收益：
- 能够在工作流程的每个阶段（从患者入院到出院）现场和边界内集成人工智能
- 能够在诊所/服务规模上建立及时的库、验证协议和隐私政策
- 能够设计一种审计文化，以维护患者对人工智能支持的护理的安全、责任和信任
之前的单位已经展示了人工智能在各个护理领域的应用：患者监测、护理计划、教育、交接、用药安全、分诊、程序、隐私、同意和沟通。这个最终单元结合了这一切。您将设计一个端到端工作流程，作为一个端到端工作流程，在患者从入院到出院的整个过程中，您将在其中、如何以及在什么限制内使用人工智能。您还将建立结构——提示库、身份验证协议和隐私政策——这将使这在服务/诊所规模上可持续。基本原则保持不变：人工智能在每个阶段都有帮助；患者安全、责任和决定始终属于有能力的人员。
人工智能贯穿整个患者旅程
让我们将患者的住院旅程分为几个步骤，看看人工智能在每个步骤中的作用和局限性。
舞台
人工智能的支撑作用
限制/主管批准
入院/分诊
配置投诉、红旗提醒
类别裁决：有能力的人员
第一次评论
编辑重要数据、观察标题提醒
临床评估：护士/医生
维护计划
诊断/目标/干预大纲
个性化和批准：主管护士
追踪
趋势汇总，预警支持
病情恶化的决定：护士/医生
医学
清单、交互大纲
剂量和顺序：医生+护士验证
营业额
SBAR 监管
验证并签字：护士
培训/退伍
材料简化、翻译
医疗准确性：医嘱+机构
联系方式
排练、语言编辑
同理心和决定：护士
这个表格表明，人工智能不是任何阶段的决策者，而是每个阶段的准备者和加速器。在设置工作流程时，每一步都需要明确“人工智能准备什么、谁来做决定”的问题。
服务规模的三个基本结构
如果分散，个人的良好利用就无法持续。确保服务安全需要三种结构：
- 提示库。经过测试的、安全的服务提示模板收集在一个公共位置（SBAR、维护计划草案、培训材料、清单）。每个人都使用相同的、有限的模板；质量一致。
- 认证协议。 “如何验证”成为每种类型输出的书面规则：谁批准护理计划、如何确认剂量、谁签署记录。验证不再依赖于个人，而是嵌入到系统中。
- 隐私政策。哪些工具可以使用，数据如何去标识化，哪些不能共享，都有明确的规则。每个人都遵守相同的隐私标准。
提示：衡量良好人工智能文化的标准是安全性，而不是速度。衡量服务的标准不是通过人工智能加速了多少，而是通过其工作的一致性和安全性，而不会因为人工智能而丢失任何安全关键决策。
三个迷你箱子
案例 1——整合转变。护士开始轮班：她利用人工智能组织和验证交接 SBAR 草案，总结患者的生命趋势并进行自己的临床评估，简化出院教育材料并根据医生的医嘱进行确认。在每一步，人工智能都可以节省时间；护士做出每一个决定。这种转变既快速又安全。
案例 2 — 提示库的强大功能。服务安装通用提示库。一名新来的护士从第一天起就使用经过验证的模板生成一致且明确的输出；避免了个人反复试验的错误。教训：共享施工将质量和安全传播给每个人。
案例 3——防止错误。借助验证协议，护士可以在订单比较步骤中检测到人工智能生成的剂量表中的错误。如果没有协议，错误可能会过去。教训：即使一个人疲倦或匆忙，书面验证协议也可以提供安全网。
一步一步：设置您自己的工作流程
- 踏上耐心的旅程。从入院到出院的阶段。
- 确定每个阶段的角色。人工智能正在准备什么？
- 设置每个阶段的限制。谁做决定，谁批准？
- 安装提示库。尝试过，有限的模板。
- 编写一个身份验证协议。如何确认每一个输出？
- 实施隐私政策并定期审查。
四个可复制模板
任务：为以下服务起草人工智能使用地图：人工智能在患者旅程每个阶段的支持作用和决策。永远不要让人工智能发挥决策作用。服务：[...]
任务：为以下输出类型编写验证协议草案（谁验证什么，使用哪个来源；谁签名）。突出标记安全关键步骤。输出类型：[SBAR/护理计划/剂量表/培训材料]
任务：为我们的服务准备一份隐私政策清单：使用哪种工具，如何去识别化，什么不能共享，谁负责。上下文：[...]
