护士药物剂量计算训练App

这是《BMC护理》（BMC Nursing, BMCN）2026年9月刊的一篇研究。研究人员主要来自于埃及。论文题目是《基于自适应人工智能的移动端模拟训练：提升护士药物剂量计算能力的混合方法随机对照试验》 / <Adaptive AI-based mobile simulation for drug calculation competency in nurses: a mixed-methods RCT>

音频速览

研究过程和结果

药物剂量算错，是长期困扰医疗安全的问题之一。

研究者发现，原因不只是数学不好，更多是概念没吃透，加上忙起来一紧张，就容易出错。

此次埃及研究团队做了一个手机 App，把真实的病房情境搬进手机里：每个案例都有完整的患者信息、医嘱、化验结果、药物浓度和剂型，护士要像平时上班一样，去读这些信息，然后判断该给多少量、静脉推注多少、泵速调到多少、按体重怎么换算……

关键在于，App会根据护士的表现，自动调难度。护士连续答对，App就给护士更复杂的病例；护士反复在某类题上出错，App就停下来，给护士更多同类练习和针对性的讲解，还会记录护士常犯什么错、反应时间多长。

研究者在埃及一家医院开展嵌入式混合方法两臂 RCT，56 名在职护士按 1:1 随机分组。两组接受同样三次课（两周，每次 60–90 分钟），App干预组额外使用自研自适应 AI 药物计算 App。

研究得到结论：App干预组在知识、临床决策、自我效能方面，都得到显著提升。

Agent的一种可能实现

研究原文没有展示实际的系统界面，笔者想象、并试图复刻该App效果如下所示：

一些想法和讨论

笔者看了半天，也没有发现此次研究内容和其标题中说的AI-based到底有啥关系……这篇研究里的“AI”，其实是一套“基于规则（rule-based）的自适应出题引擎”，严格意义上并不包含机器学习或大模型。

这篇论文虽然没真的用上 AI，但“药物计算”这个领域，AI还是有潜在的应用场景的，比如：

• 实时出题：不用事先备题库，基于药品知识库，实时生成案例

• 剂量计算：输入体重、年龄、肾功能、药品规格，自动输出该给多少量、泵速调到多少，把护士从心算和草稿纸里解放出来

• 医嘱抽取：这是剂量计算的前置环节。临床上医嘱可能是医生用自然语言写的，比如口头下达的、手写在转诊单上的、记在交班本里的等待，需要把它们拆成药名、剂量、单位、途径等结构化字段，才能送进算法算出执行量。抽不出来，后面就算不动

但是！前述三个场景，虽然看起来可行，如果真的付诸实践，目测会遇到各种问题：

• 出题的坑在于算术。剂量计算题的答案必须唯一、数值必须精确，而AI大模型其实并不擅长多步算术。AI可能会一本正经算出一个错误的泵速，还配一段看起来很专业的解析

• 计算的坑在于没必要。这类算法是确定的、可完整测试的，医院里的输液泵药物库和既有的决策支持系统，早就在做，AI 在这个场景，非但没有优势，而且还有不可解释、不可复现的风险

• 抽取的坑在于静默失败。漏掉“青霉素过敏禁用”、把“首剂加倍”固化成常规剂量、医嘱里没写体重却自己抓个数字填进去。输出语法完美、数值合理，语义却偏了。而这个环境偏偏在最上游，错了之后，下游的确定性算法，会忠实地把错误算成一个看起来无比专业的结果

所以笔者反倒觉得，传统信息化有其不可替代的价值，并不是“AI赋能了”，就更高级了，效果更好了。

所以到底哪些护理场景适合AI，哪些场景不适合，如何分辨、取舍，其实是个难点。护理和计算机，都是比较专业的领域，存在隔行如隔山的问题；而这，也凸显了医工交叉的重要性。近三年来，笔者团队和一些医院、高校合作，进行了为数不少的“护理+AI”实践，积累了一些“医工交叉”的一手经验。感兴趣的老师，欢迎长按识别以下二维码，添加笔者微信，进一步详细沟通~

知识卡片

如果觉得写得还不错，欢迎点赞、私信、转发、打赏哟~您的支持，是我坚持下去最大的动力！

长按识别下图二维码，免费查看「文章合集」（含2021/2022/2023/2024/2025年历史文章）以及「论文原文」。（机器人自动回复，无需聊天）