收益：
- 根据风险级别，能够区分人工智能在护理工作流程中哪些地方可以实时节省时间，哪些地方应由有能力的医生和护士承担诊断和安全关键责任。
- 能够实施多层验证规则，根据患者安全、机构协议和临床评估测试每个人工智能输出
- 能够养成去识别上下文的习惯，并选择安全的隐私和保密工具来保护患者数据。
护理是一个在人最脆弱的时刻站在他们身边、观察、提供护理并执行一系列挽救生命的决定的职业。这个链条中的一些环节——撰写备忘录、准备移交报告、准备患者手册——可以很快得到缓解。它的某些元素永远无法转移到软件中，因为它们直接影响一个人的生活。人工智能（简称 AI；从数据中学习模式并生成文本、摘要和大纲的软件）是护理领域的强大助手：它将打字时间缩短为几秒钟，组织复杂的信息，让您有更多时间陪伴患者。但人工智能不是护士；不看病人、不碰病人、不承担责任、不签字。在本单元中，您将学习在护理工作中如何使用人工智能、站在哪里以及如何验证每个输出。目标是让你成为一个专业的控制AI，而不是依赖AI。
人工智能在护理领域能做什么、不能做什么
人工智能的真正力量在于语言、编辑和起草。 SBAR 移交报告框架（以情况-背景-评估-建议格式构建的移交文本）、出院培训手册的简单语言、护理计划草案、观察记录的组织版本、长程序的清单在几秒钟内就出来了。在这些任务中，人工智能可以节省您的时间并减轻文档负担。
人工智能做不到的是临床判断和责任。患者的诊断、药物的剂量、分诊类别、患者的病情是否恶化；这一切都不能用“事情通常是这样发生”的逻辑来决定的。人工智能产生幻觉是因为它从文本中学习：也就是说，它可以弥补看似真实但不正确的剂量、药物相互作用、数值或方案步骤。在护理领域，这样的错误不仅仅是打字错误；而是错误。这意味着用药错误、病情恶化、患者受到伤害。
注意：AI输出的是草稿，不是临床意见。如果没有合格的医生和护士的评估，就无法做出诊断、治疗、药物剂量和任何安全关键决策。人工智能不能替代医生的批准、临床检查和护士的专业判断。
按风险等级分为三个区域
安全使用人工智能最实用的方法是根据风险级别将每个任务分为三个区域。这种区别快速而准确地回答了“人工智能应该这样做吗？”的问题。
地区
示例任务
人工智能的作用
验证级别
绿色（低风险）
简化宣传册语言、编辑注释、起草电子邮件、培训摘要
免费生产
快速审核
黄色（中等风险）
SBAR 移交、护理计划草案、程序摘要、患者教育文本
草案+提案
护士控制+来源确认
红色（安全关键）
诊断、药物剂量、分诊决定、恶化评估、医嘱
仅预筛选/清单
必须获得主管医生/专家的批准
在绿色区域要快。在黄色区域使用人工智能，但确认每个值、药物信息和方案步骤。在红色区域，AI永远没有最终决定权；它只是加快专家工作速度的一种辅助手段。
多层验证纪律
验证不是可以因为“我稍后再检查”而推迟的事情；这是护理的一部分。可靠的验证由五层组成：
- 回归本源。如果人工智能分配了剂量、方案步骤或值，请在当前机构方案、药物参考或循证指南中打开并确认它。
- 与患者数据进行比较。将输出与实际患者的图表、顺序和观察相匹配；根据该患者的情况调整一般信息。
- 独立控制。与您自己或第二位护士一起重新检查数值结果（剂量、液体计算、分数）。
- 主管批准。如果决定属于医生或专家的管辖范围（诊断、治疗、命令），请务必提交批准。
- 留下你的印记。记录哪些输出被验证以及如何验证；稍后再检查一下。
提示：“人工智能说”不是理由。护理决定的基本原理始终是医生的命令、设施协议、证据和临床评估。人工智能可以帮助你准备这些理由，但它不会取代它们。
隐私、保密和道德
患者数据很敏感。姓名、TR ID 号、诊断、影像、实验室结果；所有这些都是特殊的个人数据（受最高级别法律保护的健康数据）。在将这些数据提供给基于云的人工智能工具之前，请先问三个问题：这些数据真的有必要吗？是否可以去识别化（姓名、ID、日期、地点等标识符可以清除）吗？我使用的工具是否在培训中使用数据并且是否符合机构政策？
道德不仅仅是保密。将人工智能生成的文本作为“最终的医疗建议”呈现给患者是错误的；人工智能不提供建议，它会生成草稿。保持患者信任、诚实并知道人们始终负责是职业道德的基础。
一步一步：将人工智能安全地引入任务中
- 将任务放置在该区域中。绿色、黄色还是红色？
- 去识别上下文。清晰的真实姓名、身份证件、日期和标识符。
- 给出一个清晰的概要。清楚地写出限制、目标和格式。
- 将输出视为草稿。切勿像最终产品一样使用它。
- 应用层层验证。来源、患者数据、控制、批准、追踪。
- 记录决定及其理由。
四个可复制模板
角色：您是一名护理文件助理。任务：为[任务]制作一份草稿。背景：服务[...]、患者资料（匿名）[...]、目的[...]。规则：为您不确定的每个剂量/方案/值标记“需要确认”。格式：防弹、简单且有条理。
任务：在下面的文本中列出临床声明、剂量和数值以及方案参考。为每一项添加“必须验证来源”注释。不要自己验证，只需标记即可。文本：[...]
