临床访问即将发生变化，因为AI正在悄然改变医疗保健。环境录音技术（ambient recording technology），即捕捉患者-医生对话细节的技术，有潜力简化护理流程，减轻医生的工作负担，并改善患者预后，尤其是在农村地区。然而，这一转变也带来了若干挑战。最近，罗伯特·格姆林（Robert Gramling）博士，D.Sc.，佛蒙特大学家庭医学系教授兼研究副主席，以及拉纳医学院佛蒙特对话实验室主任，共同撰写了一篇论文，探讨了使用AI进行临床录音的潜在益处和风险。该研究提供了见解，说明如何通过深思熟虑和公平地应用这项技术来重塑医疗保健。
他们在《新英格兰医学杂志AI》（NEJM AI）上发表的一篇文章《准备迎接临床访问录音的广泛采用》中，格姆林及其来自达特茅斯大学的同事讨论了AI在医疗环境中角色相关的三个关键问题：负担、公平性和商品化。虽然AI可以减轻医生的文档负担，但它也可能导致患者负荷增加，从而影响医患互动的质量。随着医疗服务需求的增长速度超过医生供应，通过自动化文档节省的时间可能会因患者访问量的增加而迅速耗尽。尽管AI可能提高短期生产力和可及性，但其风险在于减少医疗中的人性元素。这种情况可能导致“自动化偏见”，即医生在高压情况下过度依赖AI生成的输出。为了应对这一点，团队建议使用可解释的AI（XAI），以提供清晰的洞察力，增强共享决策。
算法偏见是另一个关键问题。作者强调了收集多样化数据、患者参与和定期监测偏见的重要性，以确保AI在医疗保健中的公平使用。他们指出，语音数据包含超出文字的重要细微差别，如口音、语调和抑扬顿挫，这些都影响意义。为了解决AI中的偏见并促进公平，作者推荐了三种策略：加强对患者信息的保护，识别和纠正训练数据中的偏见，以及采用“生态”方法，考虑对话及其背景的复杂性。通过实施这些策略，格姆林认为科学家和医生可以创建既技术上可靠又文化敏感的AI系统。
团队还强调了AI在医疗保健中的财务动态。随着临床数据成为训练算法的关键，一种货币关系出现，其中数据和算法都具有重要价值。这引发了关于访问录音成为商品的担忧，可能推动专有AI的发展。如果这些技术的访问不平等，可能会加剧健康差距。例如，某些AI应用程序生成用于临床护理和计费的办公室笔记，引发了“高编码”的担忧，即AI优先考虑计费而非准确的临床表示，导致患者和支付者的成本增加。为了解决这个问题，作者建议让医生参与AI开发，以确保算法与适当的计费实践一致。
尽管存在这些挑战，格姆林对AI改善患者护理和医生工作流程的潜力持乐观态度。他强调了在设计和实施AI技术时纳入多样化视角的重要性，包括患者和医生的观点。“改善医疗保健中的沟通对于21世纪的医学至关重要，”他说，“开放录音提供了了解临床对话实际发生情况的机会，帮助患者感到被倾听和理解。”
这项关于AI在临床实践中作用的持续研究反映了致力于推进技术的同时，确保其有效地改善所有人的医疗保健。
(全文结束)
