MedKnowts：面向电子健康记录的统一文档与信息检索

文献标题

MedKnowts: Unified Documentation and Information Retrieval for Electronic Health Records

文献信息

• 主题领域: 电子健康记录(EHR)中的医疗文档记录与信息检索
• 关键词: 电子健康记录, 文档记录, 信息检索, 概念导向视图, 自动补全, 医疗笔记, 结构化数据

研究背景与问题

• 问题与挑战:

  • 当前广泛使用的电子健康记录(EHR)系统虽然旨在提升医疗质量、支持协作和减少医疗错误，但实际上常常被研究发现导致医生在记录文档时耗费过多时间，并可能造成认知负担和职业倦怠。
  • 医疗文档中的数据通常分散在多种格式和界面中（结构化与非结构化数据的分隔），加重了医生阅读和综合信息的难度。
  • 为了简化工作流程，医生和医护人员常使用复制粘贴和文档预填技术，但这些方法可能导致重复录入、多余信息积累，甚至传递错误信息。
  • 特别是在急诊科，由于时间限制和患者的病史信息复杂，医生必须快速整合信息，但现有EHR工具缺乏足够支持。

• 重要性:

  • 优化EHR文档记录，不仅能提高医疗工作效率，还能改善医疗服务的连贯性与质量。
  • 减少信息检索和文档切换的认知负荷，有助于提升医生的幸福感并减少职业倦怠。

• 研究动机与相关工作:

  • 大量现有研究注重开发能够实时识别术语、简化数据记录、并易于检索的EHR系统。
  • 现有的一些系统，如“Active Notes” 和“Doccurate”，虽然在支持标签和信息可视化方面有所贡献，但经常需要手动操作或者缺乏良好的用户体验设计。
  • 作者希望通过“MedKnowts”系统改进这一过程，将记录和信息检索流程有机整合。

解决方案

• 提出的解决方法:

  • 开发了一种名为“MedKnowts”的平台，将医疗文档书写和信息检索功能整合到同一个界面中。
  • 利用概念导向的视图，通过自动完成(autocomplete)和后期识别(post recognition)技术实现结构化数据捕获。
  • 引入侧边栏和预览窗口，主动显示与记录内容相关的患者病史信息，减少医生在记录与数据检索间的切换。

• 创新点:

  • 无需特殊触发符号即可插入结构化数据，极大简化了数据输入过程。
  • 支持实时语义高亮，根据关键词类型（如症状、实验室值、药物等）提供颜色编码，同时帮助用户快速区分否定语义（如“No Fever”）。
  • 使用“卡片(card)”形式，按内容概念组织和显示患者的医疗数据信息，涵盖实验室结果、用药历史、笔记片段等内容，由此避免了传统EHR中只按数据模式显示的局限性。
  • 引入共享卡片功能，支持多用户协作，允许医生和助手在临床团队中共享关键信息。

• 实现步骤与技术:

  • 实现多种触发方式的自动补全（如通过上下文推断、深度学习模型等）。
  • 利用定制化的语法分析器进行后期识别，实现自由文本中的医学术语自动标注。
  • 构建可交互的卡片界面，帮助医生通过最少点击获取关键医疗信息。
  • 在实际急诊科环境中进行一年以上的系统部署与原型打磨，结合用户反馈持续优化。

研究成果

• 具体成果:

  • 在一年多的实际急诊科部署中，作者团队完成了近1500位患者的案例记录，记录工具的整体可用性得到了医生和文档助理较高的评价。
  • 实验结果显示，系统的嵌入式高亮、自动完成以及卡片功能显著减少了医生的信息检索时间，还提高文档记录效率。
  • 系统的用户感知可用性得分(SUS Score)达到83.75分（良好的系统通常得分≥70）。

• 与现有解决方案相比的优势:

  • 与“Active Notes”等需手动触发的系统相比，MedKnowts实现了高度自动化和无缝的用户体验。
  • 通过卡片视图概念，打破了传统EHR中按数据模式组织患者记录信息的限制。
  • 支持复杂的上下文场景，并能根据用户输入实时调整结果推荐。

• 实验或评估结果:

  • 自动补全功能受到了不同经验水平医务人员的普遍认可，尤其是经验不足的文档助理能够有效利用该功能减少术语拼写错误和记忆负担。
  • 语义高亮和自动生成的默认文字，特别是在一些冗长、重复性高的章节（例如身体检查和系统复查）中极大减轻了用户的重复工作。
  • 各类卡片在急诊环境中表现出较明显的辅助作用，如快速获取患者重要医疗历史的能力。
  • 系统能够较好地适配动态医疗场景需求，特别是急性患者管理。

• 局限性与未来方向:

  • 自动生成卡片的扩展性尚需改进；虽然当前系统支持核心概念，但制作更多细化的卡片仍然需要大量人力。
  • 部分复杂场景下的语义分析与准确率（例如否定语、修饰语处理）仍有进一步优化空间。
  • 未来计划增加更多的交互路径，如通过直接拖拽或自定义分组创建高级信息视图。
  • 探索更好的用户适应性路径，帮助初学者快速掌握全功能，同时为高阶用户提供深层定制化。