队列研究已获得北京协和医院伦理委员会审批同意。
1.2 脊柱侧凸手术治疗策略
所有患者在PUMC分型指导下，选择适宜的融合区域，采取选择性融合策略[5], 即选择融合有必要融合的区域，在达到良好矫形效果的同时，减少患者手术节段。
1.3 分组
1.3.1 传统组
青少年特发性脊柱侧凸患者连续队列中最初100例患者(第1~100例，入组时间为2007年1月至2007年7月)采用传统围手术期管理模式，该时期尚未形成较为系统的围手术期ERAS综合管理路径。
1.3.2 ERAS组
该队列中最后100例(第1193~1292例, 入组时间为2016年8月至2017年1月)采用当前已达成共识的ERAS方案和临床路径。
1.4 ERAS组管理方案
1.4.1 术前评估及教育
术前在门诊评价患者的生理、心理状态，对状态不良者进行干预或建议推迟手术，对拟接受手术患者通过教育手册和一对一谈话进行术前教育。
1.4.1.1 手术教育和心理干预
通过手册和面对面谈话，告知患者术前需要完善的检查和专科会诊、术前1 d饮食、手术当天饮食、手术步骤、手术预期效果、术后可能面临的不适(包括留置尿管，全麻引起的胃肠功能减弱等)，强调早期康复的重要意义，术前指导患者学会轴线翻身，指导家属学会保护患者从侧卧位坐起等，通过与家属和患儿宣教与青少年特发性脊柱侧凸相关的治疗及康复知识干预患儿心理状况。
1.4.1.2 营养状况评估及干预
低蛋白血症与脊柱手术感染相关[6]，低体重患者术后并发症发生率增高，而特发性脊柱侧凸术后血浆蛋白和淋巴细胞水平均会降低[7]。
对所有术前血浆白蛋白＜3.5 g/dl或体质量指数(body mass index，BMI)＜18.5 kg/m2的患者进行营养干预。
1.4.1.3 血糖评估
如患者血糖＞200 mg/dl，进一步检查糖化血红蛋白水平。
1.4.1.4 心肺功能评估
青少年特发性脊柱侧凸患者一般无心肺结构异常，但畸形严重者可伴限制性通气障碍。通过心电图、超声心动图、肺功能检测和/或血气分析评价患者心肺功能。对肺活量占预计值百分比＜40%[8]、存在呼吸功能障碍或低氧血症的患者，指导患者锻炼呼吸肌。请心内科会诊心功能异常患者以评估手术风险，麻醉科门诊进一步评估手术风险。
1.4.1.5 出院计划教育
术前告知患者及家属出院标准，生命体征平稳，无神经症状，内固定位置良好已可以下地活动，疼痛数字评分法(numeric rating scale，NRS)评分＜4分或口服药物后达3分以内。告知患者出院后随诊和康复计划。
1.4.2 围手术期干预措施
围手术期ERAS干预措施的重点是准确判断手术方案及术中细致、轻柔、准确的操作，优化术前禁食时间，加强疼痛管理、血液管理、输液管理和抗生素合理应用。
1.4.2.1 术前4h少量饮水
采用全麻，术前禁食水。传统禁食水时间为6~8 h，可能会导致患者不适，增加胰岛素抵抗，增加蛋白质分解。部分国家麻醉协会已将禁食方案调整为术前2 h仍可少量饮水或12.5%碳水化物化合物饮料[9]。本研究ERAS组患者术前4~6 h饮200 ml糖盐水。
1.4.2.2 PUMC分型及手术操作规范化、精细化
手术全过程在微小创伤理念下采用规范、精细的操作手法，包括体位摆放，注重眼、肘、髂、膝等易受压部位的保护，常规应用双极电凝止血以减少术中出血[10], 术中常规应用脊髓电生理监测提高手术安全性[11]。
1.4.2.3 疼痛管理
特发性脊柱侧凸术后疼痛常见，多表现为切口周围疼痛，神经根性疼痛少见。采用疼痛全程管理，以非甾体类抗炎药为基础，应用多模式镇痛，多种药物连用，并监控、减轻疼痛不良反应。具体措施：术后常规应用吗啡类药物自控镇痛，术后2 d内同时应用非甾体类抗炎药物。根据患者身体情况，于术后第1天或第2天坐起时加用肌肉松弛剂。应用药物自控镇痛时关注恶心、呕吐等临床症状，如不良反应明显，需及时停药，避免呕吐所致电解质丢失过多，减慢康复进程[12-13]。
1.4.2.4 血液管理
采用综合全程血液管理措施[14-15]。术前评估贫血状况，及时治疗贫血。对术中出血量达总血容量10%或超过400 ml的患者，在术中即采用自体血回输[16]。将控制性降压的标准设定为收缩压降至80~90 mm Hg(1 mm Hg=0.133 kPa)或平均动脉压降至50~65 mm Hg以减少术中出血。术后密切观察患者切口及引流管引流量，监测血红蛋白水平和红细胞压积变化，及时输血或口服/静脉补充铁剂、促红细胞生成素。
1.4.2.5 输液管理
采取围手术期限制性输液策略[17]，晶体和胶体混合使用，全麻清醒患者开始进食后，逐渐减少输液，尽早停止静脉补液[18]。
1.4.2.6 消化道管理
全麻、吗啡类药物自控镇痛、手术矫形对腹腔内脏牵拉、卧床等因素均可导致腹胀、术后恶心呕吐的发生[19]。术后预防性应用胃肠动力药物止吐，术后第2天协助患者坐起，促进活动，术后第3天如无排便，予润肠药物或灌肠协助肠道减压。
