创伤复苏中的人工智能文档编制：高效运用需设置防护机制

《Trauma Surgery & Acute Care Open》：Artificial Intelligence documentation in trauma resuscitation: efficiency requires guardrails

AI文档系统在创伤复苏中的风险及安全措施，包括人工审核、保留不确定性、结构化数据录入、多学科协作和本地化验证，以应对碎片化沟通与时间复杂性带来的挑战。

　　

摘要

人工智能（AI）文档系统正在医疗行业中迅速得到应用，以帮助减轻临床医生的文档编写负担。环境AI文档系统的使用能够被动捕捉临床对话并生成医疗记录。与常规临床场景不同，创伤复苏过程中存在言语片段化、对话重叠、时间复杂性以及决策紧迫性等问题。这些因素可能对基于常见沟通假设的AI模型构成挑战。如果没有针对创伤的特殊保护措施，AI文档系统可能会引入自动化偏见、说话者身份错误、时间关系错误，并将不确定性转化为绝对的陈述。本文探讨了在创伤护理中使用AI文档系统所涉及的风险，并提出了一些安全措施，包括对高风险内容进行强制人工审核、在文档中保留不确定性、对关键安全数据的结构化记录、提供多学科的监督、进行特定于创伤的验证测试以及持续的性能审计。

引言

随着医疗行业继续应对文档编写负担和电子健康记录（EHR）相关的工作量问题，各组织一直在探索减少工作量的文档支持方法。1–3 人工智能（AI）文档系统应运而生，用于自动化文档编写流程的某些环节。环境AI文档系统通过被动捕捉临床对话、自动语音识别和自然语言处理（NLP）来生成临床笔记草稿。此外，一些AI文档系统还会结合EHR中的上下文数据，进一步提升临床笔记的质量和完整性。预计临床医生会对这些笔记进行审查、编辑和最终确定。

AI文档系统在门诊诊所、急诊科和其他流动护理环境中使用日益增多，并被视为未来临床文档编写的基础。然而，每个临床环境在应用AI辅助文档系统时都面临不同的挑战。创伤复苏领域是一个高风险环境，在这里文档编写不仅是记录临床活动的手段，也是跨多个学科进行安全沟通的关键机制。

创伤复苏的临床环境与文档编写

创伤复苏的临床环境是动态且多学科的。在复苏过程中，多名临床医生同时进行交流，团队内的角色可能会迅速变化，并且必须在不确定性条件下及时做出关键决策。4 在这些复杂环境中生成的文档会被多个下游团队使用，包括但不限于外科、麻醉、放射科、重症监护室（ICU）和质量改进团队。创伤复苏领域的文档错误可能会被放大，从而导致后续临床决策的失误。5

为了说明创伤复苏领域的一个典型临床场景，可以考虑以下情况：一名患者在车祸后到达创伤复苏区。院前团队报告患者事故现场时还有意识，但在送往医院的过程中变得意识模糊。在复苏过程中，创伤团队负责人询问是否有人知道患者是否服用了抗凝药物。等候区的家属回答“应该是的”。与此同时，一名护士报告患者的格拉斯哥昏迷量表（GCS）评分为7分。几分钟后，患者插管后，有人记录GCS评分为3分。环境AI文档系统需要将这些片段化、重叠且依赖于上下文的沟通内容转化为准确的文档。

传统的创伤复苏文档编写方式也体现了这种复杂性。临床医生会提供适当的背景信息，保留不确定性，并记录时间关系。例如，患者的临床状态会根据镇静或插管的效果来记录。患者的血液动力学临床意义也会根据最近的干预措施进行解释。患者历史中的相关信息（如是否使用过抗凝剂）也会影响文档的可靠性。这些上下文特征非常重要，而不仅仅是文档编写偏好问题。它们对于安全解读文档至关重要。

环境AI文档的工作原理

环境AI文档系统旨在通过被动捕捉临床对话、自动语音识别和NLP来生成临床笔记草稿。某些系统还会结合EHR中的上下文数据以提高文档的质量和完整性。随后，临床医生需要对这些笔记进行审查、编辑和批准。

这种模式在结构化的临床环境中效果较好，即临床医生在相对安静的房间内清晰、合作地与患者交流。然而，创伤复苏过程并不符合这一模式。创伤复苏中的言语通常是片段化、重叠的，且经常使用缩写。大量重要的临床信息是通过行动而非清晰的口头交流传递的。因此，特定陈述或行为的背景往往由多个人员（如急救人员、护士、医生、呼吸治疗师、旁观者）提供。如果没有针对创伤的特殊保护措施，AI文档系统可能难以准确反映创伤复苏区的实际情况以及临床决策的依据。

