使用数字记录员自动化临床文档：理解对医生的影响

文献标题

Automating Clinical Documentation with Digital Scribes: Understanding the Impact on Physicians

文献信息

• 主题领域: 医学信息学，电子健康记录（EHR) 技术与自然语言处理
• 关键词: 人机交互, 电子健康记录, 语音文档, 数字记录助手, 临床文档自动化, 医疗信息处理, 自然语言处理, 医学人工智能, 医生工作流程, 数字书写技术

研究背景与问题

• 发现的问题或挑战:
  • 尽管电子健康记录（EHR）提高了文档化的标准化和数据共享能力，但其高文档需求却增加了医生的工作负担，并可能导致职业倦怠。
  • 医生需要将大量时间用于记录患者信息，平均每天用于文档任务的时间可达4小时，有时甚至占到在办公室工作时间的50%。
  • 当前的医用书写助手（如医疗抄写员或语音输入技术）要么成本很高，要么在实际操作中存在技术和操作方面的限制。
• 重要性:
  • 通过有效的文档自动化解决方案，医生能够减少在文档上的时间支出，专注于患者护理并提高工作效率。
  • 可以直接影响患者的疗效、医生的职业满足感和医疗系统成本控制。
• 研究动机与相关工作:
  • 基于自然语言处理（NLP）和人工智能的数字抄写系统被提出作为解决这些问题的潜在解决方案。
  • 目前多数研究专注于技术开发，而对数字抄写系统如何适应临床实践及其与医生互动的理解较少。

解决方案

• 提出的方法或解决方案:
  • 设计并研究了一个数字抄写原型系统，该系统可根据医生与患者的对话生成基于 SOAP 格式（主诉、客观检查、评估、计划）的临床文档。
  • 原型分为三种条件的记录质量：仅由机器生成(Machine)、由机器生成并人工编辑(Hybrid)，以及完全由人撰写(Human)。
• 创新之处:
  • 首次探索了基于 NLP 开发的数字记录技术对医生临床纪录工作的影响，并提出了改善工作流的建议。
  • 提出了评估医生与不同质量记录交互方式的四大核心标准：准确性、完整性、相关性和可理解性。
• 实施步骤:
  1. 使用“Wizard of Oz”实验方法，在模拟医疗环境中模拟医生患者对话并生成SOAP笔记。
  2. 使用 Otter.ai 进行语音转文本转换，并结合 AutoScribe 技术对文本进行信息提取与总结，生成机器生成的笔记。
  3. 将混合机制（Hybrid）与完全由人工撰写的人类笔记（Human）作为对照。
  4. 通过24名医生的实验，观察并收集其对笔记的编辑行为、评分以及访谈反馈。

研究成果

• 具体成果:
  • 记录质量比较: Machine 笔记评分最低（中位数为2/10），Hybrid 笔记稍好（3/10），而 Human 笔记状态下评分显著较高（8/10）。
  • 医生主要修改行为: 针对 Machine 笔记，医生倾向于大量删除错误信息并添加遗漏的关键细节；Hybrid 笔记虽然更可靠，但在准确性和完整性方面仍有不足。
  • 四大影响因素:
    1. 准确性 (Accuracy)：笔记内容是否正确无误。
    2. 完整性 (Completeness)：笔记是否完整记录了“o, p, q, r, s, t”等重要细节。
    3. 相关性 (Relevance)：笔记是否围绕会诊核心问题。
    4. 可理解性 (Comprehensibility)：笔记是否结构良好且易读。
  • 医生工作流的潜在优化: 多数医生认为数字抄写助手可以减少他们的文档工作量，并增加与患者的互动时间。
• 现有解决方案的对比:
  • 数字抄写助手在机器生成阶段仍面临显著的准确性和内容相关性问题，需大幅改进。
  • Hybrid 笔记比完全机器生成笔记更可接受，但效率上的优势有限。
  • 完全由人书写的笔记接近医生的预期质量，但无法完全满足效率和可扩展性需求。
• 实验或评估结果:
  • Note-taking 和 Non-note-taking 两种工作模式对医生的专注度和认知负荷产生不同影响。
  • 非记录过程的医生在查看笔记时更能感受到自动记录助手带来的效率提升。
• 局限性与未来方向:
  • 在临床工作流中，医生需要手动开启或关闭抄写服务功能。这增加了使用复杂性，并可能因遗漏操作而导致数据丢失。
  • 现有的语音处理和自然语言生成技术在复杂的医疗场景下表现出严重的局限性。
  • 激励未来研究探索更强大的实时反馈、模板结合、以及与现有 EHR 系统集成的可能性。