沈 明，徐佳慧，錢志剛

(蚌埠醫(yī)學(xué)院研究生院，安徽 蚌埠 233030)

人工智能(artificial intelligence，AI)于1956年由McCarthy[1]首次提出，是通過模擬人類，創(chuàng)造出具有智能的應(yīng)用系統(tǒng)和機(jī)器，或?qū)χ悄鼙旧磉M(jìn)行研究、記錄、再現(xiàn)的一門新興技術(shù)學(xué)科[2]。AI深入各行各業(yè)，發(fā)展日新月異，中、美、日等國(guó)已出臺(tái)相關(guān)政策將人工智能擢升到國(guó)家高度[3]。2017年3月，中國(guó)政府首次將人工智能寫入報(bào)告[4]；《國(guó)務(wù)院辦公廳關(guān)于促進(jìn)“互聯(lián)網(wǎng)+醫(yī)療健康”發(fā)展的意見》[5]中指出，要不斷探索和建設(shè)以人工智能技術(shù)為基礎(chǔ)的新護(hù)理治療模式。隨著社會(huì)人口不斷增長(zhǎng)，就醫(yī)群體逐漸擴(kuò)大，致使護(hù)理人力資源緊缺，對(duì)智能護(hù)理技術(shù)呼聲日益增高，AI技術(shù)可滿足大眾對(duì)護(hù)理服務(wù)的需求，減輕護(hù)理人員勞動(dòng)強(qiáng)度，提升護(hù)理服務(wù)水平，AI的快速發(fā)展將對(duì)護(hù)理模式的改變產(chǎn)生重大而深遠(yuǎn)的影響[6]。本文通過CSCD對(duì)國(guó)內(nèi)人工智能在護(hù)理領(lǐng)域有關(guān)文章進(jìn)行文獻(xiàn)計(jì)量和共詞分析，旨在剖析當(dāng)前國(guó)內(nèi)人工智能在護(hù)理領(lǐng)域已有的研究成果和熱點(diǎn)。

1 資料與方法

1.1 文獻(xiàn)來源和檢索方法以CNKI作為國(guó)內(nèi)文獻(xiàn)檢索數(shù)據(jù)庫(kù)，以“期刊數(shù)據(jù)庫(kù)”為檢索平臺(tái)，在高級(jí)檢索中檢索：主題=“護(hù)理”或者“護(hù)士”并且主題=“人工智能”或者主題=“機(jī)器人”；主題=“智能護(hù)理”。為提高納入文獻(xiàn)質(zhì)量，將來源類別設(shè)置為“CSCD”，限定條件中文，檢索時(shí)限為2010年1月至2019年10月，檢索時(shí)間為2019年10月15日。共檢索出相關(guān)文獻(xiàn)399篇。其中2019年文獻(xiàn)檢出量小于實(shí)際年刊出總量。

1.2 文獻(xiàn)納入和排除標(biāo)準(zhǔn)納入標(biāo)準(zhǔn)：文獻(xiàn)內(nèi)容關(guān)于人工智能在國(guó)內(nèi)護(hù)理領(lǐng)域的研究。排除標(biāo)準(zhǔn)：(1)重復(fù)刊載的文獻(xiàn)；(2)人工智能在護(hù)理領(lǐng)域弱相關(guān)的文獻(xiàn)；(3)會(huì)議綜述、新聞報(bào)道、論壇、報(bào)紙?jiān)u論、廣告等非研究性文獻(xiàn)。

1.3 研究工具和研究方法Bicomb 2.0[7]可以將文獻(xiàn)年份、作者、期刊、關(guān)鍵詞等重要信息進(jìn)行提取、統(tǒng)計(jì)、創(chuàng)建詞篇矩陣；SPSS 25.0統(tǒng)計(jì)軟件可以將詞篇矩陣轉(zhuǎn)換成相關(guān)矩陣，進(jìn)行聚類分析。文獻(xiàn)計(jì)量是一種定量分析方法，以文獻(xiàn)的外在特質(zhì)如年份、作者、關(guān)鍵詞、基金、期刊等作為研究對(duì)象，采用統(tǒng)計(jì)學(xué)來描述研究文獻(xiàn)的整體波動(dòng)趨勢(shì)和相互因果關(guān)系[8]。共詞分析法[9]是主要通過定位不同文獻(xiàn)中的相同關(guān)鍵詞，判別這一領(lǐng)域中不同核心的聯(lián)系，因而構(gòu)建出該領(lǐng)域的邏輯框架。

