AORN 发布手术室 AI 整合指南，强调治理、验证与人类责任

AORN 发布手术室 AI 整合指南，强调治理、验证与临床责任

随着人工智能越来越多地进入手术室，美国围手术期注册护士协会 AORN 发布了《Guideline for Integration of Artificial Intelligence》，希望帮助围手术期团队在外科环境中更安全、更合乎伦理地评估、部署和管理 AI 技术。

AORN 指出，AI 工具可以用于手术风险预测、术中提醒和术后结果分析，但医院不能把它当作普通 IT 系统上线。因为 AI 模型不仅可能带来偏差，还会随着时间发生漂移，并在高压临床环境中以不易察觉的方式影响医护人员判断。

在部署前建立治理机制

AORN 认为，第一道防线应当是跨学科治理结构。参与者不应只包括 IT 和管理人员，还应覆盖围手术期护士、麻醉专业人员、外科医生、信息学人员、网络安全、风险管理、法务，最好还应纳入患者代表。

该治理团队应从技术选型阶段开始介入，一直管理到系统退役，明确训练数据透明度、模型局限性、公平性要求，以及该工具是否真正符合机构的临床优先级与安全文化。

本地验证不能只看厂商指标

AORN 明确提出，厂商提供的性能数据远远不够。医院必须在本地患者群体、本地工作流、本地排班和本地文档实践条件下验证模型表现，才能知道它在本院究竟是否可靠。

因此，机构在正式上线前应使用本地数据开展测试，进行可用性和人因评估，设定性能阈值，完成网络安全审查，并提前准备回滚方案。部署之后，还需要为工具明确临床负责人和技术负责人，持续监控性能、审查事件，并在结果开始异常时及时响应。

培训临床人员“质疑”而不是“接受”

AORN 还强调，教育不能停留在抽象概念层面，而应结合真实围手术期工作流开展。临床人员需要知道自己面对的是预测模型、决策支持还是自动化工具，理解模型使用了什么数据、如何开发、如何验证。

更关键的是，医护人员必须理解“决策支持”和“替代决策”之间的边界。AI 可以增强专业判断，但不能替代执业临床人员的法律和伦理责任。培训还应涵盖自动化偏差问题，避免医护人员因为模型给出的分数或提醒看起来“很像那么回事”而放弃主动判断。

持续审查手术全流程中的偏差

AORN 提醒，偏差可能出现在术前、术中和术后各个阶段。例如，训练数据可能低估某些族群、社会经济背景或病情复杂患者；电子病历本身也可能把既有系统性偏差带入模型；算法变量权重设置不当，则可能在看似合理的数据上输出不公平建议。

这种风险会直接影响手术适应证判断、知情同意讨论、ICU 床位分配、术中干预提醒、术后监测强度、出院时点以及随访安排。为此，医院应在多样化本地人群上测试模型，比较不同人群间的表现差异，要求外部验证证据，并在部署后持续审计漂移和不平等现象。

AI 只能辅助，最终责任仍归临床人员

AORN 的立场非常明确：AI 可以支持临床决策，但不能取代持证临床人员的判断和问责。任何可能影响患者照护的高影响力建议，都应经过人工审核；机构也应设置清晰的升级路径和覆盖规则，以便在 AI 输出与患者实际情况不一致时，医护人员能迅速接管。

这份指南的意义在于，它把手术室 AI 重新定义为一种动态的高风险临床系统，而不是单纯的软件产品。对于医院 CIO 和临床管理者而言，安全落地的关键不只是采购先进工具，而是从治理、验证、培训、偏差审计到责任划分，建立完整的生命周期管理机制。