【摘要】 全球慢性病患病率不斷上升，給社會(huì)的發(fā)展和個(gè)人健康帶來(lái)重大挑戰(zhàn)。管理慢性病需要長(zhǎng)期治療和監(jiān)測(cè)，對(duì)患者的生活方式提出了一定要求。隨著人口老齡化和人們生活方式的改變，慢性病防控正變得越發(fā)重要。近年來(lái)，隨著醫(yī)療衛(wèi)生領(lǐng)域科技創(chuàng)新向縱深發(fā)展，借助人工智能的智能機(jī)器人在醫(yī)療領(lǐng)域的應(yīng)用也逐漸成為國(guó)家重要戰(zhàn)略方向之一，傳統(tǒng)的慢性病管理方法過(guò)于依賴醫(yī)生和患者之間的線下交流，導(dǎo)致醫(yī)生無(wú)法與患者保持長(zhǎng)期且有效的溝通和隨訪，患者病情出現(xiàn)變化時(shí)醫(yī)生可能無(wú)法及時(shí)發(fā)現(xiàn)和監(jiān)測(cè)。此外，傳統(tǒng)的慢性病管理方法通常是一種通用化的方法，無(wú)法充分考量到每位患者的個(gè)體差異。鑒于傳統(tǒng)慢性病管理方法的局限性，本文提倡利用智能機(jī)器人提供更便捷高效的基層服務(wù)。本文認(rèn)為，通過(guò)個(gè)性化健康管理方案、輔助醫(yī)療診斷、定時(shí)提醒服藥等功能，使智能機(jī)器人能夠致力于改善患者生活質(zhì)量、減輕醫(yī)療資源壓力，從而推動(dòng)全球智能化醫(yī)療管理的發(fā)展。

【關(guān)鍵詞】 智能機(jī)器人；初級(jí)保??；慢性病；健康管理；人工智能；健康大數(shù)據(jù)

【中圖分類號(hào)】 R-05 【文獻(xiàn)標(biāo)識(shí)碼】 A DOI：10.12114/j.issn.1007-9572.2023.0811

Application and Challenges of Intelligent Robots in Grassroots Chronic Disease Management

ZHANG Xuan，ZHANG Fei，LI Minglin，WANG Jiahe*

Department of Family Medicine，Shengjing Hospital of China Medical University，Shenyang 110000，China

*Corresponding author：WANG Jiahe，Professor/Chief physician/Doctoral supervisor；E-mail：wangjhcmusj@163.com

【Abstract】 The increasing prevalence of chronic diseases globally poses major challenges to the health of societies and individuals. Managing chronic diseases requires long-term treatment and monitoring，placing demands on patients' lifestyles. With the aging of the population and changes in lifestyle，chronic disease prevention and control are becoming more and more important. In recent years，as scientific and technological innovation in the field of healthcare develops in depth，and the application of artificial intelligence in healthcare has gradually become one of the important strategic directions of the country，the traditional method of chronic disease management relies too much on the offline communication between the doctor and the patient，which leads to the doctor not being able to maintain long-term and effective communication and follow up with the patient，and the patient may not be able to be detected and monitored by the doctor in a timely manner when his or her condition changes. In addition，the traditional chronic disease management approach is usually a generalized approach that fails to adequately consider the individual differences of each patient. Given the limitations of traditional chronic disease management methods，this study aims to provide more convenient and efficient primary care services using intelligent robots. Through personalized health management plans，assisted medical diagnosis，and timed medication reminders，the intelligent robot is committed to improving patients' quality of life，reducing the pressure on healthcare resources，and promoting the development of intelligent healthcare management globally.

【Key words】 Intelligent robots；Primary care；Chronic disease；Health management；Artificial intelligence；Health big data

我國(guó)慢性病患病率逐年上升，防治形勢(shì)日益嚴(yán)峻。研究表明，2020年以前我國(guó)因慢性病導(dǎo)致的患者死亡數(shù)占總死亡數(shù)的88.5%，高血壓、糖尿病及惡性腫瘤等慢性病已取代傳染性疾病成為導(dǎo)致我國(guó)人口死亡率升高的主要因素之一，給社會(huì)經(jīng)濟(jì)和人民健康造成了巨大的負(fù)面影響，基層醫(yī)護(hù)人員診療的壓力與日俱增［1-2］。為加強(qiáng)慢性病防治工作，降低疾病負(fù)擔(dān)，提高居民健康期望壽命，2017年中華人民共和國(guó)國(guó)務(wù)院發(fā)布了《中國(guó)防治慢性病中長(zhǎng)期規(guī)劃（2017—2025年）》［3］，強(qiáng)調(diào)了慢性病管理的重要性，建議優(yōu)先將慢性病患者納入社區(qū)醫(yī)生簽約服務(wù)。

現(xiàn)今，人工智能的快速發(fā)展引發(fā)了人們的廣泛關(guān)注，醫(yī)療科技的不斷創(chuàng)新促使醫(yī)學(xué)界掀起了人工智能的研究熱潮［4］。研究者們?cè)诨谏疃葘W(xué)習(xí)的大規(guī)模預(yù)訓(xùn)練模型與醫(yī)學(xué)診斷［5］、風(fēng)險(xiǎn)預(yù)測(cè)［6］、藥物實(shí)驗(yàn)［7］結(jié)合方面的研究已取得了顯著進(jìn)展，智能機(jī)器人是其中一項(xiàng)重要成果。本文旨在通過(guò)查詢既往文獻(xiàn)，探索如何將智能機(jī)器人更好地運(yùn)用于基層慢性病管理，為患者提供更方便、更快捷的管理服務(wù)，改善患有長(zhǎng)期疾病者的生活質(zhì)量，減輕基層醫(yī)療負(fù)擔(dān)，提高慢性病管理的效果，促進(jìn)慢性病健康管理的智能化。

