环境智能（Ambient AI）能够应对急诊医学工作吗？

《Emergency Medicine News》：Can Ambient AI Handle Emergency Medicine?

　　```

“环境AI记录系统”已经引入急诊科（ED），并且它们似乎无处可去。这种技术能够被动记录医生与患者之间的对话，并自动生成结构化的临床记录。它的普及速度之快，甚至让早期采用者都感到惊讶。Permanente Medical Group在2023年底向10,000名医生提供了该技术，结果发现其中近1,000名医生在几周内就记录了超过100次诊疗记录。¹斯坦福大学、梅奥诊所、加州大学洛杉矶分校（UCLA）和麻省总医院布里格姆妇女医院（Mass General Brigham）随后也纷纷推出了类似系统。

但关于这些工具的几乎所有信息都来自门诊诊所的研究。这些研究通常是在安静的房间里，患者与医生单独交流的情况下进行的。然而，急诊科的工作环境完全不同。

“一切变化，同时发生”

想象一下急诊医生在一个工作轮班中要面对的情况：一个23岁的肺栓塞患者（会说西班牙语）；一个85岁、意识状态异常且无可靠病史记录的老人；一个6岁的前臂骨折患儿以及其恐慌的父母；还有一个处于精神危机中的40岁患者。每次诊疗都需要不同的医疗知识、沟通方式以及完全不同的记录内容。心脏病专家为每位患者写入的病历都有所不同，而且每轮班要重复数十次这样的工作。

正是这种大量的工作负担，解释了为什么急诊医学领域的医生职业倦怠率一直居高不下。全国调查显示，急诊医生的职业倦怠率约为65%，远高于所有医生平均45%的水平。即使考虑到工作时长因素，这一比例仍然很高。^2,3一项发表在《JAMA Network Open》上的多中心研究发现，仅仅使用环境AI记录系统30天后，职业倦怠率就从51.9%下降到了38.8%。^{4虽然这些结果是在门诊环境中得出的，但这引发了一个重要问题：如果这种记录负担的减轻能在门诊诊所产生如此显著的效果，那么在负担最重的急诊科，它又能带来多大的改变呢？}

首批针对急诊科的实证数据

我们斯坦福大学团队最近发表了一项迄今为止规模最大的关于急诊科环境AI记录系统的研究，涵盖了8,740次诊疗记录，其中976次使用了该技术。^{5研究结果表明：医生在处理病情较轻的患者时更倾向于使用该技术，而在有语言翻译人员参与的情况下则避免使用。使用该技术后，记录时间缩短，电子健康记录（EHR）的填写时间也减少了。对于简单的诊疗情况，该系统能够快速生成初步的病史记录，并节省了医生在病历填写上的时间。}

梅奥诊所的另一项对比研究提供了更多细节。Morey及其同事将AI记录系统与人工记录人员进行了对比，发现AI系统在病历撰写上花费的时间更长，但医生添加的文本量更多，病历的质量得分也基本相当或略低。^{6换句话说，审核和编辑AI生成的病历确实需要耗费精力，远非营销宣传中所描述的那样简单。布朗大学对4家急诊科的调查显示，虽然大多数医生更喜欢AI辅助的记录方式，但他们对记录准确性的信心仍然有限，尤其是在处理复杂病例时。7}

技术的局限性

这些挑战并非理论上的假设。急诊科的环境极其嘈杂：对话声此起彼伏，警报声不断，还有各种干扰。语音识别技术在这种环境下表现不佳。^{8斯坦福大学的研究发现，医生在需要语言翻译的人员参与诊疗时往往会避开使用AI记录系统，而这类诊疗在语言多样性较高的急诊科中占很大比例。5目前市的AI记录系统是为英语对话和一对一交流设计的。如果这种技术无法可靠地处理多语言、多人同时交流的场景，那么它可能只会对那些就医障碍最少的患者更有效。}

精神科患者的诊疗也带来特殊挑战。精神病患者的语言可能杂乱无章，但其中蕴含着重要的诊断信息；然而区分哪些是真实症状、哪些是幻觉则需要医生的判断能力，而这正是AI所不具备的。此外，患者对录音设备的存在可能会感到不适。AI记录系统能否忠实记录这些情况，或者将其整理成有条理的陈述（同时去除无关信息），仍是一个亟待解决的问题。痴呆症患者的情况同样令人担忧：他们的口头描述往往不可靠，而关键信息往往来自护理人员或之前的病历记录。

最后，还有一些病情最严重的患者：使用BiPAP呼吸机的患者无法自述症状；创伤复苏过程中需要多个人同时沟通；心脏骤停患者的记录需要整合生命体征数据、实验室检查结果和临床判断。在这些情况下，AI记录系统几乎无法收集到任何有用的信息。

未来的发展之路

这项技术发展迅速，急诊医学领域有机会决定其未来方向。针对环境录音使用的同意书制定实用指南（尤其是涉及精神病患者、未成年人和暴力受害者时）将有助于规范目前因机构差异而存在的不统一做法。在这些工具进一步应用于更多科室之前，需要制定多语言环境下的使用标准。此外，急诊科还需要自身的研究数据：研究在高危诊疗中的记录准确性、在嘈杂环境中的系统表现以及对医生下班后病历填写的影响。

“环境AI记录系统”确实解决了一个现实问题：急诊医学中的记录负担不堪重负，职业倦怠的数据也明确显示出干预的必要性。但急诊科将对这些技术进行比门诊诊所更为严格的实际测试——噪音、语言障碍、精神科患者的特殊情况等等都是实际存在的挑战。问题在于：我们是在为真实的急诊科环境设计这些技术，还是为了一个更类似门诊环境的虚拟模型？

```