1.4 提取資料及統(tǒng)計(jì)學(xué)分析瀏覽標(biāo)題和摘要部分，由2名評(píng)價(jià)員單獨(dú)按照排除標(biāo)準(zhǔn)進(jìn)行判斷，意見不一致時(shí)，由第三人仲裁，最終得到樣本文獻(xiàn)134篇。主要提取步驟：(1)利用CNKI導(dǎo)出功能，以NoteFirst格式導(dǎo)出134篇有效文獻(xiàn)的文本信息；(2)導(dǎo)入Bicomb 2.0，提取題名、作者、刊出年份、期刊來源和關(guān)鍵詞信息進(jìn)行文獻(xiàn)計(jì)量；(3)在Bicomb 2.0中分析刪除部分無意義關(guān)鍵詞以及合并部分相似關(guān)鍵詞，構(gòu)建高頻詞詞篇矩陣；(4)將詞篇矩陣導(dǎo)入SPSS 25.0轉(zhuǎn)換成相關(guān)矩陣，進(jìn)行聚類分析。

2 結(jié)果

2.1 文獻(xiàn)計(jì)量

2.1.1 年代分布 2010年至2019年CSCD數(shù)據(jù)庫(kù)共收錄人工智能在護(hù)理領(lǐng)域相關(guān)文獻(xiàn)134篇，由圖1可見，2010年至2019年國(guó)內(nèi)人工智能在護(hù)理領(lǐng)域有關(guān)文章刊載量總體趨向上升。2010年至2012年處于低產(chǎn)期，共刊發(fā)18篇，占總篇數(shù)比例13.43%；2013年至2017年處于平穩(wěn)增長(zhǎng)期，共刊發(fā)74篇，占總篇數(shù)比例54.01%；2018年達(dá)到高峰，全年刊發(fā)文獻(xiàn)26篇，約占總篇數(shù)的19.40%。因統(tǒng)計(jì)時(shí)間為2019年10月，所以2019年論文數(shù)量統(tǒng)計(jì)不完全，暫不納入分析。

圖1 2010年至2019年有關(guān)“人工智能在護(hù)理領(lǐng)域研究”的論文量隨時(shí)間的變化

2.1.2 作者分布 發(fā)表人工智能在護(hù)理領(lǐng)域相關(guān)文獻(xiàn)的作者共計(jì)494名，經(jīng)統(tǒng)計(jì)發(fā)文量為1篇的著者共有471名，累計(jì)發(fā)文量占83.57%。現(xiàn)將我國(guó)人工智能護(hù)理領(lǐng)域研究發(fā)文前6位作者列于表1。由表1可見，發(fā)文量三篇以上的作者為胡志剛等6位作者，累計(jì)發(fā)文量占16.43%。

表1 發(fā)表有關(guān)“人工智能在護(hù)理領(lǐng)域研究”論文的高產(chǎn)作者

2.1.3 期刊分布 通過對(duì)人工智能護(hù)理領(lǐng)域相關(guān)文獻(xiàn)期刊來源的統(tǒng)計(jì)，發(fā)現(xiàn)期刊分布范圍較廣，134篇人工智能護(hù)理領(lǐng)域文獻(xiàn)分布在44種期刊中，表2顯示4本刊載人工智能在護(hù)理領(lǐng)域相關(guān)論文13篇以上期刊的分布情況，總文獻(xiàn)量69篇，累計(jì)刊載量占51.49%，《護(hù)理學(xué)雜志》刊發(fā)量24篇，位列第1。