本文文獻(xiàn)檢索策略：于2023年7—11月，以“智能機(jī)器人”“基層”“慢性病”“健康管理”“人工智能”“健康大數(shù)據(jù)”為中文關(guān)鍵詞，檢索中國(guó)知網(wǎng)、萬(wàn)方數(shù)據(jù)知識(shí)服務(wù)平臺(tái)、維普網(wǎng)；以“Intelligent robots”“Chronic disease”“Health management”“Artificial intelligence”“Health big data”為英文關(guān)鍵詞，檢索PubMed、Web of Science；文獻(xiàn)檢索范圍為建庫(kù)至2023年11月。納入標(biāo)準(zhǔn)：（1）智能機(jī)器人在健康教育和健康宣教中的研究進(jìn)展；（2）智能機(jī)器人在遠(yuǎn)程醫(yī)療支持中的研究進(jìn)展 ；（3）智能機(jī)器人在社交支持與心理疏導(dǎo)中的研究進(jìn)展；（4）智能機(jī)器人在日常看護(hù)輔助中的研究進(jìn)展；（5）智能機(jī)器人在數(shù)據(jù)分析和預(yù)測(cè)中的研究進(jìn)展； （6）智能機(jī)器人在輔助診斷中的研究進(jìn)展；（7）智能機(jī)器人在危險(xiǎn)因素干預(yù)中的研究進(jìn)展；（8）智能機(jī)器人在個(gè)性化健康管理中的研究進(jìn)展。排除標(biāo)準(zhǔn)：重復(fù)及與主題不相關(guān)的文獻(xiàn)。根據(jù)納入與排除標(biāo)準(zhǔn)，最終納入相關(guān)文獻(xiàn)69篇。

1 智能機(jī)器人發(fā)展概述

智能機(jī)器人是一種結(jié)合了人工智能和自主學(xué)習(xí)能力的科技產(chǎn)品，能夠模擬并執(zhí)行人類的認(rèn)知和行為，與人類互動(dòng)并完成指定任務(wù)。人工智能和“互聯(lián)網(wǎng)+”、大數(shù)據(jù)以及5G技術(shù)等的深度融合，使智能機(jī)器人通過(guò)強(qiáng)大的計(jì)算能力逐漸具備了更多的感知和決策認(rèn)知能力，變得更加靈活、靈巧和通用，開始擁有更強(qiáng)的環(huán)境適應(yīng)能力和自主能力，以適應(yīng)更加復(fù)雜多變的應(yīng)用場(chǎng)景［8］。2021年12月我國(guó)發(fā)布了《“十四五”機(jī)器人產(chǎn)業(yè)發(fā)展規(guī)劃》［9］，該規(guī)劃明確了當(dāng)前機(jī)器人產(chǎn)業(yè)規(guī)劃的藍(lán)圖，并提出了新的發(fā)展目標(biāo)，進(jìn)一步推動(dòng)中國(guó)機(jī)器人產(chǎn)業(yè)邁向新的高峰。目前常見(jiàn)的智能機(jī)器人主要分為兩大類：家用服務(wù)機(jī)器人專門設(shè)計(jì)用于提供服務(wù)和教育幫助；醫(yī)療機(jī)器人則包括手術(shù)機(jī)器人、康復(fù)機(jī)器人、醫(yī)護(hù)輔助機(jī)器人和后勤機(jī)器人等，可以在醫(yī)療領(lǐng)域完成一系列任務(wù)，如手術(shù)、康復(fù)和藥物配送［10］。

相對(duì)于傳統(tǒng)醫(yī)療手段，醫(yī)療智能機(jī)器人具有受主觀因素影響較小、診斷效能較高、相對(duì)可重復(fù)操作并受環(huán)境條件和疲勞程度影響較小等特點(diǎn)。智能機(jī)器人結(jié)合人工智能技術(shù)，可以使基層慢性病管理更加智能和個(gè)性化。許多學(xué)者正在探索如何借助科技來(lái)管理基層慢性病，以構(gòu)建一個(gè)涵蓋慢性病防控、診療、恢復(fù)和健康管理的新型全面健康服務(wù)體系。

2 基層慢性病管理的問(wèn)題與現(xiàn)狀

慢性病管理指對(duì)長(zhǎng)期存在且難以徹底治愈的一些疾病，如糖尿?。▋?nèi)分泌系統(tǒng)的疾?。?、高血壓（心腦血管系統(tǒng)的疾?。⑿呐K病及慢性阻塞性肺疾?。ê粑到y(tǒng)的疾?。┑鹊闹委??；鶎勇圆〉墓芾韺?duì)于減輕患者醫(yī)療負(fù)擔(dān)非常關(guān)鍵，據(jù)估計(jì)，在需要醫(yī)療服務(wù)的患者當(dāng)中，只有約10%的患者需要?？漆t(yī)生給予相關(guān)治療，80%～90%患者的健康問(wèn)題可由社區(qū)衛(wèi)生服務(wù)工作人員（包括社區(qū)健康管理師和受過(guò)訓(xùn)練的全科醫(yī)生）協(xié)助解決，但其也存在諸多不足之處［11］。

傳統(tǒng)的慢性病管理主要依賴醫(yī)生與患者的線下交流，然而由于我國(guó)基層患者數(shù)量眾多且醫(yī)療資源有限，醫(yī)生難以與所有患者保持長(zhǎng)期、有效的溝通和隨訪［12］；此外，我國(guó)社區(qū)衛(wèi)生服務(wù)中心在實(shí)施慢性病管理方面存在管理形式單一、措施落后等問(wèn)題，且較為缺乏健康信息的規(guī)范化管理經(jīng)驗(yàn)［13］。慢性病管理工作的順利進(jìn)行需要足夠的經(jīng)費(fèi)支持［14-15］，但基層醫(yī)療機(jī)構(gòu)在深入開展慢性病管理工作方面，面臨著經(jīng)費(fèi)不足、專項(xiàng)經(jīng)費(fèi)配置不足以及資金管理缺乏等問(wèn)題，這些問(wèn)題成為阻礙各地深入開展慢性病管理工作的重要原因。目前我國(guó)雖然針對(duì)上述問(wèn)題出臺(tái)了多項(xiàng)政策，但仍需進(jìn)一步完善［16］。

施建華等［17］研究表明，基層衛(wèi)生服務(wù)機(jī)構(gòu)面臨著一系列諸如醫(yī)護(hù)人員短缺、教育程度低、臨床經(jīng)驗(yàn)有限、技術(shù)水平和服務(wù)能力有待提升及全科醫(yī)生知識(shí)更新不及時(shí)等問(wèn)題［18］。居民對(duì)社區(qū)衛(wèi)生服務(wù)中心醫(yī)療水平的不信任也導(dǎo)致社區(qū)居民首診率降低。同時(shí)因?yàn)榛鶎俞t(yī)療機(jī)構(gòu)人員配備不足，還需關(guān)注患者在建立健康檔案后相應(yīng)的隨訪是否全面、真實(shí)［19］。除此之外，傳統(tǒng)的慢性病管理方法存在醫(yī)患信息不對(duì)稱的問(wèn)題，即患者通常只能在就醫(yī)時(shí)才能得到醫(yī)生的指導(dǎo)和建議，而在兩次就醫(yī)的間隔里，患者只能依靠自己和家人來(lái)管理和控制自身疾病，易導(dǎo)致疾病管理的連續(xù)性和穩(wěn)定性不足?？偟膩?lái)說(shuō)，目前基層慢性病管理還存在許多限制或不足，需要引入新的方法和技術(shù)來(lái)加以彌補(bǔ)。

