WisPaper
WisPaper
学术搜索
科研问答
价格
TrueCite

哪些证据缺口阻碍了AI临床记录员的发展?

AI临床记录员确实提升了效率,但在准确性、纵向数据整合、针对护士的设计以及重复性研究方面仍存在不足,这限制了其安全推广。

直接答案

AI临床记录员可将每次就诊的记录时间缩短约2分钟,并减少下班后的工作量,但若干证据缺口阻碍了其广泛安全应用。最大的缺失环节包括:(1)缺乏证据证明现有记录对慢性病诊疗的准确性——当前工具常遗漏患者病史中的关键背景信息[3];(2)针对患者伤害或错误(尤其是幻觉与偏见)的研究极少[4][5];(3)几乎没有任何研究在不同诊所或非英语使用者群体中复现过结果[2][4]。纵观现有研究,较大规模的试验均显示时间节省效果,但定性研究与试点项目揭示了记录质量与安全性方面的严重隐患,而这些隐患尚未通过严谨的大规模研究得到解决。

5篇文献引用

本文由 WisPaper 驱动的搜索和论文分析生成。

AI临床记录员真的能为医生节省时间吗?

确实如此,但节省的时间并不多——每次就诊大约只省下2分钟。在一项针对某学术医疗系统内125名AI病历记录使用者的大型回顾性研究中,临床医生每次就诊在电子健康记录(EHR)上花费的时间减少了8.5%,相当于节省约2.4分钟[1]。同一项研究发现,撰写病历的时间下降了15.9%(约1.8分钟),而完成一次诊疗记录的时间则缩短了7.1小时[1]。然而,在非工作时间的“睡衣时间”——即在家完成的病历记录——并未显著减少,这表明该工具并未完全解决职业倦怠问题[1]

医生们自身报告称负担有所减轻。一项针对22名使用环境AI记录医生的定性研究显示,89%的医生表示该技术减轻了整体工作量,91%认为它改善了工作与生活的平衡[2]。但这些是自我报告的主观感受,并非客观的时间记录,且样本量较小且为自愿参与,因此可能存在选择偏差。

阻碍AI临床记录员普及的最大证据缺口是什么

最关键的差距在于缺乏严谨且可重复的试验。2022年的一项综述指出,几乎没有AI医疗工具经过独立重复验证,这意味着单一有缺陷的研究就可能导致不安全系统被广泛采用[4]。该综述还发现,AI试验中很少报告对患者造成的伤害——当工具可能产生幻觉或遗漏关键信息时,这种疏漏极为危险[4]

另一个重大差距在于对复杂慢性病的准确性。一项针对354次初级诊疗的试点研究发现,仅依赖环境音频的AI记录工具(仅听取对话内容)在糖尿病和高血压的文档完整性评分中仅得80.1分(满分100分),而该工具若能同时访问患者历史电子健康档案数据,评分则高达94.8分[3]。最大差异体现在“完整性”维度——差距达42.5分——这意味着仅靠音频的方式经常遗漏药物调整或化验趋势等重要背景信息[3]。这表明,若缺乏更深入的电子健康档案整合,现有工具在管理慢性病方面并不安全。

最后,关于这些工具在非英语患者群体、护理文档记录以及不同专科中的表现,几乎缺乏相关证据。一项研究发现,对非英语使用者功能有限是推广的主要障碍[2]。另一篇论文特别指出,护士正被排除在环境人工智能记录系统的设计与监督之外,这可能导致护理记录中出现幻觉、遗漏和偏见[5]

AI临床记录员在哪些条件下对谁最有益?

初级保健和门诊专科医生似乎受益最大,尤其是那些接诊量大、在文书工作上花费大量时间的医生。在本研究中规模最大的分析中,电子健康档案(EHR)使用时间减少了8.5%,这一效果涵盖内科亚专科、外科和初级保健领域,但在初级保健中最为显著[1]。原本文书工作负担较重的医生获益最大[1]

然而,这些益处很大程度上取决于工具的设计。定性研究发现,医生对长期使用持乐观态度,但笔记长度和编辑要求令其困扰——许多人认为AI生成的笔记过长或风格不符,需要大量手动修正[2]。多数医生对准确性和风格评价负面[2]。因此,只有当输出内容足够可用、编辑不会消耗节省的时间时,该工具才能真正节省时间。

证据还表明,当AI记录工具与患者的完整病史相结合时,其效果最佳。一项对比环境语音记录与病史增强记录的试点研究显示,后者在慢性病管理方面显著更优[3]。若缺乏这种整合,该工具可能会因遗漏关键信息而增加风险。

关于这些来源

该回答基于5篇经同行评审的研究——发表于2022年至2025年间,其中4篇为2024年及以后发表,1篇来自Q1期刊——这些研究是从5篇通过质量筛选的文献中选出的最具相关性的成果,而该筛选则源于从超过5亿篇论文数据库中检索到的36篇文献。

本文引用的文献

1

使用AI记录员与电子健康档案的效率提升。

在一项针对125名AI记录员用户和478名非用户的回顾性队列研究中,使用AI记录员与每次就诊的电子病历时间减少8.5%(约2.4分钟)以及记录时间减少15.9%相关,但在非工作时间文档处理或就诊量方面未见显著变化。

2

医生对环境AI记录员的看法

在一项针对22名医生的定性研究中,环境AI记录员被认为能降低认知需求(100%的评论提及)、时间需求(62%)和整体工作量(89%),但其准确性和风格评价为负面,且与非英语患者的功能使用成为主要障碍。

3

环境数据与纵向数据增强型AI文档的对比:一项量化初级诊疗中历史临床背景价值的试点研究

在一项针对354次初级诊疗的试点研究中,仅使用环境AI生成的病历记录在完整性上得分为80.1/100,而结合历史电子健康档案数据后得分提升至94.8/100——两者相差14.6分,这一差距主要源于完整性维度上42.5分的显著差异。

4

证据整合、数字记录员以及人工智能在医疗领域应用中的转化挑战

一项2022年的综述指出了人工智能在医疗领域面临的三个持续存在的转化挑战:AI试验缺乏可重复性、患者伤害报告不足,以及在不同临床环境中性能下降的问题。

5

隐形记录者:护士能否信任环境人工智能进行临床文档记录?

一篇评论文章指出,环境人工智能记录员在护理文档中存在产生幻觉、遗漏和偏见的风险,原因是护士被排除在设计与监督之外。文章呼吁在模型开发与审计中加强继续教育并发挥护士的领导作用。