克利夫兰诊所最近宣布计划与Ambience Healthcare合作，使用AI进行临床文档记录和点对点编码。在接受《医疗创新》采访时，克利夫兰诊所的首席数字官Rohit Chandra博士讨论了该医疗机构基于产品质量和长期潜力对多个供应商的评估。克利夫兰诊所的目标是将这项技术推广到超过4,000名医生中，目前已有超过2,000名医生接受了培训。
成立于2020年的Ambience总部位于旧金山，已筹集了1亿美元的资金。其解决方案已在加州大学旧金山分校、纪念赫尔曼健康系统和约翰·穆尔健康系统等医疗机构部署。
在采访中，Chandra表示，AI技术显著改善了医生和患者的体验，减少了职业倦怠和管理负担。他还强调了正在进行的AI项目，如风险预测、败血症检测和再入院预测，突出了尽管复杂且成本高昂，AI在医疗保健领域的变革潜力。
医疗创新：在我们谈论用于临床文档的环境AI之前，您能否谈谈您在克利夫兰诊所的角色，以及您在其他领域的经验如何帮助您重新思考患者的数字体验？
Chandra： 当然。我大约三年前加入诊所，担任首席数字官，负责利用技术和AI。我的背景是软件工程师，这是我第一次涉足医疗领域。我试图带来的是技术专长，而不是医疗专长。显然，我必须花时间和精力去了解这个领域，但有时对医疗的无知也是一种优势。
医疗创新：我在采访几家卫生系统的首席医疗信息官时，他们大多对环境AI在临床文档中的应用表示满意，认为它对医生的职业倦怠有积极影响。您是否对这些解决方案的广泛采用和来自医生的积极反馈感到惊讶？
Chandra： 答案是肯定的。我非常惊喜。用科技行业的一句话来说，记录能力几乎完美地符合市场需求。它是一种相对容易使用的技术，不需要对工作流程和过程进行大的改变，而且直接解决了患者和医生的一个重要痛点。我希望每一种引入医疗保健的技术创新都能具备这些特性。
医疗创新：我读到克利夫兰诊所在去年进行了AI文档解决方案的试点。许多大型学术医疗中心选择与Abridge合作。克利夫兰诊所是否也进行了一次“比拼”，让医生尝试多种不同的解决方案，看看哪种最适合？
Chandra： 我们进入这一旅程时的信念是，这项技术有可能彻底改变护理实践，并应成为改善患者和医生体验的重要杠杆。因此，我们希望从长远的角度考虑这一决策。
我们知道AI仍处于早期阶段，因此今天购买和部署的工具在未来可能会发生变化。我们不仅在评估当前的工具，还在评估公司、其雄心、愿景及其参与医疗转型的路线图。我们试图做出一个多年期的决策。
医疗创新：随着这些平台的发展，它们还有哪些潜在的用途？它们是否会扩展到收入周期或更深入地集成到临床工作流程中，例如访问准备或转诊和订单？
Chandra： 每个人，包括我们，都是从使用这些技术来记录门诊就诊开始的，它们在这方面表现得非常好。但在就诊前也有任务可以完成。您可以在进入之前总结病历吗？然后还有随访指示。我们如何从门诊设置扩展到急诊科设置，甚至住院设置，也许还包括护理用例？对于住院就诊，您可以生成出院文件吗？所有这些都有自己的工作流程变化，适用于护士或那些设置中的医生。
医疗创新：您认为Epic和Oracle这样的EHR供应商会自己开发这种技术吗？
Chandra： 我认为答案是肯定的，而且我认为这在某种程度上是一件好事。这些技术还处于早期阶段，让多个玩家带着各自的专业知识和对问题的独特视角参与进来，这对整个行业是有益的。这样有助于创新——多个人解决同一个问题。
医疗创新：Ambience目前在克利夫兰诊所的使用范围有多广？2025年是否有在整个组织中扩展的计划？
Chandra： 我们从2月下旬开始推出，目标是覆盖约6,500名医生中的4,000多名。我们主要针对门诊设置。我想说的是，采用的速度超出了我们的预期。目前已经有超过2,000名医生接受了一些基本培训。采用情况非常惊人。
医疗创新：几周前，彼得森健康技术研究所发布了一份报告，称虽然环境记录技术可能会减轻医生的职业倦怠，但其对医疗系统的财务影响尚不清楚。您是否确信这项技术会对您的组织产生强大的财务回报，同时减轻医生的行政负担？
Chandra： 显然，这不会直接为组织带来经济利益，但我们希望它能在某些方面有所帮助。首先，它改善了医生和患者的体验。医生/患者的交流质量明显更好，坦白说，这是无价的。我们希望这项技术能帮助减少职业倦怠，降低人员流动率，使我们更容易扩展服务。此外，下游编码与文档紧密相关。更好的文档应该会导致更好的编码质量。我们希望在所有这些领域都能获得一些好处。
医疗创新：克利夫兰诊所是否有许多涉及不同临床领域的AI项目，您参与其中吗？
Chandra： David，你描述的就是我的日常工作。这就是我每天的工作内容。它既影响临床领域，也影响非临床领域。例如，在后台有很多机会可以使用AI。我们关注诸如编码、自动化医院运营管理等领域，其中预测分析和预测是帮助我们更高效工作的关键工具。记录员是一个例子，它试图减轻医生的文档负担。这不是直接的临床护理，但它试图帮助我们更有效地提供护理。
我们在几个领域也在谨慎地使用AI进行临床护理，比如风险预测，以便我们能够找到方法，为护士或医生提供更智能、更精确的警报，让他们能够关注最紧迫的患者。我们有一个项目正在推出AI驱动的败血症检测和警报系统。还有一个项目是在使用AI进行再入院风险预测。更好的警报将使我们能够在最合适的护理环境中更好地照顾患者。因此，我们正在多个方面推动AI的发展。技术不仅在不断演变，而且也非常昂贵，在像我们这样的复杂组织中部署也很困难，所以我们必须考虑到所有这些因素。但毫无疑问，在中长期，我预计我们将使用AI在更多领域推动变革。
(全文结束)