人工智能、5G及“互聯(lián)網(wǎng)+”等技術(shù)的不斷發(fā)展，使得智能機(jī)器人在基層慢性病管理方面的應(yīng)用范圍越發(fā)廣泛。智能機(jī)器人能夠利用傳感器監(jiān)測(cè)患者狀況，根據(jù)事先設(shè)定的算法和規(guī)則提供護(hù)理服務(wù)，減輕醫(yī)護(hù)人員的負(fù)擔(dān)，同時(shí)為患者帶來(lái)更便捷、舒適的護(hù)理體驗(yàn)。譬如智能藥盒（一種藥物管理系統(tǒng)）不僅能夠提醒患者按時(shí)用藥、計(jì)算剩余藥量，還可以通過(guò)物理輔助方式幫助患者康復(fù)［20］?，F(xiàn)如今智能機(jī)器人的應(yīng)用范圍已經(jīng)擴(kuò)展至慢性病管理領(lǐng)域，其能通過(guò)與語(yǔ)音智能外呼系統(tǒng)合并，幫助患者提高自我疾病管理能力，減輕醫(yī)護(hù)人員的工作負(fù)擔(dān)，提升患者日常生活質(zhì)量。技術(shù)的創(chuàng)新為慢性病管理帶來(lái)了諸多便利，給慢性病患者的健康管理和醫(yī)療服務(wù)帶來(lái)了更多可能［21］。

3 智能機(jī)器人在基層慢性病管理中的應(yīng)用

3.1 健康教育和健康宣教

中共中央、國(guó)務(wù)院于2016年10月頒布的《“健康中國(guó)2030”規(guī)劃綱要》［22］強(qiáng)調(diào)了普及健康生活方式、加強(qiáng)健康教育的重要性，突出了家庭和高危個(gè)體在疾病中的角色，并將健康教育納入了教育體系。健康教育在慢性病管理中扮演著重要角色，能夠提高患者對(duì)疾病的認(rèn)知并培養(yǎng)相應(yīng)的健康管理能力。我國(guó)基層衛(wèi)生人力資源不足，社區(qū)和鄉(xiāng)鎮(zhèn)居民常難以得到良好的健康教育。人工智能技術(shù)可以解決患者因時(shí)間和空間限制而難以隨時(shí)參與健康管理學(xué)習(xí)的問(wèn)題，有效提高了患者的參與率，比如利用智能機(jī)器人相關(guān)的人工智能、虛擬現(xiàn)實(shí)技術(shù)、云計(jì)算和大數(shù)據(jù)分析等技術(shù)，可以向社區(qū)居民傳播與疾病相關(guān)的新知識(shí)等，幫助其更好地理解和管理自身健康狀況，改變不良生活習(xí)慣［23］。人工智能技術(shù)與家庭醫(yī)生雙簽約模式可提升社區(qū)高血壓患者的自我管理水平，同時(shí)也使就診率、血壓達(dá)標(biāo)率及依從性提升［24］。有研究指出，自我管理支持被證明是最有效的慢性病管理方法［25］，表明通過(guò)提升患者自我管理支持水平對(duì)于緩解基層醫(yī)療壓力是非常有幫助的。

3.2 遠(yuǎn)程醫(yī)療支持

目前超聲診斷在醫(yī)學(xué)診斷中扮演著不可或缺的角色，然而基層醫(yī)院有限的超聲診斷資源常難以滿足患者需求。為解決這一問(wèn)題，遠(yuǎn)程超聲技術(shù)被引入并廣泛應(yīng)用于臨床，該技術(shù)能夠?qū)崿F(xiàn)專家資源下沉，為基層患者提供更優(yōu)質(zhì)的服務(wù)，具有極高的臨床應(yīng)用價(jià)值［26］。智能機(jī)器人能夠成為遠(yuǎn)程醫(yī)療的工具，醫(yī)生可以通過(guò)遠(yuǎn)程操作機(jī)器人進(jìn)行遠(yuǎn)程診斷和治療，從而為社區(qū)居民提供高質(zhì)量的醫(yī)療服務(wù)。有研究通過(guò)承載5G 傳輸技術(shù)的智能機(jī)器人使用遠(yuǎn)程超聲技術(shù)對(duì)患者進(jìn)行病情評(píng)估，其診斷結(jié)果經(jīng)驗(yàn)證與 CT 掃描結(jié)果完全相符［27］。

3.3 社交支持與心理疏導(dǎo)

我國(guó)基層慢性病管理，特別是心理健康方面的管理存在不足之處，基層護(hù)理人員對(duì)心理健康問(wèn)題的認(rèn)知和培訓(xùn)相對(duì)不足，缺乏專業(yè)知識(shí)和技能，難以有效應(yīng)對(duì)患者的心理健康訴求。智能機(jī)器人可以提供24 h/7 d的服務(wù)，隨時(shí)隨地為患者提供心理支持服務(wù)，舒緩患者的焦慮、壓力等不良情緒。研究顯示采用海豹型機(jī)器人Paro進(jìn)行干預(yù)可以改善癡呆癥和慢性疼痛患者心理狀態(tài)［28］，社交支持和心理疏導(dǎo)可以幫助慢性病患者緩解負(fù)面情緒、增加治療依從性、提高生活質(zhì)量［29-30］。智能機(jī)器人可以實(shí)時(shí)分析患者的生理數(shù)據(jù)，記錄患者的情緒，并與患者進(jìn)行交流和互動(dòng)，為其提供情緒支持和心理輔導(dǎo)，以減輕因疾病引起的精神壓力和孤獨(dú)感，同時(shí)改善患者的生活質(zhì)量和提高治療效果［31-32］。例如，日本產(chǎn)業(yè)技術(shù)綜合研究所開發(fā)了Paro陪護(hù)機(jī)器人，其能夠幫助老年人減少孤獨(dú)感并提升社交能力；日本電氣股份有限公司推出了PaPeRo機(jī)器人，它具備先進(jìn)的面部識(shí)別功能，能夠通知用戶接收即時(shí)信息，并且可以發(fā)送視頻消息、表演跳舞、玩游戲以及遙控其他電子設(shè)備［33-34］。上述產(chǎn)品都配備了先進(jìn)的語(yǔ)音處理識(shí)別系統(tǒng)，可以準(zhǔn)確理解和解析多種方言，能夠使患者與機(jī)器人無(wú)障礙地溝通。

