AI临床记录员是否已准备好投入临床部署？

关于AI临床记录员，最佳证据显示了什么？

迄今为止最严谨的研究是一项2025年开展的随机试验，涉及14个专科的238名医生[1]。该研究发现，与常规诊疗相比，AI病历记录工具Nabla将文书工作时间缩短了9.5%，而另一款工具DAX Copilot则未显示出显著减少。两款工具均改善了医生在Mini-Z量表上的职业倦怠评分（DAX：在10-50分量表中提升2.83分，Nabla：提升2.69分），并降低了医生的任务负荷。然而，临床医生报告称，偶尔会出现具有临床意义的不准确记录（在频率量表中平均得分为2.7-2.8分，其中1分代表“从未出现”，5分代表“总是出现”）。这意味着该技术虽有助益，但错误仍需警惕。

一项2025年针对125名AI病历记录使用者的回顾性队列研究[3]发现，与非使用者相比，使用者花在电子健康档案上的时间减少了8.5%（约每次就诊2.4分钟），花在病历记录上的时间减少了15.9%（约每次就诊1.8分钟）。该研究采用了严格的倾向评分匹配法以减少偏差，从而强化了AI病历记录可提升效率的结论。然而，其效果幅度有限——每次就诊仅节省数分钟——可能不会显著改变临床医生的工作节奏。

主要局限和风险有哪些？

准确性是最大的担忧。在一项随机试验[1]中，两位记录员在“临床显著不准确性”方面得分约为2.7-2.8分（满分5分），意味着错误偶有发生。一项针对22名医生的定性研究[2]发现，尽管大多数医生认为AI记录员减轻了认知负荷（100%的评论为正面）并改善了工作与生活的平衡（91%为正面），但对准确性和记录风格的看法“普遍负面”。医生们抱怨记录过于冗长，且需要大量编辑，这可能会抵消节省的时间。

该技术在处理非英语使用者及复杂病例时仍存在困难。同一项定性研究[2]指出，对非英语患者的功能有限是一个关键障碍。一项姑息医学试点研究[5]显示出参差不齐的结果：一名住院医生节省了大量时间，而另一名医生则未见改善；且随着时间推移，人工智能的整理效果与实用性仅对一名用户有所提升。这表明，个体用户技能与临床背景对结果有显著影响。

即使在25个住院手术场景的受控模拟中[6]，DAX Copilot在准确性和完整性上获得了46.9分（满分50分），但仍需进行基础编辑以符合手术记录格式。作者对其组织性和实用性给出了4分（满分5分）的评价，指出它“即将彻底改变”文档记录方式，但还需在真实患者诊疗中进一步测试。

那么，AI临床记录工具准备好投入临床了吗？

在某些场景下，答案是“基本可行”，但若要实现广泛、独立的应用，则“时机未到”。2025年一项涵盖八项研究的系统性综述[4]指出，AI医疗记录员在提升文档处理效率和临床工作流程方面展现出潜力，但现有证据“有限且参差不齐”。多数研究样本量较小且局限于特定场景，限制了结论的普适性。该综述强调，不同技术方案和实施路径的准确性差异显著。

核心结论：AI医疗记录员能够减少门诊初级诊疗及部分专科的文书工作时间与职业倦怠，尤其在使用意愿强烈的临床医生中效果显著。但这并非即插即用的解决方案——它需要持续的人工监督，对英语患者群体效果最佳，且可能需要针对不同病历风格进行定制。计划部署的诊所应先行试点，开展用户培训，并重点监测复杂病例中的错误。该技术正快速迭代，但截至2025年，它仍是辅助工具，无法替代临床医生的专业判断。

关于这些来源

该回答基于6篇经同行评审的研究构建而成——其中发表于2025年的1篇，2024年及之后的6篇，4篇来自Q1期刊，合计被引95次——这些研究是从通过质量筛选的6项研究中选出的最具相关性的成果，而后者又源自从超过5亿篇论文数据库中检索到的51篇文献。

本文引用的文献

相关研究问题