表2 發(fā)表有關(guān)“人工智能在護(hù)理領(lǐng)域研究”論文的期刊分布情況

2.2 共詞分析

2.2.1 提取高頻關(guān)鍵詞 利用Bicomb 2.0共提取關(guān)鍵詞522個(gè)。為防止詞頻統(tǒng)計(jì)中關(guān)鍵詞因表達(dá)不規(guī)范或涵義廣泛影響最終結(jié)果，將詞義相同或相近的關(guān)鍵詞進(jìn)行合并和剔除定義過于寬泛的關(guān)鍵詞。如將“達(dá)芬奇機(jī)器人手術(shù)系統(tǒng)”、“達(dá)芬奇機(jī)器人”、“機(jī)器人手術(shù)”等統(tǒng)一命名為“手術(shù)機(jī)器人”；將“應(yīng)用現(xiàn)狀”、“效果”、“綜述”等涵義過于寬泛的關(guān)鍵詞剔除；由于在采用的主題詞為“護(hù)理”、“護(hù)士”、“人工智能”和“機(jī)器人”，出現(xiàn)的頻次為49詞，線條過粗，并且沒有過多的意義，因此將其在關(guān)鍵詞列表中去除。通過雙人反復(fù)校對(duì)和修訂，最終得到有效關(guān)鍵詞463個(gè)。根據(jù)孫清蘭教授的詞頻估計(jì)法[10]，最終確定30個(gè)詞頻≥2的高頻關(guān)鍵詞(見表3)，占有效關(guān)鍵詞的33.05%。這30個(gè)高頻關(guān)鍵詞在較大程度上反映近十年我國(guó)AI在護(hù)理領(lǐng)域的熱點(diǎn)。

表3 有關(guān)“人工智能在護(hù)理領(lǐng)域研究”論文高頻關(guān)鍵詞

2.2.2 構(gòu)建詞篇矩陣 在Bicomb 2.0中將高頻關(guān)鍵詞創(chuàng)建出30×30的詞篇矩陣。表4為部分詞篇矩陣，第一行為文章相應(yīng)序號(hào)，第一列是高頻關(guān)鍵詞，數(shù)值“1”表示在相應(yīng)序號(hào)的文獻(xiàn)中有關(guān)鍵詞；數(shù)值“0”則表示沒有[11]。例如手術(shù)機(jī)器人在編號(hào)01和05下為1，則表明其作為關(guān)鍵詞在編號(hào)01和05相對(duì)應(yīng)的文章中出現(xiàn)過。這種0和1的簡(jiǎn)單數(shù)字有利于后期校正和數(shù)據(jù)分析。

表4 高頻詞詞篇矩陣(部分)

2.2.3 轉(zhuǎn)換相關(guān)矩陣 將詞篇矩陣導(dǎo)入SPSS 25.0轉(zhuǎn)換成相關(guān)矩陣。Ochiai相關(guān)系數(shù)的值在0-1之間，表示關(guān)鍵詞x和y共同出現(xiàn)的概率，數(shù)值的大小代表了兩個(gè)關(guān)鍵詞之間的相似度，數(shù)值越接近于1，表明兩個(gè)關(guān)鍵詞越相似[12]。如表5所示，手術(shù)機(jī)器人與老年人、手術(shù)機(jī)器人與護(hù)理配合的Ochiai系數(shù)分別為0、0.373，這表明研究樣本中“老年人”“護(hù)理配合”與“手術(shù)機(jī)器人”所表示的相異度較大。此外，老年人與護(hù)理機(jī)器人的Ochiai系數(shù)0.222大于老年人與智能監(jiān)護(hù)的Ochiai系數(shù)0.111，這在一定程度上表明老年人與護(hù)理機(jī)器人的相似程度大于智能監(jiān)護(hù)的相似度，也就是說護(hù)理機(jī)器人在老年人護(hù)理領(lǐng)域更受研究者關(guān)注。

表5 高頻詞相關(guān)矩陣(部分)