3.4 日?？醋o(hù)輔助

隨著我國(guó)人口老齡化程度的加深，基層護(hù)理人員的供需問(wèn)題逐漸暴露，智能護(hù)理機(jī)器人迎來(lái)了迅猛發(fā)展，其能夠提供日?？醋o(hù)輔助，有效減輕我國(guó)基層人員的工作負(fù)擔(dān)［35］。日?？醋o(hù)是長(zhǎng)期患有慢性疾病并且日常生活能力受限的人所必需的。目前，康復(fù)機(jī)器人的研究和應(yīng)用主要針對(duì)因腦血管疾?。?6］、脊髓損傷［37］等引起的神經(jīng)損傷患者，并幫助其恢復(fù)長(zhǎng)期后遺癥。通過(guò)及時(shí)、有效的康復(fù)訓(xùn)練，患者可以在恢復(fù)的最佳時(shí)期盡可能地使肢體功能得到最大限度的恢復(fù)，以保證日常行為能力不受或盡可能少受影響。

3.5 數(shù)據(jù)分析和預(yù)測(cè)

將智能機(jī)器人應(yīng)用于社區(qū)健康調(diào)查，可以了解居民當(dāng)前的健康需求和所存在的問(wèn)題。此外，通過(guò)對(duì)數(shù)據(jù)進(jìn)行分析和預(yù)測(cè)，能盡可能降低慢性病的患病率，減少疾病危險(xiǎn)因素，預(yù)測(cè)疾病發(fā)生風(fēng)險(xiǎn)，幫助社區(qū)更好地進(jìn)行疾病應(yīng)對(duì)。人工智能機(jī)器人能夠從微觀層面分析和挖掘大量患者數(shù)據(jù)，發(fā)現(xiàn)相關(guān)規(guī)律和趨勢(shì)，助力基層醫(yī)生更好地管理和預(yù)防患者策略，但同時(shí)也可能引發(fā)數(shù)據(jù)泄露等安全性問(wèn)題。通過(guò)對(duì)患者的患病風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)，可以增加患者對(duì)疾病的認(rèn)知，提升診治和隨訪的效果［38］。研究表明，應(yīng)用人工智能進(jìn)行疾病風(fēng)險(xiǎn)預(yù)測(cè)可以有效提升疾病的預(yù)測(cè)和診斷準(zhǔn)確性，改善患者的生活質(zhì)量［39-40］。

3.6 診斷輔助

智能機(jī)器人能夠參與基礎(chǔ)的健康篩查和初步診斷，包括測(cè)量生命體征以及執(zhí)行基本的眼科、耳鼻喉等檢查，有助于及早發(fā)現(xiàn)潛在的健康問(wèn)題。北京市豐臺(tái)區(qū)方莊社區(qū)衛(wèi)生服務(wù)中心借助人工智能輔助決策支持系統(tǒng)與家庭醫(yī)生簽約，不僅規(guī)范了診療流程，還提升了醫(yī)生的技術(shù)水平［41］。在早期診斷某些疾病時(shí)，借助智能機(jī)器人進(jìn)行輔助診斷可以提供較高的診斷價(jià)值。某些慢性病的早期癥狀常不具有典型性，容易出現(xiàn)漏診或誤判的情況［42-43］。智能機(jī)器人可通過(guò)先進(jìn)的算法和模型分析患者的生理指標(biāo)、基因組數(shù)據(jù)等信息，為醫(yī)生提供早期診斷線索和預(yù)測(cè)，盡可能降低疾病延誤診斷風(fēng)險(xiǎn)，降低患者死亡風(fēng)險(xiǎn)［44］，盡早發(fā)現(xiàn)潛在的健康問(wèn)題并制定更早、更有效的治療方案，以提高患者的生存時(shí)長(zhǎng)，這將對(duì)醫(yī)生診斷疾病大有裨益。

智能機(jī)器人在遠(yuǎn)程操作手術(shù)［45］、遠(yuǎn)程急救［46］和遠(yuǎn)程護(hù)理［47］方面也都起到了重要作用。經(jīng)過(guò)多次反復(fù)訓(xùn)練和對(duì)大量數(shù)據(jù)集的學(xué)習(xí)，人工智能機(jī)器人在某些復(fù)雜慢性病病因評(píng)估方面展現(xiàn)出了更高的性能，能夠彌補(bǔ)臨床醫(yī)生診斷的局限性。BUFFOLO等［48］等在大樣本回顧性研究中發(fā)現(xiàn)，通過(guò)使用臨床評(píng)分系統(tǒng)和機(jī)器學(xué)習(xí)，可以有效預(yù)測(cè)高血壓中的原發(fā)性醛固酮增多癥（PA）患者，從而減少了至少32.7%的篩查工作量，并降低了醫(yī)療資源的不必要消耗。DAI等［49］開發(fā)的DeepDR系統(tǒng)能夠檢測(cè)和識(shí)別微血管瘤和小出血點(diǎn)，從而準(zhǔn)確檢測(cè)出糖尿病患者眼底病變的微小變化，及時(shí)發(fā)現(xiàn)輕度早期糖尿病征兆，為疾病的早期干預(yù)提供有力的技術(shù)保障。

3.7 危險(xiǎn)因素干預(yù)

智能機(jī)器人可以通過(guò)多種途徑參與危險(xiǎn)因素干預(yù)，包括改變個(gè)體的生活行為方式、居住環(huán)境或相關(guān)社會(huì)因素，以降低患病風(fēng)險(xiǎn)或改善患者健康狀況。機(jī)器人系統(tǒng)可以收集患者的生活習(xí)慣、健康數(shù)據(jù)等信息，并根據(jù)分析結(jié)果給出針對(duì)患者的具體治療建議和相應(yīng)干預(yù)措施，以減少相關(guān)的致病風(fēng)險(xiǎn)［50］。智能機(jī)器人還能為患者提供個(gè)性化的飲食計(jì)劃、有規(guī)律的運(yùn)動(dòng)次數(shù)以及按時(shí)用藥的指導(dǎo)等服務(wù)。

