Inspired Spine，一家专注于脊柱健康和手术的美国医疗组织，开发了SURI（智能通用资源标识符）系统，该系统能够将多语言语音转换为结构化医疗报告。
Inspired Spine的研究人员解释说，传统的电子健康记录（EHR）系统需要手动输入，这导致了医生的疲劳，并增加了错误的风险。现有的解决方案，如听写工具和抄写员，提供了部分缓解，但对于使用非英语或主要欧洲语言以外的语言的医疗服务提供者来说，这些方案仍然成本高昂且不一致。
他们表示，“SURI进入这一领域作为一项变革性解决方案。”它结合了自动语音识别（ASR）和大型语言模型（LLM），从21种语言的医患对话中生成详细的临床文档。
该系统记录实际的临床互动，将语音转换为文本，并使用经过微调的LLaMA版本对输出进行优化。通过训练真实、匿名的患者互动数据，它能够识别专业医学术语，并确保多种语言的准确性。
此外，SURI不断从用户反馈中学习。它跟踪医生的编辑，检测重复的更正，并将这些改进整合到未来的输出中。随着时间的推移，这种迭代学习过程最小化了手动修订，节省了医生宝贵的时间。
实际临床环境
SURI设计用于实际临床环境中。它与EHR系统和其他医院管理平台集成，确保结构化报告安全存储并可访问。该系统依赖于亚马逊网络服务（AWS）进行数据管理，确保符合HIPAA（健康保险流通与责任法案）的要求，并具有可扩展性。
研究人员表示，“这些技术支持SURI在各种医疗环境中的高效、可扩展部署，使其适应全球多语言医疗环境的文档需求。”
“无可争议的好处”
使用SURI的医疗机构报告称，与传统方法相比，文档错误减少了60%，报告时间减少了70%。研究人员还表示，经济利益“无可争议”，潜在的成本节约高达88%。
他们说：“SURI不仅为医疗保健中的紧迫问题提供了实用的解决方案，而且还为将AI集成到医疗通信工作流程中设定了基准。”
Inspired Spine的首席医疗官Hamid Abbasi博士在LinkedIn上写道：“两年来，我们一直在积极开发和使用自己的人工智能系统，不仅用于医疗文档，还用于计费、编码，希望有一天能开发出外科医生喜欢的人工智能病历系统。”
尽管SURI有其优势，但在嘈杂的临床环境中，背景噪音可能会影响准确性，并且在处理地区口音和较少使用的语言时也存在挑战。此外，用户反馈指出需要改进用户界面以最大化采用率和可用性。
对于有兴趣了解SURI实际操作的人，可以在这里找到教程。
(全文结束)