1.4.2.7 尿管管理
术后短期内间断夹闭尿管，尽早拔除尿管，以减轻尿道不适、异常排尿等情况，扶患者坐起后即可尝=试拔除尿管。
1.4.2.8 术后早期康复训练
在遵循“提高患者自信”、“尽早离床”、“安全而不加重疼痛”、“主动运动为主被动为辅”、“适应性起步逐渐增量”的原则下，从适应性训练(如足趾屈伸、踝泵运动、直抬腿等)开始，术后第1天保留引流管扶助患者坐起，指导患者步行训练。
1.4.2.9 出院随诊计划
在术前及术后告知患者及家属出院后的门诊定期随访计划(3个月，6个月，12个月，此后每年1次门诊随访)及复诊流程，包括矫形效果评估(影像学评估)、身体和社会机能评估(NRS疼痛评分，F-36和SRS-22量表)。
1.5 观察指标
收集并整理入选患者的临床资料，包括年龄、性别、BMI、手术节段、总住院日、术后住院日、并发症情况、输血量、非计划二次手术发生率、出院时疼痛数字评分及出院满意度(百分制)。
1.6 统计学处理
统计分析应用SPSS 17.0软件。连续变量资料以均数±标准差表示，分类资料以计数及百分比表示。应用卡方检验对患者性别、术后30 d内并发症发生率、非计划二次手术发生率进行分析。应用U检验比较两组患者年龄、BMI、手术节段、总住院日、术后住院日、输血量、出院时NRS疼痛评分、出院满意度。双侧检验P＜0.05为差异有统汁学意义。
2. 结果
2.1 一般临床资料
在连续队列中，传统组和ERAS组的性别、年龄、BMI、手术节段基本匹配，差异无统计学意义(表 1)。
表 1 青少年特发性脊柱侧凸患者传统组和ERAS组一般临床资料组别 女性(%) 年龄(x±s，岁) BMI(x±s，kg/m2) 手术节段(x±s，个) 传统组(n=100) 88 14.5±2.1 18.13±4.31 10.69±3.20 ERAS组(n=100) 87 14.1±3.1 19.15±3.49 10.28±2.84 P值 0.14 0.83 0.11 0.51 ERAS:加速康复外科; BMI:体质量指数 2.2 临床结局指标
ERAS组总住院日为(11.35±1.49)d，较传统组[(17.18±2.67)d]明显缩短；术后住院日为(7.19± 0.71)d，也较传统组[(9.34±0.52)d]降低，平均缩短2.15 d。
ERAS组术后异体输血人数较传统组明显减少[传统组41%(41/100), ERAS组20%(20/100)，P＜0.05]，异体红细胞输血量也明显少于传统组[传统组(1.43±0.39)U，ERAS组(0.59±0.12)U，P＜0.05]。
传统组和ERAS组术后30 d内并发症发生率分别为6%和9%，1年内非计划再手术率分别为3%和2%，差异均无统计学意义(P均＞0.05)。ERAS组出院时疼痛评分为(3.00±0.47)分，较传统组[(3.40± 0.63)分]略轻，但差异无统计学意义(P＞0.05)。传统组出院满意度主观评分为(95.14±6.87)分，略高于ERAS组(94.86±7.92)分，两者间差异亦无统计学意义(表 2)。
表 2 青少年特发性脊柱侧凸患者传统组和ERAS组临床结局比较组别 总住院日(x±s，d) 术后住院日(x±s，d) 术后输血人数(n) 输血量(x±s，U) 30 d内并发症发生率(%) 非计划再手术发生率(%) 出院时疼痛评分(x±s，分) 出院满意度(x±s，分) 传统组(n=100) 17.18±2.67 9.34±0.52 41 1.43±0.39 6 3 3.40±0.63 95.14±6.87 ERAS组(n=100) 11.35±1.49 7.19±0.71 20 0.59±0.12 9 2 3.00±0.47 94.86±7.92 P值 0.00 0.00 0.001 0.0008 0.42 0.65 0.69 0.27 ERAS:同表 1 3. 讨论
本研究显示，青少年脊柱侧凸围手术期实施加速康复方案，可在不增加30 d内并发症、非计划再次手术发生率，不降低出院时患者满意度的同时，显著缩短总住院日和术后住院日，减少异体输血的人数和输血量，减轻出院时疼痛。
约0.1%的青少年特发性脊柱侧凸患者需手术治疗[4]，目前手术已形成标准化操作流程，围手术期管理策略有待改进。脊柱侧凸手术节段长，创伤大，术后恢复面临贫血、疼痛、生理机能紊乱、围手术期焦虑等诸多挑战，如缺乏科学有效的管理，往往会导致住院时间延长、功能康复延迟，增加社会医疗负担[20]。其中疼痛和输血是影响术后住院时间的重要原因，在欧美发达国家，青少年特发性脊柱侧凸术后住院日约为5~6 d，30%的患者需输血干预[21-23]。以往多数学者侧重解决这两方面问题[4, 16, 24-27]，在不增加术后并发症的同时，减少患者应激反应，减少术后住院日，实现早期康复的目标。