3.8 個(gè)性化健康管理

武漢市東西湖區(qū)衛(wèi)生健康委員會(huì)通過(guò)“智醫(yī)助理”平臺(tái)，定期向社區(qū)醫(yī)生發(fā)布健康管理任務(wù)，智能提醒醫(yī)務(wù)人員完成對(duì)居民日常慢性病的管理服務(wù)［51］。這一舉措不僅顯著減輕了基層醫(yī)務(wù)人員的日常工作壓力，也提升了基層醫(yī)療機(jī)構(gòu)的服務(wù)能力，有效推動(dòng)了基層醫(yī)療信息化水平的提升。在5G時(shí)代，人工智能通過(guò)結(jié)合深度學(xué)習(xí)模型和高性能計(jì)算，能夠?qū)崟r(shí)監(jiān)測(cè)患者的健康狀況，并將數(shù)據(jù)傳輸?shù)结t(yī)療設(shè)備上進(jìn)行分析和評(píng)估。智能機(jī)器人可以記錄患者的日常行為，包括睡眠時(shí)長(zhǎng)、運(yùn)動(dòng)量和飲食記錄等，利用數(shù)據(jù)分析和智能算法來(lái)提供個(gè)性化的干預(yù)措施［52］，幫助患者改善不健康的行為，促進(jìn)康復(fù)和疾病管理［53］。智能機(jī)器人能夠基于患者的身體狀況和個(gè)人需求，為其量身定制個(gè)性化的健康管理方案，并通過(guò)收集和分析患者的生理數(shù)據(jù)、日常習(xí)慣和相關(guān)病史等信息，協(xié)助患有慢性病的人更加有效地管理自身的疾?。?4］。研究表明，智能機(jī)器人能夠針對(duì)個(gè)性化方案診治的糖尿病患者自動(dòng)發(fā)送提醒信息，此類功能可以有效地改善慢性病患者的生活質(zhì)量，減輕醫(yī)療資源壓力，推動(dòng)慢性病管理智能化的發(fā)展［55-56］。例如Next IT公司開發(fā)的慢性病患者虛擬助理（Alme Health Coach）系統(tǒng)可為慢性病患者提供全方位的幫助，包括規(guī)劃日常飲食、監(jiān)控睡眠質(zhì)量、提醒藥物服用時(shí)間，甚至通過(guò)患者數(shù)據(jù)分析推導(dǎo)出未規(guī)律服藥的原因，該系統(tǒng)還能構(gòu)建適合高血壓患者的慢性病膳食推薦系統(tǒng)［57］?？梢暬臋C(jī)器人聊天架構(gòu)能夠滿足患者對(duì)生理數(shù)據(jù)儲(chǔ)存、日常行為遠(yuǎn)程監(jiān)測(cè)和定時(shí)服藥提醒的需求，同時(shí)智能機(jī)器人可以協(xié)助記錄患者的醫(yī)療信息，確保數(shù)據(jù)的準(zhǔn)確性和及時(shí)性，這對(duì)社區(qū)醫(yī)院的信息管理和衛(wèi)生檔案維護(hù)非常重要［58-59］。

4 醫(yī)療人工智能發(fā)展的挑戰(zhàn)與展望

隨著技術(shù)的進(jìn)步，人工智能與醫(yī)學(xué)的結(jié)合帶來(lái)了新的解決傳統(tǒng)慢性病管理問(wèn)題的可能性。但智能機(jī)器人在基層慢性病管理中也面臨著許多困難：

（1）智能機(jī)器不能完全替代醫(yī)務(wù)人員。盡管人工智能程序可以監(jiān)測(cè)生命體征并執(zhí)行基本護(hù)理任務(wù)，但在醫(yī)療決策中更注重追求患者治療效益最大化，而忽略了對(duì)患者內(nèi)心需求的人文關(guān)懷［60］。醫(yī)護(hù)人員的人文關(guān)懷是不可或缺的。智能機(jī)器人需要準(zhǔn)確理解用戶的指令并順利執(zhí)行，與患者不斷保持良好的溝通交流，以確保醫(yī)患之間的溝通一致。人文關(guān)懷能力仍然是智能機(jī)器人缺乏的能力［61］。

（2）智能機(jī)器人依靠選定的大數(shù)據(jù)進(jìn)行分析，但數(shù)據(jù)集的建立由研究人員選定，可能導(dǎo)致診療存在一定程度的偏差［62］。此外，當(dāng)使用算法做出決策時(shí)，如果這些算法傾向于某些人或群體，可能會(huì)損害其他人或群體的利益，加劇不公平［63］。

（3）患者對(duì)智能機(jī)器人的接受程度存在差異。由于人機(jī)交互方式不夠友好，很多老年患者對(duì)使用機(jī)器人持排斥態(tài)度。有學(xué)者基于Anderson健康行為模型開展研究發(fā)現(xiàn)患者對(duì)于新型服務(wù)模式的接受程度受年齡、性別、地區(qū)以及對(duì)慢性病知識(shí)了解程度等因素的影響［64-65］。

（4）隱私和數(shù)據(jù)安全問(wèn)題也很重要。確保智能機(jī)器人存儲(chǔ)的大量個(gè)人健康數(shù)據(jù)不受第三方攻擊和濫用是一個(gè)有待深思的問(wèn)題［66］。

（5）智能機(jī)器人的高昂成本也是一大問(wèn)題。盡管智能機(jī)器可以在一定程度上減輕醫(yī)療資源的負(fù)擔(dān)，但普及和推廣會(huì)受到其高昂成本的限制，維護(hù)和更新智能機(jī)器也需要花費(fèi)一定的資金［67］。為充分挖掘智能機(jī)器人在慢性病管理領(lǐng)域的潛能，需繼續(xù)進(jìn)行深入研究和探索。

（6）智能機(jī)器在醫(yī)患關(guān)系中的責(zé)任界定不明確，對(duì)于由智能機(jī)器人引起的延遲診療和程序錯(cuò)誤導(dǎo)致的誤診應(yīng)該明確責(zé)任界限［68］。

未來(lái)，醫(yī)療領(lǐng)域?qū)V泛應(yīng)用智能機(jī)器人。智能機(jī)器人將作為醫(yī)生的助手，幫助進(jìn)行診斷、監(jiān)測(cè)患者健康狀況，并提供個(gè)性化治療建議。在手術(shù)和治療過(guò)程中，其將提供精準(zhǔn)的支持，同時(shí)改善醫(yī)患之間的溝通，提高醫(yī)療服務(wù)的效率和質(zhì)量。隨著技術(shù)的進(jìn)步，智能機(jī)器人有望成為醫(yī)學(xué)領(lǐng)域的重要助力，推動(dòng)醫(yī)療水平的提升和醫(yī)療資源的合理利用。

5 小結(jié)

