爱思唯尔发布ClinicalKey Nursing AI：首个专为护士打造的临床AI，护理方案已覆盖2800多家医院
9月30日，爱思唯尔宣布在全球推出ClinicalKey Nursing AI，这是首个专为护士设计、嵌入护理工作流的临床AI工具，支持护士用自然语言就操作、用药、出院计划等提问，答案附可溯源引文，内容来自爱思唯尔期刊、Clinical Skills及美国急诊护士协会与重症护理护士协会指南。爱思唯尔护理方案已覆盖全球2800多家医院。其报告显示，仅41%的护士在工作中使用AI，医生为57%。注册护士试点中超过九成称决策信心提升，四分之三称节省班内时间。
41%对57%：爱思唯尔把临床AI压进护理班次，2800多家医院是底座
影响分析 × 医院信息化与临床医生 ｜ 事实报道 × AI技术供应商与创业者 ｜ 产品发布
9月30日，爱思唯尔（Elsevier）在纽约宣布全球推出ClinicalKey Nursing AI，定位为首个专为护士打造、嵌入护理工作流的临床AI工具。与其同时给出的两个关键数字并不来自产品本身：护理方案已覆盖全球2800多家医院，而只有41%的护士在岗使用AI，比医生的57%低了16个百分点。
开场：护士用AI的比例，比医生低了16个百分点
这组落差出自爱思唯尔自己的报告《2026年未来医护人员：护士版》（Clinician of the Future 2026: Nurses Edition）。报告的解释是：并非护士排斥技术，而是缺少为护理场景设计的工具，护士被迫退回通用型聊天工具，答案可信度不稳定，也不贴合班次的组织方式。这不是意愿问题，是供给侧的问题。
护理工作的时间结构与门诊不同。一个班次被呼叫铃、给药时点、交接班和突发状况切碎，护士在多张床位之间切换上下文，任何需要长段描述、多轮澄清的工具都会被放弃。而多数面向医生的临床AI默认使用者能坐下读完一段推理，默认问题是诊断与治疗方案，与床旁执行层面的护理操作、用药核对、出院计划并不完全重合。
结果是使用率的分层。41%这个值之所以重要，不是因为它低，而是因为它发生在高度信息化的场景里：护士每天向电子病历输入大量结构化数据，却很难从同一套系统里拿回同样结构化的支持。同时多国医疗系统普遍面临护理人力短缺、资深护士流失与新护士胜任周期拉长的压力，使得每一次无效操作时间的代价都被放大。
这次发布的是什么：一个会给出处的床旁问答工具
产品形态相当克制：护士用自然语言提问，系统在护理操作、用药、出院计划等场景给出回答，每条回答附明确引文，护理人员保留决策主导权。它没有把自身包装成自主决策系统，角色被限定在检索、整理与溯源。这个定位与护理工作的责任结构直接相关，也要求答案必须可逐条核对，而不是一段无法拆解的建议。
内容底座是这次发布最重的地方。答案来源包括爱思唯尔期刊全文，如《Journal of Emergency Nursing》等；覆盖急症、重症、精神卫生、肿瘤与通用急症的Clinical Skills；以及美国急诊护士协会（ENA）的《Emergency Nursing Core Curriculum》、Sheehy急症医护手册、美国重症护理护士协会（AACN）的《Procedure Manual for Progressive and Critical Care》、Goldman-Cecil Medicine等临床实践图书。
把这些来源放在一起看，指的是一类特定问题：流程性、操作性和边界明确的执行层问题，而非开放式诊断推理。这也解释了为何引文机制是产品的一部分而非装饰：护理操作在不同机构存在本地差异，同一项置管的固定方式、同一种药物的冲管流程都可能随院区协议调整，护士需要先知道答案出自哪一版哪一章，才能判断它在本院是否适用。
2800多家医院与41%：落差就是市场
2800多家医院是理解这次发布的商业坐标。它意味着护理内容已经有了现成的付费入口、采购路径与临床教育渠道，新产品不必从零建立信任，只需要在既有合同中增加一个模块。对一个长期渗透不足的品类而言，装机的边际成本远低于获客成本，这才是那16个百分点的落差能被称作市场的现实基础。
反过来看，此前的长期空缺并非偶然。护理知识中有大量未被写进出版物的部分：床位的实际排布、交接班的口头传统、某个病区的默认做法，这些无法被收录；而能被收录的操作规范又分散在多个版权方手中，结构化成本高。相比之下，面向医生的决策支持已有较成熟的市场模板与付费方，资本和工程资源自然先流向那里。
三方表态勾勒出边界。纪念斯隆·凯特琳癌症中心首席护理官Tracy Gosselin称，针对护士复杂工作流设计的临床AI方案至关重要，护士长期只能依赖过于通用或面向医生的工具；美国急诊护士协会（ENA）主席Dustin Bass称，该平台延续了ENA五十年来的循证实用教育承诺。爱思唯尔临床解决方案总裁Omry Bigger更直白：护士过去只能在通用AI、面向医生的AI或完全没有AI支持之间做选择。
九成信心、四分之三省时：试点数据该怎么看
试点数据目前只有厂商口径。注册护士试点中，超过九成称该工具提升了临床决策信心且贴合日常工作流，四分之三称节省了班内时间。需要留意的是，样本量与试点机构范围均未披露，对照方式也未说明，因此这两个数字只能作为方向性信号，其与真实班次收益之间的换算关系目前无从验证。
两个指标的选择本身值得玩味。信心与贴合度是主观感受，省时是自我报告的时间估计，都不需要客观记录就能提升。早期采用者偏差、霍桑效应以及试用期的额外关注，都会把这类数字向上推。真正难被自我报告捕捉的是核对成本：护士点开引文、对照本院协议、判断是否适用，这段时间是节省还是新增，取决于本院协议与来源内容的一致程度。
因此更合理的读法是：这两个数字证明产品没有与工作流打架，而非证明它已改变护理现场的时间结构。采购方可以在自己院内补上对照——选定病区，记录给药核对、出院宣教等固定环节的操作耗时与使用轨迹，而不是沿用厂商给出的试点结论。按爱思唯尔的说法，产品将于今年内面向客户开放。
冷静观察：把答案压进班次是对的，但护理判断的责任主体不会转移
把答案压进班次，方向是对的。护理现场缺的不是更多知识入口，而是更少的上下文切换：问题若在操作中产生，就应在操作中解决，而不是等到交接班后回到工作站检索。一个带出处、允许被打断后快速回到原位继续的问答界面，比一个需要重新登录、重新陈述病情的完整系统更接近真实的护理节奏。
但保留决策主导权这句话，同时也是责任边界的声明。引文是否最新、是否与本院协议冲突、是否存在本地禁忌的判断，最终仍由护士和所在机构承担；AI提供的是可追溯的材料，不是可转移的责任。这让上线工作量真正落在治理侧：证据更新频率如何保证、版本如何留痕、来源内容与院内协议不一致时以谁为准、冲突如何上报。
接下来值得盯的不是发布会上的百分比，而是三个慢变量：使用率能否从41%追上医生的57%，取决于它是否进入工作站的默认路径而非新增一个标签页；它能否被纳入护理质量与胜任力考核，即从辅助材料变成职业发展的基础设施；以及当引用内容与本地实践冲突时，机构是否建立明确的裁决机制。任一缺位，工具就会退回它本要替代的位置。
原文链接：source
千方医数集编辑部 出品
