肿瘤

订阅

MedSci主页 / 所有栏目 / 肿瘤

JMIR Nursing：癌症照护新方向，AI 症状预测模型能否被临床护士真正接纳？

2026-04-14 熊佳仪 MedSci原创 发表于上海

人工智能肿瘤护理创新扩散
关注

15名肿瘤科护士全部认为提前接收症状恶化风险信息有帮助，86%认同其有助于早期干预，多数护士认可模型在改善症状管理和提升效率方面的潜力，但同时强调需确保模型透明及护士参与开发验证。

深度解析医学证据，DeepEvidence为你支撑决策 接受癌症治疗的患者承受着显著的症状负担，而现有的症状管理流程依赖于患者主动报告症状恶化后临床团队再作出响应，这种被动模式难以提前预测并阻断症状的急剧进展。近年来，借助人工智能中的机器学习与深度学习技术构建的预测性症状模型开始崭露头角，这类模型能够通过分析症状数据识别症状恶化的早期风险，从而为提前干预创造机会，避免后续不良后果的发生。然而，将此类预测模型整合至临床实践离不开肿瘤科护士对新型症状管理模式的理解与采纳。为此，该研究以罗杰斯创新扩散理论为指导框架，旨在探索肿瘤科护士对人工智能症状预测模型在癌症照护中应用的感知，并分析影响其采纳该项症状管理创新的关键因素。 研究采用混合方法评价设计，于2024年12月至2025年1月期间通过便利抽样与滚雪球抽样法，在全美范围内招募了15名具有一年以上肿瘤科工作经验的注册护士。所有参与者均为女性，平均年龄44.6岁，平均护理执业年限18.33年，其中在肿瘤科的平均工作年限为14.10年，超过半数拥有硕士或博士学位。研究者根据创新扩散理论中的相对优势、兼容性、复杂性、可试验性与可观察性五大属性编

相关资料下载：
[AttachmentFileName(sort=1, fileName=nursing-v9-e82283.pdf)] GetArticleByIdResponse(id=88dd934352f0, projectId=1, sourceId=null, title=JMIR Nursing：癌症照护新方向，AI 症状预测模型能否被临床护士真正接纳？, articleFrom=MedSci原创, journalId=18749, copyright=原创, creationTypeList=[1], summary=15名肿瘤科护士全部认为提前接收症状恶化风险信息有帮助，86%认同其有助于早期干预，多数护士认可模型在改善症状管理和提升效率方面的潜力，但同时强调需确保模型透明及护士参与开发验证。, cover=https://img.medsci.cn/20260316/1773656621670_8538692.jpg, authorId=0, author=熊佳仪, originalUrl=, linkOutUrl=, content=深度解析医学证据，DeepEvidence为你支撑决策 接受癌症治疗的患者承受着显著的症状负担，而现有的症状管理流程依赖于患者主动报告症状恶化后临床团队再作出响应，这种被动模式难以提前预测并阻断症状的急剧进展。近年来，借助人工智能中的机器学习与深度学习技术构建的预测性症状模型开始崭露头角，这类模型能够通过分析症状数据识别症状恶化的早期风险，从而为提前干预创造机会，避免后续不良后果的发生。然而，将此类预测模型整合至临床实践离不开肿瘤科护士对新型症状管理模式的理解与采纳。为此，该研究以罗杰斯创新扩散理论为指导框架，旨在探索肿瘤科护士对人工智能症状预测模型在癌症照护中应用的感知，并分析影响其采纳该项症状管理创新的关键因素。 研究采用混合方法评价设计，于2024年12月至2025年1月期间通过便利抽样与滚雪球抽样法，在全美范围内招募了15名具有一年以上肿瘤科工作经验的注册护士。所有参与者均为女性，平均年龄44.6岁，平均护理执业年限18.33年，其中在肿瘤科的平均工作年限为14.10年，超过半数拥有硕士或博士学位。研究者根据创新扩散理论中的相对优势、兼容性、复杂性、可试验性与可观察性五大属性编, belongTo=, tagList=[TagDto(tagId=8461, tagName=人工智能), TagDto(tagId=85887, tagName=肿瘤护理), TagDto(tagId=520940, tagName=创新扩散)], categoryList=[CategoryDto(categoryId=5, categoryName=肿瘤, tenant=100), CategoryDto(categoryId=79, categoryName=护理, tenant=100), CategoryDto(categoryId=84, categoryName=研究进展, tenant=100), CategoryDto(categoryId=20656, categoryName=梅斯医学, tenant=100)], articleKeywordId=0, articleKeyword=, articleKeywordNum=6, guiderKeywordId=0, guiderKeyword=, guiderKeywordNum=6, opened=0, paymentType=1, paymentAmount=5, recommend=0, recommendEndTime=null, sticky=0, stickyEndTime=null, allHits=2236, appHits=1, showAppHits=0, pcHits=54, showPcHits=2235, likes=0, shares=0, comments=0, approvalStatus=1, publishedTime=Tue Apr 14 13:47:00 CST 2026, publishedTimeString=2026-04-14, pcVisible=1, appVisible=1, editorId=6556186, editor=护理新前沿, waterMark=0, formatted=0, deleted=0, version=4, createdBy=074a6512445, createdName=xiongjy, createdTime=Fri Apr 10 16:22:01 CST 2026, updatedBy=92910, updatedName=rayms, updatedTime=Tue Apr 14 13:48:20 CST 2026, ipAttribution=上海, attachmentFileNameList=[AttachmentFileName(sort=1, fileName=nursing-v9-e82283.pdf)], guideDownload=1, surveyId=null, surveyIdStr=null, surveyName=null, pushMsXiaoZhi=true, qaList=[{id=2044708, encryptionId=7a7d2044e08e1, articleId=88dd934352f0, userName=administrator, question=对于老年癌症患者，AI症状预测模型需要特别考虑哪些因素？, answer=需考虑老年患者的多病共存状况、非典型症状表现、药物相互作用以及数字鸿沟带来的技术使用障碍。, clickNum=0, type=article, createdAt=1776145718112, updatedAt=1776145718112}, {id=2044712, encryptionId=79b72044e121f, articleId=88dd934352f0, userName=administrator, question=在资源有限的医疗环境中，如何分阶段实施AI症状预测系统？, answer=可优先在高风险患者群体中试点，逐步扩展预测症状范围，同时利用开源工具降低技术门槛，建立区域性协作网络共享资源。, clickNum=0, type=article, createdAt=1776145718112, updatedAt=1776145718112}])
nursing-v9-e82283.pdf
评论区 (1)
#插入话题
  1. [GetPortalCommentsPageByObjectIdResponse(id=2307511, encodeId=9559230e511d0, content=<a href='/topic/show?id=d3a024808e0' target=_blank style='color:#2F92EE;'>#人工智能#</a> <a href='/topic/show?id=11b28294828' target=_blank style='color:#2F92EE;'>#肿瘤护理#</a> <a href='/topic/show?id=ec4b139248e9' target=_blank style='color:#2F92EE;'>#创新扩散#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=41, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=24808, encryptionId=d3a024808e0, topicName=人工智能), TopicDto(id=139248, encryptionId=ec4b139248e9, topicName=创新扩散), TopicDto(id=82948, encryptionId=11b28294828, topicName=肿瘤护理)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=cade5395722, createdName=梅斯管理员, createdTime=Tue Apr 14 13:48:21 CST 2026, time=2026-04-14, status=1, ipAttribution=上海)]
    2026-04-14 梅斯管理员 来自上海

