本研究透過文獻計量分析，探討人工智慧（AI）在護理教育中的應用熱點與趨勢。分析截至2023年10月的Web of Science文獻，發現過去三年內相關文章數量持續上升，主要貢獻者為美國、新加坡國立大學及大田純教授。研究識別出十個高頻關鍵詞，並將熱點分為三大領域：AI增強的模擬機器人、機器學習與數據挖掘，以及自然語言處理。未來研究將聚焦於擴展AI應用、評估教育成果及處理倫理問題，建議探索技術應用及跨學科合作，以促進AI在護理教育的發展。 PubMed DOI

這項研究比較了重症監護病房（ICU）護理人員與生成式人工智慧（如ChatGPT-4和Claude-2.0）的診斷準確性。研究使用四個真實ICU案例，評估74名護理人員的表現，結果顯示護理人員在需要整體判斷的情境中表現優於AI，雖然某些AI在標準案例中表現相當。護理人員的回應較簡潔，而AI則較冗長。研究強調經驗豐富的護理人員在細緻決策上更具優勢，並呼籲進一步發展AI以提升其臨床決策能力。 PubMed DOI

這項研究探討了將人工智慧，特別是ChatGPT，融入護理教育的影響，重點在護理學生的倫理決策和臨床推理。研究於2023年9月進行，99名護理學生被分為兩組：一組使用ChatGPT，另一組則依賴傳統教科書。結果顯示，對照組在倫理標準和臨床推理上表現較佳。實驗組的反思文章指出AI輔助的可靠性較低，但時間效率有所提升。研究建議結合AI與傳統方法的混合教育，以增強護理學生的決策能力。 PubMed DOI

這項研究調查了土耳其護理人員對人工智慧（AI）和ChatGPT的態度，重點在於他們的知識和看法。研究期間為2023年12月至2024年3月，共有288名護理人員參與。結果顯示，48.3%的人知道ChatGPT和AI，27.8%曾使用過。使用AI的護理人員對AI的態度較正面，84.4%認為應接受AI教育，67%認為這有助於專業發展。雖然42.4%認為AI不會減輕工作負擔，但58.3%相信AI能提升病人護理品質。研究強調需開發能減輕護理負擔的AI技術。 PubMed DOI

這項研究探討了日本手術室護理人員在圍手術期的情感，特別是職業倦怠和離職因素。研究期間為2023年2月至2024年2月，透過半結構式訪談對10名護理人員進行調查。分析結合了生成式人工智慧和人類研究者，發現病人護理、手術安全和護理技能是主要主題。研究強調情感支持和有效溝通的重要性，以提升護理人員的福祉和工作滿意度。未來建議擴大樣本以驗證結果，並探索人工智慧在醫療中的應用。 PubMed DOI

人工智慧（AI）在醫療保健，特別是重症醫療中，顯示出改善病人結果的潛力。本系統性回顧分析了1364篇文章，最終納入24項研究，涵蓋傳統模型、機器學習、深度學習及生成式AI等技術。研究結果顯示，AI能有效預測術後併發症、ICU入院等健康結果。雖然AI在護理領域展現潛力，但研究多樣性使得無法明確評估其有效性，未來需進一步探討AI對護理結果的影響。 PubMed DOI

這項研究比較了經驗豐富的社區護理師與先進的生成式人工智慧（GenAI）在診斷準確性和臨床決策能力的表現。研究於2024年5至6月進行，114名以色列護理師參與，並針對四個醫療案例進行問卷調查。同時，收集了三個GenAI模型的回應。結果顯示，在10字限制下，護理師的準確性優於GenAI，雖然GenAI回應速度較快，但常顯得冗長。研究認為，儘管GenAI有潛力輔助護理，但目前人類醫師在臨床推理上仍具優勢，需進一步研究才能有效取代護理專業知識。 PubMed DOI

這篇文章介紹一套AI多代理人系統，能大幅簡化醫療模擬情境設計，開發時間可縮短七到八成。系統分工明確，從設定目標到建立病患故事都由AI協助，介面也很直覺，讓醫療人員不用懂AI也能上手。雖然效率提升，但還是需要專業人員監督，避免AI出錯。這也凸顯跨領域合作和AI在醫療教育推廣上的價值。 PubMed DOI

這項研究發現，護理學生雖然認同 AI 工具如 ChatGPT 有助學習，但也擔心會影響基本能力、學術誠信和專業形象。學生認為應強調實證、倫理和批判思考。研究建議學校應訂定政策、加強訓練並鼓勵討論，確保 AI 在護理教育中安全且合規使用，同時呼籲持續研究以降低風險、提升應用成效。 PubMed DOI

這篇綜述指出，AI在醫學住院醫師甄選主要用來評估偏見、預測錄取結果，以及和人工審查比較。雖然AI有助提升效率和公平性，但也可能複製偏見、適用性有限，且透明度不足。未來還需要更多研究，才能讓AI在甄選過程中更負責任且有效地運用。 PubMed DOI