使用智能機(jī)器人能監(jiān)測(cè)、評(píng)估和干預(yù)高風(fēng)險(xiǎn)人群，輔助慢性病患者改變生活方式，有助于降低慢性病的發(fā)病率，這為慢性病患者提供了個(gè)性化的治療方案，也為基層慢性病管理帶來(lái)了更多可能性。目前研究者對(duì)智能機(jī)器人的研發(fā)更傾向于慢性病健康管理的思路設(shè)計(jì)，而對(duì)效能評(píng)估對(duì)照試驗(yàn)的研究較少。我國(guó)的醫(yī)療人工智能在法律倫理、數(shù)據(jù)安全、技術(shù)瓶頸和成本控制等方面仍存在問(wèn)題，這導(dǎo)致其應(yīng)用尚未得到全面推廣。為了實(shí)現(xiàn)智能機(jī)器人與基層慢性病管理的更好結(jié)合，需推動(dòng)相關(guān)法律法規(guī)的制定，加強(qiáng)技術(shù)人才的培養(yǎng)，保護(hù)患者的數(shù)據(jù)安全及促進(jìn)不同領(lǐng)域和學(xué)科的深度融合。

作者貢獻(xiàn)：張璇進(jìn)行文章的構(gòu)思與設(shè)計(jì)，文章的可行性分析，文獻(xiàn)/資料收集、整理，論文撰寫；張飛、李銘麟進(jìn)行論文的修訂；王佳賀負(fù)責(zé)文章的質(zhì)量控制及審校，對(duì)文章整體負(fù)責(zé)，監(jiān)督管理。

本文無(wú)利益沖突。

參考文獻(xiàn)

吳多文，范華，肖曉艷. 國(guó)內(nèi)慢性病的現(xiàn)狀、流行趨勢(shì)及其應(yīng)對(duì)策略［J］. 中國(guó)臨床康復(fù)，2005，9（47）：126-128. DOI：10.3321/j.issn：1673-8225.2005.47.067.

國(guó)家衛(wèi)生健康委員會(huì)疾病預(yù)防控制局 . 中國(guó)居民營(yíng)養(yǎng)與慢性病狀況報(bào)告 2020［M］. 北京：人民衛(wèi)生出版社，2020.

中華人民共和國(guó)國(guó)務(wù)院 . 中國(guó)防治慢性病中長(zhǎng)期規(guī)劃（2017—2025年）［A/OL］（2017-01-22）［2023-02-14］. https：//www.gov.cn/

zhengce/content/2017-02/14/content_5167886.htm.

中華人民共和國(guó)國(guó)務(wù)院新聞辦公室.《新時(shí)代的中國(guó)國(guó)際發(fā)展合作》白皮書［R/OL］.［2023-01-10］. https：//www.gov.cn/zhengce/2021-01/10/content_5578617.htm.

GULSHAN V，PENG L，CORAM M，et al. Development and validation of a deep learning algorithm for detection of diabetic retinopathy in retinal fundus photographs［J］. JAMA，2016，316（22）：2402-2410. DOI：10.1001/jama.2016.17216.

POPLIN R，VARADARAJAN A V，BLUMER K，et al. Prediction of cardiovascular risk factors from retinal fundus photographs via deep learning［J］. Nat Biomed Eng，2018，2（3）：158-164. DOI：10.1038/s41551-018-0195-0.

BAPTISTA D，F(xiàn)ERREIRA P G，ROCHA M. Deep learning for drug response prediction in cancer［J］. Brief Bioinform，2021，22（1）：360-379. DOI：10.1093/bib/bbz171.

鄧志東. 智能機(jī)器人發(fā)展簡(jiǎn)史［J］. 人工智能，2018，5（3）：6-11. DOI：10.16453/j.cnki.issn2096-5036.2018.03.001.

錢海章，張強(qiáng)，李帥. “十四五” 規(guī)劃下中國(guó)制造供給能力及發(fā)展路徑思考［J］. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2022，39（1）：28-50. DOI：10.13653/j.cnki.jqte.2022.01.005.

億歐智庫(kù). 2020中國(guó)服務(wù)機(jī)器人產(chǎn)業(yè)發(fā)展研究報(bào)告解析［J］. 機(jī)器人產(chǎn)業(yè)，2020（4）：83-100. DOI：10.19609/j.cnki.cn10-1324/tp.2020.04.016.

楊梅，胡薇，江長(zhǎng)勇. 社區(qū)慢性病主動(dòng)預(yù)約健康管理模式對(duì)原發(fā)性高血壓病的管理效果研究［J］. 中國(guó)全科醫(yī)學(xué)，2019，22（24）：2944-2948. DOI：10.12114/j.issn.1007-9572.2018.00.436.

龔學(xué)軍. 社區(qū)慢性病管理存在的問(wèn)題分析與對(duì)策［J］. 中醫(yī)藥管理雜志，2015，23（12）：134-135. DOI：10.16690/j.cnki.1007-9203.2015.12.009.

袁雪麗，孫苑瀠，倪文慶，等. 深圳市社區(qū)老年人高血壓治療和控制情況及其影響因素分析［J］. 中國(guó)慢性病預(yù)防與控制，2020，28（9）：653-658. DOI：10.16386/j.cjpccd.issn.1004-6194.2020.09.004.

劉曉迪，劉文浩，崔慶霞，等. 我國(guó)慢性病領(lǐng)域關(guān)鍵問(wèn)題的文獻(xiàn)分析［J］. 職業(yè)與健康，2018，34（11）：1565-1568. DOI：10.13329/j.cnki.zyyjk.2018.0472.

劉春凡，陳玉榮，張婕. 個(gè)體化健康教育模式在簽約家庭醫(yī)生團(tuán)隊(duì)的社區(qū)老年慢性病患者中的應(yīng)用［J］. 河南醫(yī)學(xué)研究，2020，29（19）：3483-3486. DOI：10.3969/j.issn.1004-437X.2020.19.009.

黃志杰，張雪姣，陳寶欣，等. 社區(qū)醫(yī)護(hù)人員對(duì) “互聯(lián)網(wǎng)+”

慢性病管理使用意愿的多水平線性模型研究［J］. 中國(guó)全科醫(yī)學(xué)，2019，22（28）：3432-3437. DOI：10.12114/j.issn.1007-9572.

2019.00.442.

施建華，顧慧，錢夢(mèng)岑，等. 基層醫(yī)療衛(wèi)生機(jī)構(gòu)公共衛(wèi)生服務(wù)工作量趨勢(shì)變化與分析［J］. 中國(guó)全科醫(yī)學(xué)，2020，23（34）：4291-4297. DOI：10.12114/j.issn.1007-9572.2020.00.480.

楊柳. 基層社區(qū)公共衛(wèi)生服務(wù)中慢性病管理現(xiàn)狀及對(duì)策研究［J］. 智慧健康，2022，8（10）：20-22. DOI：10.19335/j.cnki.2096-1219.2022.10.007.

王逸，殷安康，趙翔宇. 基于互聯(lián)網(wǎng)平臺(tái)的慢性病管理研究［J］. 中國(guó)農(nóng)村衛(wèi)生，2019，11（20）：17. DOI：10.3969/j.issn.1674-361X.2019.20.020.

