机构名称：
¥ 1.0
背景：人工智能 (AI) 系统集成用于自动记录病史和分诊，可显著改善医疗保健系统中的患者流量。尽管许多人工智能研究表现良好，但只有有限数量的系统成功融入了常规医疗保健实践。为了阐明人工智能系统如何在此背景下创造价值，必须确定当前的知识状态，包括这些系统的准备情况、实施的促进因素和障碍，以及参与其开发和部署的各个利益相关者的观点。目标：本研究旨在绘制和总结用于在医疗保健环境中自动记录病史和分诊的人工智能系统的实证研究。方法：本研究遵循 Arksey 和 O'Malley 提出的框架，并遵守 PRISMA-ScR（系统评价的首选报告项目和范围界定评价的荟萃分析扩展）指南。对 5 个数据库（PubMed、CINAHL、PsycINFO、Scopus 和 Web of Science）进行了全面搜索。在审查之前建立了详细的协议以确保方法的严谨性。结果：共确定并筛选了 1248 篇研究出版物。其中，86 篇（6.89%）符合资格标准。值得注意的是，大多数（n=63，73%）研究发表于 2020 年至 2022 年之间，主要集中在急诊护理（n=32，37%）。其他临床背景包括放射学（n=12，14%）和初级保健（n=6，7%）。许多（n=15，17%）研究没有指定临床背景。大多数（n=31，36%）研究采用回顾性设计，而其他研究（n=34，40%）没有指定其方法。确定的主要 AI 系统类型是混合模型（n=68，79%），其中预测（n=40，47%）和识别（n=36，42%）是最常见的任务。虽然大多数 (n=70, 81%) 研究涉及患者群体，但只有 1 项 (1%) 研究调查了患者对基于 AI 的病史采集和分类的看法，2 项 (2%) 研究考虑了医疗保健专业人员的观点。此外，只有 6 项 (7%) 研究通过实时模型测试、工作流程实施、临床结果评估或融入实践在相关临床环境中验证或展示了 AI 系统。大多数 (n=76, 88%) 研究涉及 AI 系统的原型设计、开发或验证。总共有 4 项 (5%) 研究是对在不同临床环境中进行的几项实证研究的回顾。AI 系统实施的促进因素和障碍分为 4 个主题：技术方面、背景和文化考虑、最终用户参与和评估过程。结论：本综述重点介绍了在医疗保健中实施 AI 系统的当前趋势、利益相关者观点、创新发展阶段和关键影响因素。关于利益相关者观点的已发现的文献差距和用于自动化病史记录和分类的人工智能系统的有限研究表明，在这个不断发展的领域有进一步研究和发展的巨大机会。
XSL•FO
主要关键词