    #人工智能# #肿瘤护理# #创新扩散#

    0

相关资讯

Allergy：过敏性鼻炎及其对哮喘新指南首次纳入行星健康、真实世界数据与 AI 辅助决策

ARIA-EAACI 2024-2025指南的制定方法本身即是一种创新，通过多源证据整合、人工智能辅助和患者深度参与，为过敏性鼻炎的管理提供了全面、透明且可落地的实践方案。

Frontiers in Endocrinology ：开源AI系统Deplasia让复杂儿科骨龄判读更高效、更精准

本研究成功验证了开源深度学习系统Deplasia在患有罕见综合征、内分泌疾病及溶酶体贮积症的复杂儿科人群中应用的可靠性。

Hepatology：AI驱动的合成数据生成加速肝病学研究——基于美国器官共享联合网络数据库的验证

该研究证实了基于扩散模型生成的合成数据能够高度保真地还原复杂肝病临床数据的统计特性、临床关联与预后模式，

Lancet Oncology：AI凭病理切片精准预测乳腺癌复发风险，替代高价基因检测不是梦

该研究首次利用随机临床试验数据验证AI病理模型的化疗获益预测价值，其构建的模型成本低、可及性高，有望减少不必要的化疗，推动精准肿瘤学在资源有限地区的普及。

JAMA Dermatol：AI与皮肤科医师“同台竞技”，黑色素瘤皮肤镜诊断效能旗鼓相当

AI系统在黑色素瘤皮肤镜诊断中可达到与皮肤科医生相当的效能，作为决策支持工具有望提升诊断表现。

JMIR Nursing：影响重症监护护士人工智能接纳度的关键因素

哈伊勒地区重症监护护士对人工智能具备中等水平的知识储备与总体积极的态度，且两者之间存在明确的正向关联。

人工智能联合情景模拟教学法提高非麻醉专业住院医师规范化培训的麻醉技能

本研究旨在比较AI联合情景模拟教学法与AI联合传统教学法在非麻醉专业住培学员麻醉相关技能教学中的效果差异。

Int J Obes：融合多基因评分与早期因素揭示BMI从童年到成年的动态变化规律

该研究通过可解释AI模型，揭示了童年BMI z评分与多基因评分在BMI轨迹中的动态作用，强调了5岁这一关键时期的BMI作为肥胖风险生物标志物的潜力。

Int Forum Allergy Rhinol：实时机器学习辅助鼻内镜鼻窦炎诊断，一项基于临床图像的验证研究

这项研究首次验证了一个用于鼻内镜诊断鼻窦炎的实时机器学习临床决策支持框架。其诊断性能可与经验丰富的耳鼻喉科医生相媲美，并具备实时处理能力。