加速康复需采用有循证医学依据的治疗手段改进各个治疗环节。青少年脊柱侧凸患者的焦虑状态较退变性脊柱疾病更为严重，术前不了解治疗方案、康复以及随诊计划会增加患者的术后住院时间[28]，术后消化道不适、留置尿管护理不当也会影响康复[19]。为此，已有学者报道通过设定一整套术前和围手术期临床路径促进脊柱侧凸患者早期康复[29]，国内在这方面的报道较少。
本中心在循证医学证据基础上，逐步形成涵盖术前心肺功能评估及禁食水方案、PUMC分型、疼痛管理、血液管理、切口引流管管理、术后消化道和尿道管理等方面的一整套青少年脊柱侧凸围手术期ERAS管理策略，本研究结果显示，该套方案基本实现减少应激反应、加快术后康复的目标。
伤口迁延不愈也是增加脊柱侧凸患者术后住院日的重要原因之一，与术中软组织保护不当、伤口缝合技术欠缺等手术操作问题有关。在加速康复理念的推动下，不断改进传统治疗方法固然重要，严格控制术中诸多医疗行为和操作质量同样不可或缺[30-31]。
加速康复始终是医疗实践的目标，涉及治疗的各个环节，以及因治疗产生的患者生理、心理和生活的改变。运用循证医学方法，以减少患者应激反应为导向，改进治疗各个环节，严格控制医疗质量，才能实现加快患者康复的医疗目标。
作者贡献：陆瑶、刘佳宁负责搜集、整理资料和论文撰写；王冕、黄嘉杰、韩宝瑾、孙铭谣、程千吉、宁金铃负责论文修订；葛龙负责论文选题、结构设计、团队组建、质量控制及论文修订。利益冲突：所有作者均声明不存在利益冲突 -
[1] 陈耀龙, 孙雅佳, 罗旭飞, 等. 循证医学的核心方法与主要模型[J]. 协和医学杂志, 2023, 14(1): 1-8. https://www.cnki.com.cn/Article/CJFDTOTAL-XHYX202301001.htm Chen Y L, Sun Y J, Luo X F, et al. The core methods and key models in evidence-based medicine[J]. Med J PUMCH, 2023, 14(1): 1-8. https://www.cnki.com.cn/Article/CJFDTOTAL-XHYX202301001.htm
[2] Johnson C. Evidence-based practice in 5 simple steps[J]. J Manipulative Physiol Ther, 2008, 31(3): 169-170. DOI: 10.1016/j.jmpt.2008.03.013
[3] Hoffmann T C, Lewis J, Maher C G. Shared decision making should be an integral part of physiotherapy practice[J]. Physiotherapy, 2020, 107: 43-49. DOI: 10.1016/j.physio.2019.08.012
[4] 余绍福, 王云云, 邓通, 等. 医患共同决策系列之一: 医患共同决策的国内外发展现状[J]. 医学新知, 2020, 30(2): 159-167. https://www.cnki.com.cn/Article/CJFDTOTAL-YXXZ202002010.htm Yu S F, Wang Y Y, Deng T, et al. First in the series of shared decision making: development status of shared decision making at home and abroad[J]. New Med, 2020, 30(2): 159-167. https://www.cnki.com.cn/Article/CJFDTOTAL-YXXZ202002010.htm
[5] Morrison T, Foster E, Dougherty J, et al. Shared decision making in rheumatology: a scoping review[J]. Semin Arthritis Rheum, 2022, 56: 152041. DOI: 10.1016/j.semarthrit.2022.152041
[6] Stacey D, Légaré F, Lewis K, et al. Decision aids for people facing health treatment or screening decisions[J]. Cochrane Database Syst Rev, 2017, 4(4): CD001431.