文档自动化偏见

一个关键挑战是文档自动化偏见。文档自动化偏见指的是临床医生过度依赖AI生成的文档，并因其专业性和书面质量高而认为其可靠和完整。6 这是决策支持系统中已知的风险，在文档编写中同样存在类似问题。例如，AI生成的“患者到达时GCS评分为15分”这样的陈述可能掩盖了暂时的意识混乱，或者“患者否认服用过抗凝药物”这样的陈述可能反映了AI对不完整对话的解读。另外，“患者血液动力学稳定”这样的陈述可能忽略了这种稳定性实际上是经过3单位输血后才实现的。

特定于创伤的故障模式

在将AI文档系统应用于创伤复苏时，存在一些可预测的故障模式和设计挑战。这些故障模式和设计挑战应被视为负责任实施这些系统时的关键安全考虑因素，不应成为阻碍其在创伤复苏中使用的障碍。

例如，当AI系统无法区分院前报告、家属陈述、团队间的推测性讨论和临床医生的直接评估时，可能会发生说话者身份错误。AI系统可能会错误地记录“患者没有医疗史”，而实际上是在家属发言；或者将急救人员的现场评估归因于急诊医生。

同样，当AI系统将具有临床意义的连续事件压缩成摘要陈述时，也可能出现时间扭曲。例如，在AI系统将带时间戳的事件转换为摘要陈述时，患者镇静前后的神经状态或输血前后的血液动力学反应可能会被忽略。

在记录评估时如果没有参照插管、中毒或烦躁等情况，还可能发生神经学文档错误。7 例如，对于醉酒患者，如果记录为“患者意识清醒且定向”，或者“GCS=8”，却没有说明评估是在插管后完成的，可能会误导后续医护人员。

程序文档编写中的遗漏可能包括遗漏必要的文档内容，如手术指征、是否获得知情同意、手术完成确认以及手术过程中遇到的并发症。这些遗漏既带来临床风险，也涉及法律问题。

在创伤护理环境中，由于患者往往无法自行表达同意，隐私和同意问题更为突出。8> 未经明确同意就记录家属讨论、执法人员的陈述或社会工作者的谈话会引发伦理和法律问题。

这些限制可以通过有针对性的模型训练、将结构化数据纳入文档编写流程以及设计特定于创伤的工作流程来缓解。

实施的安全措施

环境AI文档系统在创伤护理中的实施应配备相应的安全措施（图1）。

图1

请求权限

以患者安全为中心的环境AI文档在创伤复苏中的应用。

首先，必须确保临床医生的责任。AI系统生成的文档草稿必须对高风险内容进行强制人工审核，包括初步检查结果、神经状态、抗凝历史、执行的手术以及处理决定。审核者必须在医疗记录中可识别，并对文档的准确性负责。

其次，文档中必须记录不确定性，而不能过早地将其解决。文档系统应允许记录“未知”、“无法评估”、“历史信息不可靠”或“待验证”等状态，而不能将不完整的信息转化为绝对的陈述。创伤护理中的文档必须反映复苏时的信息不完整性，而非假定的完整知识。

第三，对于关键安全要素，必须强调结构化文档的重要性。自动生成的未结构化文本叙述容易出错、含糊不清且容易被误解。为神经学评估、手术、生命体征趋势和输血事件设计结构化文档字段，可以减少错误传播，提高数据质量和研究效果。9

第四，AI文档系统的实施必须是多学科合作的。创伤护士、院前负责人、创伤项目负责人和质量改进团队应参与AI文档系统的设计、部署和监控。文档错误应作为患者安全事件进行调查。多学科调查可以确保所有利益相关者的需求得到考虑。

第五，在部署前必须进行特定于创伤的培训和验证。AI文档系统必须针对创伤相关的对话进行训练，使用定制的创伤场景进行测试，并在高危复苏情况下验证其准确性。

第六，需要持续审计。环境AI文档系统应定期接受审计，以发现重复的错误模式、偏见和意外后果。错误率应被测量并用于推动持续改进。

国际考量

世界各地的创伤系统形式多样。不同地区的资源、人员配置和法律框架各不相同。在资源匮乏的环境中，引入AI文档系统可以减轻临床医生的工作负担和文档编写负担。然而，主要在高收入、英语国家和非创伤环境中训练的模型在其他地区可能无法有效运行，甚至可能加剧护理差距。

因此，对AI模型进行本地化验证是必要的——这并非可选。任何AI模型都必须在实际使用环境中进行测试，同时考虑当地语言、临床实践和文档编写习惯。

结论

由于可扩展性、成本效益以及减轻临床医生文档编写负担的能力，AI文档系统在医疗行业迅速获得关注。最终，AI文档系统可能成为临床文档的核心组成部分。然而，创伤复苏并非标准化的临床环境。创伤复苏需要保留不确定性、提供发现背景信息并记录时间关系的文档。我们必须倡导审慎的实施、彻底的验证和持续的监督，以确保新技术在临床护理中的好处得到充分发挥。