2.3 聚類分析在SPSS 25.0軟件中，將相關(guān)矩陣選擇聚類得到高頻詞聚類樹狀圖(圖2)[13]。根據(jù)組間聯(lián)接標(biāo)度距離將圖2進(jìn)行劃線區(qū)分為6類：第一類，教學(xué)機(jī)器人、教學(xué)實(shí)訓(xùn)、實(shí)習(xí)護(hù)生、護(hù)理教育、移動(dòng)學(xué)習(xí)；第二類，臨床護(hù)理、智能輸液系統(tǒng)、靜脈藥物配置機(jī)器人；第三類，信息系統(tǒng)、臨床決策支持系統(tǒng)、護(hù)理信息化、大數(shù)據(jù)、護(hù)理管理、移動(dòng)護(hù)理、智能手機(jī)、延續(xù)護(hù)理、患者；第四類，手術(shù)機(jī)器人、護(hù)理配合、手術(shù)護(hù)理；第五類，老年人、服務(wù)機(jī)器人、護(hù)理機(jī)器人、衛(wèi)生護(hù)理機(jī)器人；第六類，智能監(jiān)護(hù)、康復(fù)機(jī)器人、輔助機(jī)器人、可穿戴設(shè)備、智能護(hù)理床、老年護(hù)理。從整體上將國(guó)內(nèi)人工智能在護(hù)理領(lǐng)域的熱點(diǎn)依次歸納為護(hù)理教育、臨床護(hù)理、護(hù)理管理、手術(shù)護(hù)理，其中第五類和第六類為老年護(hù)理，占比最多。

圖2 高頻詞聚類樹狀圖

3 討論

3.1 人工智能應(yīng)用整體呈上升趨勢(shì)我國(guó)人工智能在護(hù)理領(lǐng)域起步較晚，1987年[14]一篇介紹國(guó)外人工智能研究新進(jìn)展的文章刊登，開啟了我國(guó)對(duì)AI護(hù)理的認(rèn)知先河。此后整體呈現(xiàn)出緩慢上升趨勢(shì)，2017年稍有回落，在經(jīng)過短暫調(diào)整后，2018年AI在護(hù)理領(lǐng)域研究又得到廣泛關(guān)注，到達(dá)新高度，成為熱點(diǎn)，可能與國(guó)務(wù)院于2017年圍繞人工智能在醫(yī)療健康領(lǐng)域的應(yīng)用頒布《國(guó)務(wù)院關(guān)于印發(fā)新一代人工智能發(fā)展規(guī)劃的通知》[15]等文件有關(guān)。

3.2 人工智能應(yīng)用研究深度尚待加強(qiáng)在我國(guó)，目前大部分研究學(xué)者的發(fā)文量為1篇，大多數(shù)作者對(duì)人工智能應(yīng)用方面沒有專項(xiàng)研究，重在描述已有成果，且學(xué)者群體較為分散。究其原因可能與我國(guó)AI應(yīng)用研究時(shí)間較短，深度不夠，與國(guó)外相比，尚存在較大進(jìn)步空間。并且刊載相關(guān)文章的核心雜志較為局限，也側(cè)面反映出現(xiàn)階段AI技術(shù)對(duì)社會(huì)的深遠(yuǎn)影響未能有效呈現(xiàn)，公眾認(rèn)知度還不夠高。主要分布在《護(hù)理學(xué)雜志》《中國(guó)護(hù)理管理》《中華護(hù)理雜志》和《解放軍護(hù)理雜志》，組成了人工智能護(hù)理領(lǐng)域研究的熱門期刊。