任务：在将以下提示模板添加到服务库之前，检查其安全性：是否包含决策角色、是否提醒去标识、是否有验证备注？标记丢失的。模板： [...]
弱提示/强提示
弱：“写一份关于如何在我们的服务中使用人工智能的计划。”
Strong：“对于以下服务，起草一份使用地图，其中仅包括AI的支持作用以及在患者旅程的每个阶段（入院、随访、护理计划、用药、交接、出院）由谁做出决定。不要让AI在任何阶段成为决策者。为每个阶段添加验证和隐私说明。我们将与团队一起审查这个草案。”
在强大的提示下，工作流程被分成阶段，决定权掌握在人的手中，验证和隐私从一开始就建立起来。
常见错误
- 让人工智能在某一阶段成为决策者。在每个阶段，决定权都应由个人决定。
- 在无人监督的情况下增长提示库。应检查模板的安全性。
- 将验证留给个人。该协议必须是书面的和系统的。
- 忘记隐私政策。工具和数据规则必须清晰。
- 将速度置于安全之上。衡量标准是一致性和安全性。
试点应用：从小规模开始，扩大规模
突然、无处不在地将人工智能引入服务是有风险的。更安全的方法是从小规模试点开始：选择一项低风险任务（例如简化患者教育传单），与有限的团队一起尝试，观察哪些方法有效以及哪里存在错误风险。在整个试点过程中，诸如“人工智能在哪里节省了时间，哪里出了问题，需要什么验证步骤？”等问题。得到答复。当它被证明有效时，它会与验证协议一起扩展到其他任务。这种循序渐进的方法既可以建立信任，又可以防止大规模错误。
在衡量试点的成功时，有必要提出正确的问题。衡量标准不应该是“我们的速度有多快”，而应该是“我们能够在保护患者安全的同时以更少的负载持续工作”。错误的措施（仅速度）会鼓励危险的捷径。
不断学习和复习
人工智能工具日新月异；今天正确的习惯明天可能会更新。这就是为什么服务的人工智能文化应该是动态的，而不是静态的。定期审查提示库，删除无用或有风险的模板，并添加安全模板以满足新的需求。任何即将发生的错误（验证步骤如何发现问题）都会与团队共享；这使得每个人都可以学习。新员工将接受图书馆和协议的培训。由此，人工智能的使用不再是个人的、分散的习惯，而是变成一种共同的、有监督的、不断完善的服务能力。
最重要的是保留整个结构中唯一不变的东西：决定和责任仍然由人决定。即使工具发达，但护士为病人负责的眼睛、判断力和良心是人工智能永远无法填补的地方。
总之
人工智能是从患者入院到出院各个阶段的准备者和加速器；但他在任何阶段都不是决策者。安全的端到端工作流程使每个阶段的“人工智能正在准备什么，谁来做决定”的问题都清晰可见。服务规模的可维护性依赖于三个结构：通用的提示库、书面的身份验证协议和明确的隐私策略。衡量良好文化的标准不是速度，而是一致的安全性，且不丢失任何安全关键决策。
应用任务
为您自己的服务起草端到端人工智能使用地图：写出人工智能的作用、其局限性以及在患者旅程的每个阶段由谁做出决定。然后：(1) 起草输出类型的身份验证协议，(2) 为服务准备隐私策略清单，(3) 对提示模板进行安全检查并标记任何缺陷。将它们转换成可以与团队共享的格式。
清单
- [ ] 我将患者的旅程分为几个阶段。
- [ ]我描述了人工智能在各个阶段的支撑作用。
- [ ] 我确定了每个阶段谁做出决定。
- [ ] 我创建了提示库的草稿。
- [ ] 我写了一个验证协议。
- [ ] 我准备了一份隐私政策清单。
- [ ] 我测量的是一致的安全性，而不是速度。
模块考试
1. 护士向人工智能给出生命体征，并询问“该患者的诊断是什么？我们应该开始哪种药物治疗？”哪种做法才是最正确的呢？
- A) 使用人工智能汇总生命数据并组织报告给医生；将诊断和治疗决定留给有能力的医生 ✔
- B) 将人工智能给出的诊断结果处理到患者档案中
- C) 如果人工智能两次推荐同一种药物，无需询问医生就开始使用
- D）跳过医生批准并加快流程
