《Eye》：A new era of efficiency: artificial intelligence scribes and the future of ophthalmology
编辑推荐：
有效的醫療記錄對臨床溝通、患者安全和醫生福祉至關重要，但繁重的電子健康記錄（EHR）文書工作增加了行政負擔。為此，研究人員探討了將人工智能（AI）文書工具（AI scribe）整合到眼科實踐中的應用與前景。文章指出，AI scribe能顯著減少文檔時間、改善醫患互動並生成通俗易懂的患者摘要，但同時存在錯誤風險、算法偏見和數據隱私等侷限。這項研究強調了AI在眼科高效、安全轉型的潛力，並呼籲進行更多討論與研究。
在現代醫療中，一份清晰、準確的醫療記錄是保障患者安全、支持連續性照護、進行合法備案和完成醫療計費的基石。然而，這個看似基礎的環節，卻成了許多臨床醫生，尤其是眼科醫生肩上的重擔。眼科診所常常門庭若市，醫生需要在短時間內處理大量精細的檢查數據，如視力、眼壓，並詳細記錄眼底成像、光學相干斷層掃描（OCT）等複雜影像結果。將這些海量信息轉錄到電子健康記錄（Electronic Health Record， EHR）系統中，耗費了醫生大量原本應用於直接面對患者、進行深入交流的寶貴時間。研究表明，過度繁重的文書工作不僅擠佔了醫患互動，還與醫生的職業倦怠感（burnout）加劇密切相關。正是在這樣的背景下，一股藉助人工智能（Artificial Intelligence, AI）技術來“解放”醫生雙手、提升醫療記錄效率的新浪潮正在湧現。從2023年到2024年，醫生對AI工具的總體使用率從38%躍升至66%，其中最主要的應用場景就是文檔記錄。那麼，對於節奏快、數據量大的眼科領域，AI驅動的文書助理（AI scribe）究竟能帶來哪些變革？它又如何工作？在帶來便利的同時，又潛藏着哪些必須警惕的風險？一篇發表在《Eye》期刊上的文章，對這些問題進行了深入探討。
研究人員在論文中概述，為實現高效、準確的醫療記錄，AI文書系統主要依賴以下幾個關鍵技術方法：首先，系統通過自動語音識別（Automatic Speech Recognition， ASR）技術實時捕捉並轉錄醫患對話，實現無手操作的訪談記錄。其次，利用自然語言處理（Natural Language Processing， NLP）算法，將轉錄的文本與來自EHR的結構化數據（如視力、眼壓測量值）相結合，提取關鍵臨床發現。對於眼底、視網膜成像和OCT等醫學影像，則應用深度學習（Deep Learning）模型進行分析。最後，由經過醫學數據訓練的大型語言模型（Large Language Model， LLM）負責綜合與組織所有信息，草擬出符合眼科專業要求的SOAP格式（主觀、客觀、評估、計劃）臨床記錄，並能在幾分鐘內生成患者訪視摘要。部分工具（如微軟的Nuance DAX Copilot）已能直接集成到Epic等主流EHR系統中，實現無縫工作流。研究也提及了對商業化AI文書工具準確性和安全性的驗證研究，以及對生成內容可讀性的分析。
AI文書在眼科診所的應用與優勢
研究指出，AI文書在臨床環境中最一致的優勢是減少了每次預約以及工作時間之外用於EHR文檔記錄的時間。在眼科這種快節奏、高患者流量的領域，對每次臨床接觸進行詳細記錄的需求，為利用AI文書實現更高效的文檔記錄創造了理想機會。此外，無手記錄和減少在EHR上花費的時間，使眼科醫生能夠在接診期間將更多注意力集中在患者身上。醫生能夠將更多時間用於非文檔活動，例如增加與患者的面對面互動。醫生們還報告說，通過提供更直接的視線接觸，而不是將注意力分散在患者和電腦之間，他們有更多機會與患者建立更好的關係。因此，AI文書使繁忙臨床實踐中的診所流程更加高效，並在短暫的醫患接觸中提高了互動質量。
AI文書在手術室中的應用
除了在診所的應用，AI文書的自動轉錄功能也可用於手術室。眼科手術是一種高度精確和精細的顯微手術，需要多學科手術團隊之間的清晰溝通。手術室內的AI文書可以捕捉術中對話，實時記錄手術步驟和可能的手術併發症，如後囊膜破裂或眼內出血。這有助於準確記錄術中決策，以優化患者治療效果，同時保持護理流程的無縫銜接。
提升患者理解與參與度
AI文書模型還能以易於理解的語言生成面向患者的摘要記錄，旨在達到美國國立衛生研究院（NIH）建議的6-7年級閱讀水平。根據患者健康素養水平調整術語的能力在眼科尤其相關，因為專業術語和縮寫很常見，許多臨床概念對普通大眾來說很陌生。因此，患者經常難以理解就診期間做了什麼以及後續的管理步驟是什麼。使用通俗語言的患者友好型記錄可以提高可讀性，增強對眼部狀況的理解，從而可能改善患者就診後和手術後的理解、參與度和治療依從性。
AI文書的侷限性與挑戰
AI文書最突出的侷限性在於文檔記錄和語音識別存在錯誤的風險，以及其無法評估面對面交流中人類可以察覺的肢體語言和其他非語言信號。這種出錯的可能性增加了文檔缺失和臨床記錄不準確的風險。此外，許多AI模型的“黑箱”性質仍然是一個令人擔憂的問題，因為模型輸出背後的訓練數據和決策過程通常對臨床醫生不可見，這增加了存在無意偏見的可能性。此類偏見可能限制AI文書算法的普適性，並在服務不足或少數族裔群體中持續造成健康差異。最後，AI文書轉錄敏感的患者的資訊，這引發了對數據隱私和安全的擔憂，例如數據洩露、未經授權的訪問和濫用。這些擔憂強調了對AI模型底層機制進行數據保護、患者知情同意和透明化的必要性。
該研究的結論部分強調，基於人工智能的轉錄工具標誌着現代眼科的一個重大進步，其在臨床護理和手術室程序中的應用，能夠提高眼科工作流程效率、醫患互動質量以及患者在這高患者流量專業中的理解度。然而，它們的使用也伴隨着許多侷限性，這需要嚴格的醫生監督和強大的隱私保護措施。這項快速發展的技術將在未來改變眼科醫療文檔記錄的面貌，凸顯了在眼科領域內就AI文書工具的安全有效整合進行更多討論和進一步研究的必要性。總的來說，這項研究為眼科領域擁抱AI技術提供了全面的前景展望與風險警示，指出了一條通往更高效、更以患者為中心的眼科診療實踐的可能路徑，但其成功實施依賴於技術的持續完善、嚴格的監管框架以及臨床醫生的審慎把關。
