《JCO Oncology Practice》：Ambient Artificial Intelligent Scribes in Oncology: Impact on Clinician Experience and Documentation Burden
编辑推荐：
目的：环境人工智能（ambient artificial intelligence, AI）scribe（一种自动生成临床笔记供临床医生审阅编辑的工具）被广泛部署以减轻临床医生负担和职业不满，但尚未针对肿瘤学进行优化。研究人员在一家高流量癌症中心评估了该技术的
目的：环境人工智能（ambient artificial intelligence, AI）scribe（一种自动生成临床笔记供临床医生审阅编辑的工具）被广泛部署以减轻临床医生负担和职业不满，但尚未针对肿瘤学进行优化。研究人员在一家高流量癌症中心评估了该技术的大规模应用。
方法：这项前瞻性混合方法研究利用调查、电子健康记录（electronic health record, EHR）和利用数据，评估了2025年6月至9月实施的环境AI scribe的采用情况、负担和满意度。描述性统计将临床医生分类为采用者（使用3周及以上）、尝试采用者（使用1-2周）和从未使用者（使用0周）。广义估计方程（generalized estimating equations, GEE）评估了采用行为对就诊当日完成笔记的概率及“睡衣时间”（pajama time，即非工作时间的EHR使用时长）的影响。实施前后调查获取了临床医生对满意度和文档负担的看法。
结果：958名临床医生中有190名（19.8%）使用了该工具，最常见于新诊、视频和面对面就诊。采用者（n=124）和尝试采用者（n=66）多为内科和外科的医生。从实施前到实施后，从未使用者在就诊当日关闭笔记的可能性保持不变（70%对70%），而尝试采用者（73%对70%）和采用者（56%对54%）有所下降。睡衣时间在尝试采用者中保持不变（每周50.6分钟对50.1分钟），在从未使用者（69.5对62.2）和采用者（86.9对81.4）中有所下降。完成实施前后调查的临床医生（n=45）显示，报告高/过度笔记书写时间的比例有所下降（78%对60%；P=.043）。实施后调查（n=77）显示总体体验积极，73%的受访者表示会向同事推荐该工具。
结论：这项大规模环境AI scribe研究显示，肿瘤科临床医生的满意度积极，但负担结果好坏参半。值得注意的是，尽管进行了全机构范围的实施和培训，采用率仍然较低，且因临床医生和就诊特征而异。未来研究应探索采用障碍和工具优化，以支持肿瘤学文档工作流程。
研究背景方面，电子健康记录（electronic health record, EHR）中的临床文档书写耗时且繁重，会导致临床医生倦怠、工作满意度下降以及医患互动质量降低。环境人工智能记录员（ambient artificial intelligence [AI] scribe，一种结合自动语音识别、自然语言理解和生成式AI、通过人机回环自动生成笔记供临床医生审阅编辑的工具）被广泛用于减轻这些负担。然而，关于临床医生采纳情况及对EHR相关工作效率指标（如“睡衣时间”，即非工作时间的EHR使用时长）影响的实时证据仍然有限。不同临床环境和专科中的效率获益也不一致，尤其在肿瘤学这类高敏锐度或专科护理环境中。肿瘤护理存在独特挑战，包括专业术语、复杂的纵向多模态数据和高敏锐度工作流程，这些可能影响自动语音识别和自然语言理解的性能及临床实用性。尽管初步研究提示环境AI scribe可减少文档时间，但采用率、满意度及对负担和EHR指标的影响仍不稳定，肿瘤学特定证据十分有限。因此，研究人员开展了一项机构范围的大规模前瞻性评估。