解释：诊断和开始治疗是安全关键的医疗决策，属于医生的职权范围。人工智能可用于总结重要数据、显示趋势并简化向医生的报告；然而，诊断和用药决定是通过临床检查和有能力的医生的批准来做出的。 AI输出并不能取代这个决定。
2.当你让人工智能计算出一种药物的儿童剂量时，它给出了一个明确的数字。服用此剂量之前您应该做什么？
- A) 由于人工智能给出了明确的数字，因此可以直接应用
- B) 将剂量更改为您记忆的其他患者的值
- C) 根据医生医嘱、当前药物参考和机构方案独立验证剂量，并在必要时进行第二次护士检查 ✔
- D）再次向人工智能询问同样的问题并取平均值
说明：药物剂量是安全的关键； AI 可能会混淆剂量计算、误用体重/年龄因素或产生幻觉值。剂量应始终根据医生的命令和当前的药物参考/机构方案进行独立验证，并在必要时由第二名护士检查确认。
3. 您使用人工智能起草了 SBAR 格式的轮班营业额报告。正式注册之前最好的态度是什么？
- A) 按原样记录草稿
- B) 不检查这些值，因为人工智能写了它
- C) 将调动报告转发给下一个班次而不阅读
- D) 将每一个信息和观察结果与患者的实际数据进行比较、更正和验证并签名 ✔
说明：病历和转院报告是具有法律价值的文件。 AI可以快速生成一致的草图骨架；但每一项信息、数字和观察结果都必须由主管护士与患者的实际数据进行比对和修正，并由护士核实和签字。
4. 当需要将未公开的患者文件（姓名、ID、诊断、影像）提供给基于云的人工智能工具时，在隐私方面最好的做法是什么？
- A) 按原样上传整个文件和患者 ID
- B) 在不阅读隐私政策的情况下使用免费工具
- C) 取消背景识别，仅使用教育机构批准的、未在教育中使用的工具共享所需的最低数据 ✔
- D) 假设必须给出 ID 和姓名才能保证诊断准确性
说明：健康数据属于特殊的个人数据，受法律保护。需要对上下文进行去标识化（清除姓名、ID、日期、地点等标识符），选择机构认可且符合政策、在训练中不使用数据的工具，并且仅共享最少的必要数据。
5. 对于人工智能生成的护理计划草案，最准确的态度是什么？
- A) 以草案为初步框架，针对患者进行个性化定制并通过临床判断进行确认✔
- B) 按原样将计划应用于所有患者
- C) 不查看患者数据就接受计划
- D) 实施举措时未将其与机构标准进行比较
描述：AI NANDA诊断可以快速生成目标和干预的骨架；然而，该计划可能无法反映患者的实际数据、优先事项和机构标准。护士长应针对患者制定个性化计划，并根据临床判断进行审查和批准。
6. 使用人工智能计算预警评分（如EWS/NEWS）最合适的方式是什么？
- A）利用分数来组织重要数据并显示趋势； ✔ 将患者的评估和决策留给护士和医生
- B) 由于分数正常而未见患者而通过
- C) 根据人工智能的评分自发改变治疗方案
- D) 抛开临床怀疑，仅依赖分数
说明：预警评分是筛查支持；它并不能单独确定患者的临床状况。人工智能可以帮助组织重要数据并显示趋势和评分，但护士和医生有责任查看和评估患者并决定病情恶化。即使分数看起来正常，临床怀疑也会优先。
7. 您为一名健康素养较低的患者准备了人工智能出院培训材料。在给病人之前最关键的一步是什么？
- A）依靠材质看起来整洁简洁
- B) 使用医师命令和机构批准的信息验证每项医疗指示，并通过反馈检查患者的理解情况。 ✔
- C）在不检查的情况下给出指令，因为它们是由人工智能编写的
- D) 除非患者询问，否则不透露用药时间
解释：人工智能擅长简化语言，但它可能包括不正确的用药时间、不正确的剂量说明或不适合机构的建议。材料中的每项医疗说明必须经过医师命令和机构批准的信息验证；然后，通过回授法检查患者是否理解。
8. 当您向急诊科患者的人工智能提出投诉和调查结果并要求分诊类别时，最健康的方法是什么？