王文，王向佳，謝江，等. 人工智能在老年慢性病共存病人自我管理中的應(yīng)用進(jìn)展［J］. 護(hù)理研究，2022，36（5）：869-873. DOI：10.12102/j.issn.1009-6493.2022.05.020.

谷孝云，楊效軍，谷張鵬. 智能語(yǔ)音外呼系統(tǒng)在公共衛(wèi)生服務(wù)中的應(yīng)用實(shí)踐［J］. 中國(guó)衛(wèi)生信息管理雜志，2023，20（2）：285-289. DOI：10.3969/j.issn.1672-5166.2023.02.020.

中華人民共和國(guó)國(guó)務(wù)院新聞辦公室.“健康中國(guó)2030”規(guī)劃綱要［A/OL］.［2023-10-25］. https：//www.gov.cn/zhengce/2016-10/25/content_5124174.htm#：～：text=%E8%A6%81%E8%A6%86%E7%9B%96%E5%85%A8%E7%94%9F%E5%91%BD%E5%91%A8%E6%9C%9F，%E9%9D%A2%E7%BB%B4%E6%8A%A4%E4%BA%BA%E6%B0%91%E5%81%A5%E5%BA%B7%E3%80%82.

司小平，丁臘春，王譯，等. AI機(jī)器人在區(qū)域智慧健康管理平臺(tái)中的應(yīng)用［J］. 醫(yī)學(xué)信息，2021，34（8）：13-16. DOI：10.3969/j.issn.1006-1959.2021.08.004.

葉征，史玲，祝墡珠，等. 人工智能技術(shù)助力家庭醫(yī)生雙簽約模式對(duì)社區(qū)老年高血壓患者健康管理的影響［J］. 老年醫(yī)學(xué)與保健，2023，29（4）：742-746. DOI：10.3969/j.issn.1008-8296.

2023.04.018.

REYNOLDS R，DENNIS S，HASAN I，et al. A systematic review of chronic disease management interventions in primary care［J］. BMC Fam Pract，2018，19（1）：11. DOI：10.1186/s12875-017-0692-3.

吳歡云，張釩，李國(guó)峰，等. 遠(yuǎn)程超聲發(fā)展研究現(xiàn)狀［J］. 現(xiàn)代醫(yī)院，2022，22（6）：919-921.

YU R Z，LI Y Q，PENG C Z，et al. Role of 5G-powered remote robotic ultrasound during the COVID-19 outbreak：insights from two cases［J］. Eur Rev Med Pharmacol Sci，2020，24（14）：7796-7800. DOI：10.26355/eurrev_202007_22283.

PU L H，MOYLE W，JONES C，et al. The effect of using PARO for people living with dementia and chronic pain：a pilot randomized controlled trial［J］. J Am Med Dir Assoc，2020，21（8）：1079-1085. DOI：10.1016/j.jamda.2020.01.014.

GUO Y，LIU X Y，PENG S，et al. A review of wearable and unobtrusive sensing technologies for chronic disease management［J］. Comput Biol Med，2021，129：104163. DOI：10.1016/j.compbiomed.2020.104163.

BRAILLON A，GRENON Q，TAIEBI F. Chronic disease and empathy：psychotherapy or placebotherapy？［J］. Rev Med Interne，2019，40（5）：340-341. DOI：10.1016/j.revmed.2019.01.002.

ZANATTA F，GIARDINI A，PIEROBON A，et al. A systematic review on the usability of robotic and virtual reality devices in neuromotor rehabilitation：patients' and healthcare professionals' perspective［J］. BMC Health Serv Res，2022，22（1）：523. DOI：10.1186/s12913-022-07821-w.

ZANATTA F，STECA P，F(xiàn)UNDARò C，et al. Biopsychosocial effects and experience of use of robotic and virtual reality devices in neuromotor rehabilitation：a study protocol［J］. PLoS One，2023，18（3）：e0282925. DOI：10.1371/journal.pone.0282925.

HWANG E J，MACDONALD B A，AHN H S. End-to-end dialogue system with multi languages for hospital receptionist robot［C］//2019 16th International Conference on Ubiquitous Robots （UR）. Jeju，Korea（South）. IEEE，2019：278-283. DOI：10.1109/URAI.2019.8768694.

?ZCAN B，KOK N，WALLENBURG J，et al. Diabetologist 2.0； patients perform diabetic tests using a multilingual robot［J］. Ned Tijdschr Geneeskd，2014，158：A8451.

逯改. 智能養(yǎng)老護(hù)理機(jī)器人的倫理反思與建議［J］. 醫(yī)學(xué)與哲學(xué)，2022，43（13）：47-51，56. DOI：10.12014/j.issn.1002-0772.

2022.13.10.

畢文倩，張鍇文，劉金，等. 智能機(jī)器人康復(fù)手套對(duì)腦卒中偏癱患者手功能的療效［J］. 中國(guó)康復(fù)，2023，38（3）：131-135. DOI：10.3870/zgkf.2023.03.001.

龐洪波，李勵(lì)，王艷武. 脊髓損傷患者步行功能康復(fù)設(shè)備的應(yīng)用進(jìn)展［J］. 黑龍江醫(yī)學(xué)，2022，46（24）：3070-3072. DOI：10.3969/j.issn.1004-5775.2022.24.038.

GUPTA S，KUMAR A. Study on early accurate diagnosis and treatment of COVID-19 with smart phone tracking using bionics［J］. SECURITY Priv，2023，6（5）. DOI：10.1002/spy2.303.

RAHIMIAN F，SALIMI-KHORSHIDI G，PAYBERAH A H，et al. Predicting the risk of emergency admission with machine learning：development and validation using linked electronic health records［J］. PLoS Med，2018，15（11）：e1002695.

SABERI-KARIMIAN M，KHORASANCHI Z，GHAZIZADEH H，et al. Potential value and impact of data mining and machine learning in clinical diagnostics［J］. Crit Rev Clin Lab Sci，2021，58（4）：275-296. DOI：10.1080/10408363.2020.1857681.

孫樂(lè)琪. 智慧家醫(yī)［N］. 北京日?qǐng)?bào)，2023-10-12（12）.

楊文靜，杜然然，呂章艷，等. 人工智能在疾病預(yù)測(cè)研究中可視化分析［J］. 中國(guó)公共衛(wèi)生，2021，37（5）：871-874. DOI：10.11847/zgggws1128486.

RAJKOMAR A，DEAN J，KOHANE I. Machine learning in medicine［J］. N Engl J Med，2019，380（14）： 1347-1358. DOI：10.1056/nejmra1814259.