[7] 余绍福, 牟玮, 靳英辉, 等. 医患共同决策系列之二: 医患共同决策研究典范——渥太华患者决策辅助工具研究小组[J]. 医学新知, 2021, 31(1): 59-67. https://www.cnki.com.cn/Article/CJFDTOTAL-YXXZ202101009.htm Yu S F, Mu W, Jin Y H, et al. Second in the series of shared decision making: a model for shared decision making research, the Ottawa Patient Decision Aids Research Group[J]. New Med, 2021, 31(1): 59-67. https://www.cnki.com.cn/Article/CJFDTOTAL-YXXZ202101009.htm
[8] Kann B H, Hosny A, Aerts H J W L. Artificial intelligence for clinical oncology[J]. Cancer Cell, 2021, 39(7): 916-927. DOI: 10.1016/j.ccell.2021.04.002
[9] 黄霖, 车圳, 李明, 等. 人工智能在骨科疾病诊治中的研究进展[J]. 山东大学学报(医学版), 2023, 61(3): 37-45. https://www.cnki.com.cn/Article/CJFDTOTAL-SDYB202303006.htm Huang L, Che Z, Li M, et al. Research advances of artificial intelligence in the diagnosis and treatment of orthopaedic diseases[J]. J Shandong Univ (Health Sci), 2023, 61(3): 37-45. https://www.cnki.com.cn/Article/CJFDTOTAL-SDYB202303006.htm
[10] 巫嘉陵, 韩建达. 医疗人工智能: 知识引导与数据挖掘联合驱动[J]. 中国现代神经疾病杂志, 2023, 23(1): 1-4. https://www.cnki.com.cn/Article/CJFDTOTAL-XDJB202301001.htm Wu J L, Han J D. Medical artificial intelligence: driven by the fusion of knowledge-guided and data-mining methodolo-gies[J]. Chin J Contemp Neurol Neurosurg, 2023, 23(1): 1-4. https://www.cnki.com.cn/Article/CJFDTOTAL-XDJB202301001.htm
[11] 任相阁, 任相颖, 李绪辉, 等. 医疗领域人工智能应用的研究进展[J]. 世界科学技术-中医药现代化, 2022, 24(2): 762-770. https://www.cnki.com.cn/Article/CJFDTOTAL-SJKX202202035.htm Ren X G, Ren X Y, Li X H, et al. Research progress of artificial intelligence application in medicine[J]. Moderniza-tion Tradit Chin Med Mater Med World Sci Technol, 2022, 24(2): 762-770. https://www.cnki.com.cn/Article/CJFDTOTAL-SJKX202202035.htm
[12] Begley K, Begley C, Smith V. Shared decision-making and maternity care in the deep learning age: Acknowledging and overcoming inherited defeaters[J]. J Eval Clin Pract, 2021, 27(3): 497-503. DOI: 10.1111/jep.13515
[13] Ji M T, Genchev G Z, Huang H Y, et al. Evaluation framework for successful artificial intelligence-enabled clinical decision support systems: mixed methods study[J]. J Med Internet Res, 2021, 23(6): e25929. DOI: 10.2196/25929
[14] Jayakumar P, Moore M G, Furlough K A, et al. Comparison of an artificial intelligence-enabled patient decision aid vs educational material on decision quality, shared decision-making, patient experience, and functional outcomes in adults with knee osteoarthritis: a randomized clinical trial[J]. JAMA Netw Open, 2021, 4(2): e2037107. DOI: 10.1001/jamanetworkopen.2020.37107
[15] Gama F, Tyskbo D, Nygren J, et al. Implementation frameworks for artificial intelligence translation into health care practice: scoping review[J]. J Med Internet Res, 2022, 24(1): e32215. DOI: 10.2196/32215
[16] Abbasgholizadeh Rahimi S, Cwintal M, Huang Y H, et al. Application of artificial intelligence in shared decision making: scoping review[J]. JMIR Med Inform, 2022, 10(8): e36199. DOI: 10.2196/36199