3.3 人工智能應(yīng)用廣度呈多元化

3.3.1 在護(hù)理教育中的應(yīng)用 越來越多的人工智能教育輔助工具被應(yīng)用于教育領(lǐng)域，成為教師教學(xué)和學(xué)生學(xué)習(xí)的得力助手，包括智能助理、教育機(jī)器人和智能導(dǎo)師系統(tǒng)等等[16]。智能助理可以幫助教師完成課堂輔助性或重復(fù)性的工作，如點(diǎn)名、監(jiān)考、收發(fā)試卷和整理資料等，可減輕教師負(fù)擔(dān)，提高工作效率[17]。教育機(jī)器人既可以吸引學(xué)生的注意力，又可以在實(shí)訓(xùn)教學(xué)中高度仿真，將抽象概念具象化，有利于護(hù)生熟悉操作[18]。護(hù)理教師還可以通過智能導(dǎo)師系統(tǒng)實(shí)時(shí)追蹤護(hù)生的學(xué)習(xí)狀態(tài)，對(duì)每個(gè)階段的表現(xiàn)進(jìn)行統(tǒng)計(jì)和分析，從而制定個(gè)性化教程，以提升護(hù)理教育的質(zhì)量；護(hù)生則可實(shí)現(xiàn)移動(dòng)學(xué)習(xí)，實(shí)時(shí)互動(dòng)交流，及時(shí)答疑解惑[19]。

3.3.2 在臨床護(hù)理中的應(yīng)用 AI在臨床護(hù)理中的應(yīng)用從輔助護(hù)士工作和幫助患者康復(fù)出發(fā)，優(yōu)化護(hù)理流程。智能輸液系統(tǒng)通過監(jiān)控輸液設(shè)備，實(shí)現(xiàn)控制輸液滴速、加溫藥液、應(yīng)急報(bào)警等功能，融入信息管理系統(tǒng)，能對(duì)患者檔案和藥物信息記錄管理，減少護(hù)理人員工作量[20]。智能靜脈藥物配置機(jī)器人通過保持潔凈環(huán)境、精準(zhǔn)配置藥物、記錄藥物信息和處理廢棄藥液一系列流程，大大減輕靜脈藥物配置中心和腫瘤病房護(hù)士的工作強(qiáng)度，杜絕職業(yè)暴露帶來的危險(xiǎn)[21]，使護(hù)士有更多的時(shí)間和精力投入病人的疾病治療管理中。

3.3.3 在護(hù)理管理中的應(yīng)用 智能化的工作方式相比于傳統(tǒng)工作方式，具有提高護(hù)理管理水平和減少護(hù)理差錯(cuò)事故等優(yōu)點(diǎn)。護(hù)理決策支持系統(tǒng)能夠協(xié)助護(hù)士制定護(hù)理計(jì)劃，快速判斷臨床險(xiǎn)況[22]。還可以與結(jié)構(gòu)化護(hù)理電子病歷系統(tǒng)相結(jié)合，在以往病歷基礎(chǔ)上植入評(píng)估高危因素、制定護(hù)理計(jì)劃、健康宣教和智能警報(bào)功能[23]。移動(dòng)護(hù)理信息系統(tǒng)通過移動(dòng)護(hù)士工作站實(shí)現(xiàn)住院患者評(píng)估信息錄入查詢、全稱跟蹤醫(yī)囑執(zhí)行情況、統(tǒng)計(jì)護(hù)士工作量等功能，可以識(shí)別病人信息、減少醫(yī)療差錯(cuò)、考核護(hù)理工作，為護(hù)理績(jī)效管理和人力資源合理分配提供依據(jù)[24]。

3.3.4 在手術(shù)護(hù)理中的應(yīng)用 除達(dá)芬奇手術(shù)機(jī)器人系統(tǒng)下所進(jìn)行的圍手術(shù)期護(hù)理配合外，手術(shù)室物流機(jī)器人系統(tǒng)和護(hù)理信息管理系統(tǒng)等形式為智能化手術(shù)室的構(gòu)建提供了有利條件。在物聯(lián)網(wǎng)技術(shù)下應(yīng)用手術(shù)室智能物流機(jī)器人系統(tǒng)，自動(dòng)完成手術(shù)室耗材采購(gòu)、入庫(kù)、領(lǐng)取、配送、盤貨，既可以減輕護(hù)士的工作量，又可實(shí)現(xiàn)智慧物流和精細(xì)化管理[25]。手術(shù)室護(hù)理管理信息系統(tǒng)為提高患者轉(zhuǎn)接率、壓瘡風(fēng)險(xiǎn)評(píng)估準(zhǔn)確性和活檢標(biāo)本管理等環(huán)節(jié)提供平臺(tái)，提高了手術(shù)室效率[26]。