洪子強(qiáng)，金大成，李宏超，等. 基于內(nèi)鏡的人工智能輔助診斷系統(tǒng)在早期食管癌診斷中準(zhǔn)確性的系統(tǒng)評(píng)價(jià)與Meta分析［J］. 中國(guó)胸心血管外科臨床雜志，2023，30（9）：1329-1336.

LACY A M，BRAVO R，OTERO-PI?EIRO A M，et al. 5G-assisted telementored surgery［J］. Br J Surg，2019，106（12）：1576-1579. DOI：10.1002/bjs.11364.

ZHAI Y K，XU X，CHEN B Z，et al. 5G-network-enabled smart ambulance：architecture，application，and evaluation［J］. IEEE Netw，2021，35（1）：190-196. DOI：10.1109/MNET.011.2000014.

ZHANG Y G，CHEN G C，DU H，et al. Real-time remote health monitoring system driven by 5G MEC-IoT［J］. Electronics，2020，9（11）：1753. DOI：10.3390/electronics9111753.

BUFFOLO F，BURRELLO J，BURRELLO A，et al. Clinical score and machine learning-based model to predict diagnosis of primary aldosteronism in arterial hypertension［J］. Hypertension，2021，78（5）：1595-1604. DOI：10.1161/HYPERTENSIONAHA.121.17444.

DAI L，WU L，LI H T，et al. A deep learning system for detecting diabetic retinopathy across the disease spectrum［J］. Nat Commun，2021，12（1）：3242. DOI：10.1038/s41467-021-23458-5.

李生，胡冬發(fā)，李森源，等. 醫(yī)院智能隨訪管理系統(tǒng)設(shè)計(jì)與應(yīng)用［J］. 醫(yī)學(xué)信息學(xué)雜志，2017，38（4）：24-27.

孫婷婷，陸緣.打造智慧醫(yī)療新場(chǎng)景 完善公衛(wèi)應(yīng)急體系［EB/OL］.［2022-12-13］. https：//www.dxh.gov.cn/XWZX/MTBD/202212/t20221213_2114708.shtml.

丁臘春，劉朝鳴. 孕產(chǎn)智能問(wèn)診本體知識(shí)庫(kù)研究與應(yīng)用［J］. 醫(yī)學(xué)信息學(xué)雜志，2018，39（1）：51-54，76. DOI：10.3969/j.issn.1673-6036.2018.01.012.

KATARIA S，RAVINDRAN V. Digital health：a new dimension in rheumatology patient care［J］. Rheumatol Int，2018，38（11）：1949-1957. DOI：10.1007/s00296-018-4037-x.

CHANG S H，CHEN Y G，PEI Y，et al. A cloud-based type-2 diabetes mellitus lifestyle self-management system［J］. Int J Web Grid Serv，2016，12（3）：240.

葛果，周佩如，劉雪彥，等. 糖尿病后醫(yī)療管理服務(wù)平臺(tái)的建設(shè)與應(yīng)用［J］. 護(hù)士進(jìn)修雜志，2016，31（14）：1291-1293.

YOM-TOV E，F(xiàn)ERARU G，KOZDOBA M，et al. Encouraging physical activity in patients with diabetes：intervention using a reinforcement learning system［J］. J Med Internet Res，2017，19（10）：e338. DOI：10.2196/jmir.7994.

CHEN R C，HUANG C Y，TING Y H，et al. A chronic disease diet recommendation system based on domain ontology and decision tree［J］. J Adv Comput Intell Intell Inform，2017，21（3）：474-482. DOI：10.20965/jaciii.2017.p0474.

BEN ELHADJ H，SALLABI F，HENAIEN A，et al. Do-Care：a dynamic ontology reasoning based healthcare monitoring system［J］. Future Gener Comput Syst，2021，118：417-431.

ROCA S，SANCHO J，GARCíA J，et al. Microservice chatbot architecture for chronic patient support［J］. J Biomed Inform，2020，102：103305. DOI：10.1016/j.jbi.2019.103305.

PLOUG T，HOLM S. The right to refuse diagnostics and treatment planning by artificial intelligence［J］. Med Health Care Philos，2020，23（1）：107-114. DOI：10.1007/s11019-019-09912-8.

鄒文卿，呂禹含. 智能醫(yī)療能否取代希波克拉底傳統(tǒng)［J］. 醫(yī)學(xué)與哲學(xué)，2021，42（18）：25-29. DOI：10.12014/j.issn.1002-0772.

2021.18.06.

王遠(yuǎn)旭，湯一鳴. 醫(yī)療人工智能倫理：?jiǎn)栴}·原因·對(duì)策［J］. 武漢冶金管理干部學(xué)院學(xué)報(bào)，2023，33（1）：25-28. DOI：10.3969/j.issn.1009-1890.2023.01.006.

LYSAGHT T，LIM H Y，XAFIS V，et al. AI-assisted decision-making in healthcare：the application of an ethics framework for big data in health and research［J］. Asian Bioeth Rev，2019，11（3）：299-314. DOI：10.1007/s41649-019-00096-0.

武雨，孫松蔚，宋蕾，等. 青島市居家失能老年人 “互聯(lián)網(wǎng)+” 長(zhǎng)期護(hù)理服務(wù)使用意愿的調(diào)查［J］. 中國(guó)護(hù)理管理，2021，21（8）：1152-1157. DOI：10.3969/j.issn.1672-1756.2021.08.008.

沈勤，徐越. 老年人參與“互聯(lián)網(wǎng)+慢性病管理” 意愿影響因素分析——基于Anderson健康行為模型的實(shí)證研究［J］. 衛(wèi)生經(jīng)濟(jì)研究，2020，37（1）：45-48.

竇佐超，汪誠(chéng)弘，鄧杰仁，等. 生物醫(yī)療大數(shù)據(jù)隱私與安全保護(hù)的應(yīng)對(duì)策略與技術(shù)［J］. 中華醫(yī)學(xué)圖書情報(bào)雜志，2019，28（11）：11-15. DOI：10.3969/j.issn.1671-3982.2019.11.002.

宋曉琳，尹梅. 人工智能在基層醫(yī)療衛(wèi)生機(jī)構(gòu)應(yīng)用中的倫理問(wèn)題研究［J］. 中國(guó)醫(yī)學(xué)倫理學(xué)，2020，33（7）：847-851.

陳安天，張新慶. 醫(yī)學(xué)人工智能輔助診療引發(fā)的倫理責(zé)任問(wèn)題探討［J］. 中國(guó)醫(yī)學(xué)倫理學(xué)，2020，33（7）：803-808.

（收稿日期：2023-12-20；修回日期：2024-03-26）

（本文編輯：程圣）