[17] 吕健. 医疗的确定性、不确定性与医患共同决策[J]. 医学与哲学, 2021, 42(12): 5-10. DOI: 10.12014/j.issn.1002-0772.2021.12.02 Lyu J. The certainty, uncertainty of medicine and shared decision-making[J]. Med Philos, 2021, 42(12): 5-10. DOI: 10.12014/j.issn.1002-0772.2021.12.02
[18] Peiffer-Smadja N, Rawson T M, Ahmad R, et al. Machine learning for clinical decision support in infectious diseases: a narrative review of current applications[J]. Clin Microbiol Infect, 2020, 26(5): 584-595. DOI: 10.1016/j.cmi.2019.09.009
[19] Wang L, Chen X Y, Zhang L, et al. Artificial intelligence in clinical decision support systems for oncology[J]. Int J Med Sci, 2023, 20(1): 79-86. DOI: 10.7150/ijms.77205
[20] 杨宇辉, 李素姣, 喻洪流, 等. 临床决策支持系统研究进展[J]. 生物医学工程学进展, 2021, 42(4): 203-207. DOI: 10.3969/j.issn.1674-1242.2021.04.005 Yang Y H, Li S J, Yu H L, et al. Research progress of clinical decision support system[J]. Prog Biomed Eng, 2021, 42(4): 203-207. DOI: 10.3969/j.issn.1674-1242.2021.04.005
[21] Chewning B, Bylund C L, Shah B, et al. Patient prefer-ences for shared decisions: a systematic review[J]. Patient Educ Couns, 2012, 86(1): 9-18. DOI: 10.1016/j.pec.2011.02.004
[22] Selmouni F, Guy M, Muwonge R, et al. Effectiveness of artificial intelligence-assisted decision-making to improve vulnerable women's participation in cervical cancer screening in France: protocol for a cluster randomized controlled trial (AppDate-You)[J]. JMIR Res Protoc, 2022, 11(8): e39288. DOI: 10.2196/39288
[23] Li W H, Dong B, Wang H S, et al. Artificial intelligence promotes shared decision-making through recommending tests to febrile pediatric outpatients[J]. World J Emerg Med, 2023, 14(2): 106-111. DOI: 10.5847/wjem.j.1920-8642.2023.033
[24] Kökciyan N, Chapman M, Balatsoukas P, et al. A collaborative decision support tool for managing chronic conditions[J]. Stud Health Technol Inform, 2019, 264: 644-648.
[25] Kökciyan N, Sassoon I, Sklar E, et al. Applying metalevel argumentation frameworks to support medical decision making[J]. IEEE Intell Syst, 2021, 36(2): 64-71. DOI: 10.1109/MIS.2021.3051420
[26] Frize M, Yang L, Walker R C, et al. Conceptual framework of knowledge management for ethical decision-making support in neonatal intensive care[J]. IEEE Trans Inf Technol Biomed, 2005, 9(2): 205-215. DOI: 10.1109/TITB.2005.847187
[27] Wang Y, Li P F, Tian Y, et al. A shared decision-making system for diabetes medication choice utilizing electronic health record data[J]. IEEE J Biomed Health Inform, 2017, 21(5): 1280-1287. DOI: 10.1109/JBHI.2016.2614991
[28] Twiggs J G, Wakelin E A, Fritsch B A, et al. Clinical and statistical validation of a probabilistic prediction tool of total knee arthroplasty outcome[J]. J Arthroplasty, 2019, 34(11): 2624-2631. DOI: 10.1016/j.arth.2019.06.007
[29] Bertsimas D, Dunn J, Pawlowski C, et al. Applied informatics decision support tool for mortality predictions in patients with cancer[J]. JCO Clin Cancer Inform, 2018, 2: 1-11.