3.3.5 在老年護(hù)理中的應(yīng)用 在實(shí)際情況中，“養(yǎng)老”作為一種必然趨勢(shì)，是到目前為止基于AI在護(hù)理領(lǐng)域探索最多的絕對(duì)熱點(diǎn)，主要涵蓋醫(yī)院、家庭和養(yǎng)老機(jī)構(gòu)三個(gè)地點(diǎn)，涉及人員護(hù)士，家庭成員和養(yǎng)老機(jī)構(gòu)職工[27]。AI技術(shù)主要用于對(duì)失能老年人的康復(fù)與輔助功能，例如爬樓梯。不同類型的智能護(hù)理機(jī)器人，如慢性病管理機(jī)器人、陪伴機(jī)器人、康復(fù)機(jī)器人、輔助移動(dòng)機(jī)器人以及遠(yuǎn)程監(jiān)測(cè)機(jī)器人等，被相應(yīng)運(yùn)用到糖尿病等慢性疾病管理、孤寡老人日常生活陪伴與娛樂、骨折配合理療康復(fù)、失能殘障老人輔助行走和醫(yī)護(hù)人員遠(yuǎn)程監(jiān)控家庭療養(yǎng)老人，能有效消除老年人孤獨(dú)情緒和維護(hù)身體健康等，提高晚年生命質(zhì)量[28]。

4 結(jié)語

本文以國(guó)內(nèi)人工智能在護(hù)理領(lǐng)域的相關(guān)文獻(xiàn)為基礎(chǔ)，進(jìn)行文獻(xiàn)計(jì)量和共詞分析。在文獻(xiàn)計(jì)量過程中發(fā)現(xiàn)，我國(guó)人工智能的應(yīng)用整體呈上升趨勢(shì)，且輻射范圍逐漸擴(kuò)大，體現(xiàn)我國(guó)醫(yī)療行業(yè)對(duì)AI的高度認(rèn)可，但存在應(yīng)用時(shí)間較短、研究深度不足、期刊種類較為局限等缺點(diǎn)。于共詞分析過程中表明，AI劃分為教育、臨床、管理、護(hù)理和老年五大護(hù)理領(lǐng)域，涉及教學(xué)、診斷、治療、監(jiān)測(cè)、康復(fù)、預(yù)測(cè)多個(gè)功能，提供了高質(zhì)量護(hù)理服務(wù)。本文的研究存在一定的局限性。首先，檢索詞是按照主觀理解選擇的，雖然某些程度上能保證文獻(xiàn)的檢準(zhǔn)率，但是不能保證文獻(xiàn)的檢全率。其次，由于文獻(xiàn)的發(fā)表具有滯后性，一些現(xiàn)有的低頻關(guān)鍵詞也有可能是后期的研究重點(diǎn)，本研究的數(shù)據(jù)只選取了CSCD數(shù)據(jù)庫(kù)，并不能完全代表國(guó)內(nèi)相關(guān)的研究成果。現(xiàn)有文獻(xiàn)大多著重描述已有AI應(yīng)用成果，針對(duì)具體技術(shù)研究較少，此外，目前國(guó)內(nèi)缺乏相關(guān)法律法規(guī)、存在諸多倫理問題、潛在安全風(fēng)險(xiǎn)等不足，應(yīng)鼓勵(lì)護(hù)理人員主動(dòng)學(xué)習(xí)與參與AI應(yīng)用，有關(guān)部門制定相應(yīng)法律法規(guī)，實(shí)現(xiàn)智能護(hù)理，最終促進(jìn)護(hù)理學(xué)科發(fā)展。