- A）直接应用人工智能给出的类别
- B) 使用人工智能来组织信息并提醒您危险信号；通过检查和临床评估确定最终类别✔
- C) 如果人工智能没有看到危险信号，则忽略它们
- D）跳过考试，只依靠人工智能的文本
说明：分诊类别和紧急程度决定是直接影响患者生命安全的临床评估，是有能力的医护人员的责任。人工智能可用于组织信息并提醒您危险信号症状；然而，最终类别是通过检查和临床评估来确定的。
9. 你让人工智能总结了临床程序的步骤。实施之前最好的行为是什么？
- A) 信任并应用摘要，使其看起来流畅
- B）正确计算步数，因为人工智能给出了它们
- C) 在患者身上尝试该程序并根据结果做出决定
- D) 确认当前机构协议和循证指南中的每个步骤和资源 ✔
描述：人工智能根据常识总结程序步骤，并可能返回过时或不适合组织的步骤。每个步骤及其来源都应根据当前的机构协议和基于证据的指导进行确认；该程序是根据此经过验证的来源应用的。
10. “划分风险区域”方法中的红色（安全关键）区域最合适的例子是什么，这是在护理中安全使用人工智能的最实用方法？
- A) 简化患者手册的语言
- B) 编辑班次注释的格式
- C) 确定药物剂量并做出治疗决定 ✔
- D) 将会议总结分为项目
描述：绿色区域是低风险的辅助任务（起草培训文本、编辑笔记）。黄色区域是需要确认的草稿。红色区域是直接影响生命安全的决策，如诊断、药物剂量、分诊决策，需要有主管专家批准；人工智能在这里永远没有最终决定权。
11. 在制定人工智能在制药应用中的清单时，哪项原则应处于清单的中心？
- A) 正确的患者、正确的药物、正确的剂量、正确的途径、正确的时间原则✔
- B) 最快的给药方式
- C) 盲目服从人工智能建议的命令
- D) 仅在轮班结束时执行一次检查
解释：用药安全的基础是“正确”的原则：正确的患者、正确的药物、正确的剂量、正确的途径、正确的时间（和记录）。人工智能可以帮助生成一份清单，提醒您这些原则；然而，每项申请均需经过护士的个人验证和医生的命令。
12. 在准备与患者及其亲属进行艰难对话时，使用人工智能的最佳方式是什么？
- A）逐字向患者朗读人工智能编写的文本，无需排练
- B）将同理心完全留给人工智能
- C）在没有与医生协调的情况下通过人工智能文本给出坏消息
- D) 使用人工智能进行沟通排练和语言编辑，并以同理心和临床判断完成文本✔
描述：人工智能作为沟通排练、语言编辑和预测可能问题的工具非常有价值。然而，真正的同理心、耐心阅读和临床判断属于人类；人工智能生成的文本是一个开始，必须在机构和道德的范围内，以护士的人性化触感来完成。报告坏消息等情况是与医生协调进行的。
13.人工智能对一个护理问题给出了非常自信和详细的答案。这种“自信”的语气是什么意思？
- A) 答案绝对正确
- B）不需要源代码控制
- C) 语气并不是准确性的证据； ✔ 信息仍须与来源和协议确认
- D）人工智能已专门从事该领域
描述：语言模型即使不知道真相，也能产生流畅且自信的文本；这种语气并不能证明其准确性。人工智能可以产生某种物品、价值或资源的幻觉。自信的陈述不会使验证变得不必要；任何临床信息都应通过最新的来源和方案进行确认。
14. 为了使人工智能在服务中的使用在患者安全方面可持续，需要建立什么基本结构？
- A）每个护士都以自己的方式使用无人监督的人工智能
- B) 建立通用提示库、验证协议和隐私政策，并在获得主管批准的情况下关闭安全关键输出 ✔
- C) 将人工智能输出直接传输给维护人员，无需记录任何内容
- D) 仅在严重事件发生后才考虑验证
描述：人工智能的分布式和不受控制的使用放大了错误和隐私的风险。在服务规模上，必须建立一个通用的提示库、每种输出类型的身份验证协议、明确的隐私/保密策略，并在获得主管批准的情况下关闭每个安全关键输出。