[30] 刘伶俐, 王端, 王力钢. 医疗人工智能应用中的伦理问题及应对[J]. 医学与哲学, 2020, 41(14): 28-32. DOI: 10.12014/j.issn.1002-0772.2020.14.06 Liu L L, Wang D, Wang L G. Ethical issues and countermeasures in the application of medical artificial intelligence[J]. Med Philos, 2020, 41(14): 28-32. DOI: 10.12014/j.issn.1002-0772.2020.14.06
[31] 林伟. 人工智能数据安全风险及应对[J]. 情报杂志, 2022, 41(10): 105-111. DOI: 10.3969/j.issn.1002-1965.2022.10.016 Lin W. Artificial intelligence data security risks and countermeasures[J]. J Intell, 2022, 41(10): 105-111. DOI: 10.3969/j.issn.1002-1965.2022.10.016
[32] 刘轩, 陈海彬. 人工智能监管: 理论、模式与趋势[J]. 情报理论与实践, 2023, 46(6): 17-23. https://www.cnki.com.cn/Article/CJFDTOTAL-QBLL202306003.htm Liu X, Chen H B. Artificial intelligence regulation: theory, model and trend[J]. Inf Stud Theory Appl, 2023, 46(6): 17-23. https://www.cnki.com.cn/Article/CJFDTOTAL-QBLL202306003.htm
[33] 国家新一代人工智能治理专业委员会. 《新一代人工智能伦理规范》发布[EB/OL]. (2021-09-26)[2023-04-23]. https://www.most.gov.cn/kjbgz/202109/t20210926_177063.html. National New Generation Artificial Intelligence Governance Professional Committee. The release of the new generation of ethical standards for artificial intelligence[EB/OL]. (2021-09-26)[2023-04-23]. https://www.most.gov.cn/kjbgz/202109/t20210926_177063.html.
[34] 中国共产党中央委员会办公厅, 中华人民共和国国务院办公厅. 中共中央办公厅国务院办公厅印发《关于加强科技伦理治理的意见》[EB/OL]. (2022-03-20)[2023-04-23]. https://www.gov.cn/zhengce/2022-03/20/content_5680105.htm. General Office of the Central Committee of the CPC, General Office of the State Council of the People's Republic of China. The General Office of the Central Committee of the Communist Party of China and the General Office of the State Council have issued the "Opinions on Strengthening the Governance of Science and Technology Ethics"[EB/OL]. (2022-03-20)[2023-04-23]. https://www.gov.cn/zhengce/2022-03/20/content_5680105.htm.
[35] 徐云山, 贺丹, 严贞龙, 等. 面向医疗数据的隐私保护方法研究[J]. 电脑知识与技术, 2023, 19(4): 116-118. https://www.cnki.com.cn/Article/CJFDTOTAL-DNZS202304036.htm Xu Y S, He D, Yan Z L, et al. Research on privacy protection methods for medical data[J]. Comput Knowl Technol, 2023, 19(4): 116-118. https://www.cnki.com.cn/Article/CJFDTOTAL-DNZS202304036.htm
[36] 陈龙, 曾凯, 李莎, 等. 人工智能算法偏见与健康不公平的成因与对策分析[J]. 中国全科医学, 2023, 26(19): 2423-2427. DOI: 10.12114/j.issn.1007-9572.2023.0007 Chen L, Zeng K, Li S, et al. Causes and countermeasures of algorithmic bias and health inequity[J]. Chin Gen Pract, 2023, 26(19): 2423-2427. DOI: 10.12114/j.issn.1007-9572.2023.0007
[37] 赵延玉, 赵晓永, 王磊, 等. 可解释人工智能研究综述[J]. 计算机工程与应用, 2023, 59(14): 1-14. DOI: 10.3778/j.issn.1002-8331.2208-0322 Zhao Y Y, Zhao X Y, Wang L, et al. Review of explainable artificial intelligence[J]. Comput Eng Appl, 2023, 59(14): 1-14. DOI: 10.3778/j.issn.1002-8331.2208-0322
[38] 王冬丽, 杨珊, 欧阳万里, 等. 人工智能可解释性: 发展与应用[J]. 计算机科学, 2023, 50(增1): 9-15. https://www.cnki.com.cn/Article/CJFDTOTAL-JSJA2023S1134.htm Wang D L, Yang S, Ouyang W L, et al. Explainability of artificial intelligence: development and application[J]. Comput Sci, 2023, 50(S1): 9-15. https://www.cnki.com.cn/Article/CJFDTOTAL-JSJA2023S1134.htm
[39] Kostick-Quenet K M, Cohen I G, Gerke S, et al. Mitigating racial bias in machine learning[J]. J Law Med Ethics, 2022, 50(1): 92-100. DOI: 10.1017/jme.2022.13
[40] Zhang J, Zhang Z M. Ethics and governance of trustworthy medical artificial intelligence[J]. BMC Med Inform Decis Mak, 2023, 23(1): 7. DOI: 10.1186/s12911-023-02103-9
[41] Elwyn G. Shared decision making: What is the work?[J]. Patient Educ Couns, 2021, 104(7): 1591-1595. DOI: 10.1016/j.pec.2020.11.032
[42] Elwyn G, Frosch D L, Kobrin S. Implementing shared decision-making: consider all the consequences[J]. Implement Sci, 2016, 11: 114.
