112篇文献画出智能输液现状：闭环控制罕见，且没有一套内建数据保护

影响分析 × AI技术供应商/创业者 ｜ 事实报道 × 医院信息化/临床医生 ｜ 行业观察

开场：输液是最常见的临床操作，也是自动化最慢的一环

静脉输液 (intravenous infusion) 是院内最基础的给药途径之一，床旁执行却长期停留在人工模式：由护士按医嘱设定滴速，靠巡视观察余量与通路，靠经验判断何时需要干预。与影像、检验等环节相比，输液这条链路的自动化推进明显偏慢，原因并不复杂——它把药物直接送进血管，任何算法失误都会被放大为真实的患者伤害。

物联网 (Internet of Things, IoT)、人工智能 (artificial intelligence, AI) 与可穿戴生物传感器 (wearable biosensors) 的组合，正在把这条链路拉进实时数据时代。2026年10月14日，《npj Digital Medicine》上线一篇系统综述，梳理 AI 驱动的监测、智能静脉输液自动化与可穿戴生物传感器的研究现状，并提出名为 INFUSYNC 的概念框架。对做院内智能化产品的供应商与创业者而言，这份材料值得读的地方，不在于它给出一个漂亮的增长故事，而在于把已经跑通的部分与仍然停留在纸面的部分清楚分开。

筛出来的112项：四个主题簇各占多少

这项综述按 PRISMA 标准执行系统检索，时间窗锁定在2020至2025年发表的文献，初检得到约1075条记录。随后逐级施加筛选条件，依次考察发表年份、同行评审质量、领域相关性与结局指标，最终纳入112项研究。

四个筛选维度值得留意。它意味着进入统计的并不是沾边即收的宽泛集合，而是要求有明确结局指标支撑的成果。这一点从侧面解释了后文为什么成熟案例数量有限：门槛本身就不低。

112项研究被归入四个主题簇，智能静脉输液系统30项，可穿戴生物传感器31项，AI与机器学习及物联网临床决策支持21项，物联网系统与安全性30项。分布本身带着信息量。真正落在智能输液系统上的研究并不是最多的，物联网系统与安全性占据了与它相当的分量，而临床决策支持方向相对单薄。换句话说，把监测设备和泵连起来这件事，受到的学术关注并不比把泵本身做聪明少。

综述据此提出 Intelligent IV Automation and Smart Patient Synchronization (INFUSYNC) 概念框架，试图把监测、自动输液与预测分析三者同步。作者把它定位为框架，而不是已经落地的产品形态，这个定位在后续引用时不应当被抬高。

已经做到的：可穿戴近临床级精度与智能泵的剂量错误削减

进展首先出现在感知层。综述指出，可穿戴设备在部分参数上已接近临床级精度 (near clinical-grade accuracy)，并且越来越多地支持非接触监测 (non-contact monitoring)。对输液场景来说，这意味着连续生理信号的获取不再必须依赖传统的贴附式或穿刺式监护路径，围输液期的观察窗口被拉长，护理人员不必靠定时巡视来捕捉变化。

执行层的进展集中在智能输液泵 (smart infusion pump)。配备剂量错误削减软件 (dose-error-reduction software)、药物库 (drug library) 与标准化警报 (standardized alerts) 的设备，被研究报告为提升了给药精度与安全性，AI 辅助决策支持同样被提及带来改善。这一层是四个主题簇中工程化程度最高的部分，因为它依托的是既有硬件平台上的软件增量，而不是一条全新的反馈链路。药物库与标准化警报的作用机制相对直白：把剂量上限与报警阈值固化进设备，在人为操作出错的瞬间拦截。

分析层上，预测模型 (predictive models) 可支持生理恶化的早期发现。对供应商而言这是最容易被包装成卖点的一层，也是临床验证门槛最高的一层。从提示可能恶化到据此调整输注策略，中间隔着因果推断、责任归属与给药权限三道关口，目前公开文献并未给出跨越这三道关口的证据。

没做到的：多数仍停在原型，闭环控制罕见

综述对现状的判断相当克制：多数 AI 输液系统仍停留在原型阶段 (prototype-stage)。实验室里跑通的算法，与病房里连续运行数百小时的系统，工程要求并不在同一量级。

闭环控制 (closed-loop control) 更为罕见。少数采用深度学习做闭环的尝试都停留在实验室环境，没有真实的临床部署记录。也就是说，在输液这件事上，由传感器、算法与泵构成自动反馈调节的完整链路，目前仍缺乏可引用的院内实证。

与此同时，互操作性 (interoperability)、数据安全 (data security) 与隐私 (privacy) 均未成熟。三者叠加，构成比单点算法精度更难绕开的落地障碍：输液设备要对接的是输液泵、监护仪、电子病历与护理系统，任何一方的数据接口与安全基线不一致，整体链路就难以闭合。

冷静观察：没有一套被综述的输液系统内建强健数据保护，安全设计要先于联网

最需要单独标出的一句话来自作者本人：所综述的输液系统中，没有一套内建强健的数据保护机制。对医院信息化与临床科室来说，这句话比任何精度指标都更值得先读。输液数据是高频、连续且与患者身份强绑定的生理信息，一旦设备联网而保护机制缺位，风险就不再是理论上的。

这也解释了为什么先联网、后补安全的路径在这条赛道上尤其危险。综述给出的方向是兼容、安全设计优先 (security-by-design)、经临床验证且带反馈控制的架构，顺序不能颠倒。

同样需要守住的边界是：INFUSYNC 是概念框架，不是已验证的临床系统。把它当作产品路线图来读是合理的，把它当作疗效或安全性证据来引用则越了界。

对创业者与供应商，这份综述指出的空档相当具体：非接触监测与剂量错误削减已经接近可用，闭环控制、互操作性与数据保护仍是空白区。对医院信息化与临床医生，它建议的采购顺序也很清楚，先问数据保护与接口兼容，再看算法指标。

原文链接：npj Digital Medicine

千方医数集编辑部 出品