任务：根据护士眼中的风险级别对人工智能输出进行分类。对于每个项目：绿色/黄色/红色，并给出一个句子的理由。在红色项目中写下“需要合格的医生/专家批准”。输出：[...]
任务：对下面的患者/病例文本进行去识别化处理。将真实姓名、ID、日期、地址和标识符替换为 [TAGET]；保留临床意义。文本：[...]
弱提示/强提示
弱者：“这个病人我该怎么办？”
Güçlü：“为一名诊断为肺炎的 65 岁（匿名）住院患者创建一份护理观察随访清单草案。一般性地建议应监测哪些生命体征以及监测频率，但说明确切的频率和阈值应由机构协议和医生命令确认。这是草案，不能取代命令。”
强有力的提示中，明确给出了上下文、目的、格式和边界；人工智能的立场是显而易见的。
常见错误
- 将人工智能输出误认为临床意见。人工智能生成草图，不做出决定，也看不到患者。
- 将安全关键决策委托给人工智能。诊断、药物剂量、分诊永远不会留给人工智能。
- 使用值而不验证来源。每个剂量、阈值和方案步骤均应从当前来源确认。
- 直接加载患者数据。去识别化和安全选车也不容忽视。
- 没有注意到幻觉。虽然人工智能看起来很自信，但它也可能是错误的。确信的语气并不能证明其准确性。
识别幻觉：护士的实用迹象
幻觉最危险的方面是，虚假信息以与真实信息相同的自信语气出现。 AI不会说“可能”、“我认为”；它以相同的精度开出错误剂量和正确剂量。这就是为什么我们需要看它的内容，而不是它的语气。在以下情况下发出红色警报： AI 给出非常具体的数字、项目编号、指南名称或研究标题；当你说一种罕见的药物相互作用时，就好像它是既定的一样；当您将协议步骤概括为“这就是它总是完成的方式”时。这些点是产生最多幻觉的地方，因为人工智能往往会填补空白。
一种实用的防御方法是始终指示人工智能：“将您不确定的任何数字、剂量或来源标记为‘需要确认’，并说‘我不知道’，而不是编造出来。”这并不能阻止人工智能填补空白，但它确实使标记点可见。第二道防御是交叉检查：通过询问当前的内部消息来源、药品参考资料或同事，而不是单个人工智能输出来确认关键信息。请记住，仅仅因为人工智能将同一件事说错了两次并不意味着它就是正确的；一致性并不是准确性的证据。
谁负责：法律和专业框架
当你使用人工智能工具时，责任不会转移到人工智能身上；而是责任会转移到人工智能身上。它始终由您和相关的主管专家负责。护士不能通过说“这是人工智能的建议”来为医疗事故辩护；专业责任包括验证输出。这并不意味着害怕使用人工智能——相反，了解其局限性是专业精神的标志。把人工智能想象成实习生的草稿：它有帮助，它节省时间，但你总是做最后的检查和签名。这种心态可以保护患者并让您免受职业风险。
综上所述
人工智能确实对护理有帮助，但它并不能取代护士或医生。将任务划分为绿色、黄色和红色区域；绿色方面要快速，黄色方面要确认，红色方面永远不要让 AI 有最终决定权。将每个输出视为草稿并通过五层验证。认真对待隐私和道德。有能力的医生和护士始终负有责任； AI 不承担这个责任。
应用任务
从您自己的服务中选择三项任务（例如患者讲义、SBAR 移交、药物剂量控制）。将每个分类为绿色/黄色/红色。写下您将为黄色和红色任务应用哪些验证层以及红色任务需要谁的批准。此外，在您使用的人工智能工具的隐私政策中查找并注明它是否在训练中使用患者数据。
清单
- [ ] 我将任务置于危险区。
- [ ] 我取消了上下文的标识。
- [ ] 我做了一个清晰、有限的简介。
- [ ] 我将输出视为草稿。
- [ ] 我确认了当前来源的剂量/阈值/方案步骤。
- [ ] 我将安全关键的决定留给了主管医生/专家。
- [ ] 我保存了验证痕迹。