[43] McDougall R J. Computer knows best? The need for value-flexibility in medical AI[J]. J Med Ethics, 2019, 45(3): 156-160. DOI: 10.1136/medethics-2018-105118
[44] Doorn N, Schuurbiers D, Van De Poel I, et al. Early engagement and new technologies: opening up the laboratory[M]. Dordrecht: Springer, 2013.
[45] Dullabh P, Sandberg S F, Heaney-Huls K, et al. Challenges and opportunities for advancing patient-centered clinical decision support: findings from a horizon scan[J]. J Am Med Inform Assoc, 2022, 29(7): 1233-1243. DOI: 10.1093/jamia/ocac059
[46] 白宇, 陈理, 易岚, 等. 中医临床决策支持系统研发的现状与思考[J]. 江苏中医药, 2022, 54(12): 66-69. https://www.cnki.com.cn/Article/CJFDTOTAL-JSZY202212022.htm Bai Y, Chen L, Yi L, et al. Consideration on research and development of Chinese medicine clinical decision support system[J]. Jiangsu J Tradit Chin Med, 2022, 54(12): 66-69. https://www.cnki.com.cn/Article/CJFDTOTAL-JSZY202212022.htm
[47] 赵国桢, 郭诗琪, 庞华鑫, 等. 人工智能技术在辅助中医诊疗及诊疗标准化中的应用[J]. 中医杂志, 2022, 63(24): 2306-2310. https://www.cnki.com.cn/Article/CJFDTOTAL-ZZYZ202224002.htm Zhao G Z, Guo S Q, Pang H X, et al. Application of artificial intelligence in assisting diagnosis and treatment in traditional Chinese medicine and its standardization[J]. J Tradit Chin Med, 2022, 63(24): 2306-2310. https://www.cnki.com.cn/Article/CJFDTOTAL-ZZYZ202224002.htm
[48] Waddell A, Lennox A, Spassova G, et al. Barriers and facilitators to shared decision-making in hospitals from policy to practice: a systematic review[J]. Implement Sci, 2021, 16(1): 74. DOI: 10.1186/s13012-021-01142-y
[49] Légaré F, Ratté S, Gravel K, et al. Barriers and facilitators to implementing shared decision-making in clinical practice: update of a systematic review of health professionals' perceptions[J]. Patient Educ Couns, 2008, 73(3): 526-535. DOI: 10.1016/j.pec.2008.07.018
[50] Printz C. Artificial intelligence platform for oncology could assist in treatment decisions[J]. Cancer, 2017, 123(6): 905. DOI: 10.1002/cncr.30655
[51] Chandra S, Mohammadnezhad M, Ward P. Trust and communication in a doctor-patient relationship: a literature review[J]. J Healthc Commun, 2018, 3(3): 36.
[52] Kerasidou A. Artificial intelligence and the ongoing need for empathy, compassion and trust in healthcare[J]. Bull World Health Organ, 2020, 98(4): 245-250. DOI: 10.2471/BLT.19.237198
[53] Sauerbrei A, Kerasidou A, Lucivero F, et al. The impact of artificial intelligence on the person-centred, doctor-patient relationship: some problems and solutions[J]. BMC Med Inform Decis Mak, 2023, 23(1): 73. DOI: 10.1186/s12911-023-02162-y
[54] Sepucha K R, Borkhoff C M, Lally J, et al. Establishing the effectiveness of patient decision aids: key constructs and measurement instruments[J]. BMC Med Inform Decis Mak, 2013, 13(S2): S12. DOI: 10.1186/1472-6947-13-S2-S12
[55] Gundersen T, Bærøe K. The future ethics of artificial intelligence in medicine: making sense of collaborative models[J]. Sci Eng Ethics, 2022, 28(2): 17. DOI: 10.1007/s11948-022-00369-2
[56] Stacey D, Ludwig C, Archambault P, et al. Feasibility of rapidly developing and widely disseminating patient decision aids to respond to urgent decisional needs due to the COVID-19 pandemic[J]. Med Decis Making, 2021, 41(2): 233-239. DOI: 10.1177/0272989X20979693
[57] Chen Y, Clayton E W, Novak L L, et al. Human-centered design to address biases in artificial intelligence[J]. J Med Internet Res, 2023, 25: e43251. DOI: 10.2196/43251
[58] Stacey D, Volk R J. The international patient decision aid standards (IPDAS) collaboration: evidence update 2.0[J]. Med Decis Making, 2021, 41(7): 729-733. DOI: 10.1177/0272989X211035681
[59] 杨垠红. 欧盟《数据法案》规范使用者权利和义务[N]. 中国社会科学报, 2022-04-11(07). Yang Y H. The EU Data Act regulates user rights and obligations[N]. Chinese Social Sciences Today, 2022-04-11(07).
[60] 周杰, 宋扬. 临床决策支持系统应用中的伦理思考[J]. 医学与哲学, 2022, 43(8): 16-19. https://www.cnki.com.cn/Article/CJFDTOTAL-YXZX202208005.htm Zhou J, Song Y. Ethical thinking in clinical application of clinical decision support system[J]. Med Philos, 2022, 43(8): 16-19. https://www.cnki.com.cn/Article/CJFDTOTAL-YXZX202208005.htm
[61] 谢新水. 人工智能内容生产: 功能张力、发展趋势及监管策略: 以ChatGPT为分析起点[J]. 电子政务, 2023(4): 25-35. https://www.cnki.com.cn/Article/CJFDTOTAL-DZZW202304002.htm Xie X S. Artificial intelligence content production: functional tension, development trends, and regulatory strategies-starting from ChatGPT analysis[J]. E-Gov, 2023(4): 25-35. https://www.cnki.com.cn/Article/CJFDTOTAL-DZZW202304002.htm
[62] Lee P, Bubeck S, Petro J. Benefits, limits, and risks of GPT-4 as an AI chatbot for medicine[J]. N Engl J Med, 2023, 388(13): 1233-1239. DOI: 10.1056/NEJMsr2214184
[63] Dullabh P, Heaney-Huls K, Lobach D F, et al. The technical landscape for patient-centered CDS: progress, gaps, and challenges[J]. J Am Med Inform Assoc, 2022, 29(6): 1101-1105. DOI: 10.1093/jamia/ocac029
[64] Haug C J, Drazen J M. Artificial intelligence and machine learning in clinical medicine, 2023[J]. N Engl J Med, 2023, 388(13): 1201-1208. DOI: 10.1056/NEJMra2302038
-
期刊类型引用(9)
1. 郭晓睿，李蕾，张蓉，郭丹，谢彧之，付强，周寒梅. 青少年特发性脊柱侧凸病人围术期麻醉管理的最佳证据总结. 循证护理. 2024(02): 210-217 . 
百度学术
2. 陶尊晓，朱春爽，尹翠翠，范燕燕. 青少年特发性脊柱侧凸患者围手术期加速康复管理的最佳证据总结. 中华现代护理杂志. 2024(02): 183-190 . 百度学术
3. 李方方，宋葆云，苏豫囡. ERAS理念的围术期护理在脊柱畸形矫形术患者中的应用. 齐鲁护理杂志. 2024(10): 120-123 . 百度学术
4. 李柯蓉，孟繁媛，赵智，陈茉弦，敖丽娟. 特发性脊柱侧凸手术患者功能障碍及康复治疗研究进展. 四川医学. 2024(09): 1027-1032 . 百度学术
5. 杨莹，田雪，陈亚萍，赵钇伟，李子全. Ⅰ型神经纤维瘤病性胸腰椎脊柱侧后凸的围术期临床疗效及护理研究. 罕见病研究. 2023(04): 539-546 . 百度学术
6. 王向阳，刘永辉，石洋，崔宏勋. 加速康复外科理念在脊柱手术围手术期应用进展. 中国疗养医学. 2022(01): 51-53 . 百度学术
7. 佟冰渡，李高洋，田雪，李杨，徐涛，陈亚萍. 青少年特发性脊柱侧凸患者术后首次离床活动直立不耐受的现状及影响因素分析. 中国护理管理. 2022(01): 17-21 . 百度学术
8. 佟冰渡，苏晓静，陈佳丽，黄洁，郑金凤，朱婷，宁宁，鲁雪梅，高远，郭娜，陈亚萍. 青少年特发性脊柱侧凸患者围手术期护理专家共识. 中华骨与关节外科杂志. 2022(11): 822-830 . 百度学术
9. 王薇，李颂，赵慧，王琪. 加速康复外科理念在青少年特发性脊柱侧凸围术期的应用. 骨科. 2021(05): 462-466 . 百度学术
其他类型引用(1)
下载:
计量
- 文章访问数: 682
- HTML全文浏览量: 160
- PDF下载量: 133
- 被引次数: 10