研究人员在Memorial Sloan Kettering癌症中心（MSK）开展了一项前瞻性混合方法研究，时间跨度为2025年3月至2026年2月，该中心是位于纽约市的高流量癌症中心。研究场景为癌症患者的门诊就诊，包括面对面和远程医疗。评估队列包含958名临床医生，其中670名为医生，288名为高级实践提供者（advanced practice provider, APP），覆盖超过741,000次门诊访问和195,580名独特患者。环境AI scribe通过应用程序接口与医院EHR系统集成，实现在移动和桌面应用中的完整嵌入工作流程。推广采用分阶段方式，于2025年6月至9月按临床服务区域进行。研究人员利用EHR数据、前后实施调查及利用数据，评估了采用率、文档时间、负担和满意度。主要结论是：尽管工具使用者的主观满意度积极，但客观EHR负担指标并未一致改善，总体采用率仅19.8%，且因临床医生角色、专业和就诊特征而异。这一发现提示，在肿瘤学中成功实施环境AI可能更多取决于理解采用障碍并针对专科工作流程进行工具优化，而非单纯提供全机构访问权限。
关于研究采用的主要关键技术与方法：研究人员采用前瞻性混合方法设计，数据来源包括MSK的EHR系统、利用数据以及前后实施调查。样本队列为MSK的958名临床医生（670名医生、288名APP），覆盖超过741,000次门诊访问。基于使用周数将临床医生分为采用者（3周以上）、尝试采用者（1-2周）和从未使用者（0周）。采用广义估计方程（generalized estimating equations, GEE）评估环境AI使用对当日完成笔记概率和睡衣时间的影响，并控制独立相关因素。描述性统计使用卡方检验、Wilcoxon秩和检验等比较组间特征。临床医生感知负担通过NASA任务负荷指数（NASA Task Load Index, NASA TLX）量表调查获取。
研究结果部分包含三个小标题。
利用与采用：通过EHR利用数据分析发现，958名临床医生中190名（19.8%）至少使用过一次环境AI，平均使用4周（四分位距2-15周）。与医生相比，APP中的从未使用者比例更高（90%对76%，P<.001）。不同科室采用率存在差异，内科和外科的从未使用者比例最低（77%和78%），儿科最高（96%）。女性从未使用者比例高于男性（83%对76%，P=.009）。采用者和尝试采用者的中位总访问量高于从未使用者。在访问层面，环境AI使用在女性患者、非白人患者、面对面访问、非共享访问、新诊以及有口译员在场的访问中比例略高。这些结果提示，环境AI的采用受临床医生类型、科室和访问特征影响。
文档时间与负担：通过EHR数据分析和GEE模型校正混杂因素后发现，从实施前到实施后，从未使用者在就诊当日关闭笔记的概率维持70%不变，而尝试采用者从73%降至70%，采用者从56%降至54%，提示未观察到客观改善。中位睡衣时间从实施前的80.8分钟降至实施后的72.8分钟；校正后，尝试采用者睡衣时间稳定（每周50.6对50.1分钟），从未使用者（69.5对62.2）和采用者（86.9对81.4）略有下降。前后调查配对分析显示，45名完成两次调查的临床医生中，报告高/过度笔记书写时间的比例从78%降至60%（P=.043），非患者护理时间外的书写时间比例从60%降至38%（P=.016）。NASA TLX量表中笔记书写的脑力需求中位数从15降至10（P=.012），但匆忙感和工作努力程度的变化未达统计显著。这表明感知负担有所减轻，但客观EHR指标并未同步改善。
临床医生体验与满意度：基于实施后调查（n=77）数据，多数使用者报告积极体验：61名（78%）表示该应用使笔记书写体验变得更好或稍好；57名（73%）可能或很可能会向同事推荐；45名（82%）报告与患者互动能力有所改善；49名（62%）从未或很少注意到“幻觉”发生。这些结果显示，尽管采用率低，但实际使用者的满意度和感知获益较高。
讨论部分总结指出，总体采用率低与既往大规模实施研究一致。肿瘤学环境的复杂性，包括癌症护理文档的纵向性、疾病和治疗特定术语、单次就诊需综合的大量数据以及共享就诊比例高，可能构成采用障碍。尽管使用者的主观体验愉快且感知负担减轻，但客观EHR指标无显著改善，这与既往研究一致，提示主观获益（如认知负担降低、任务切换减少）可能未被图表时间等客观指标充分捕捉。未来研究应关注临床医生层面的采用决定因素、肿瘤学特定工具调整（如癌症术语训练和笔记质量评估）、纵向数据整合以及实施基础设施（如内部倡导者、直接EHR集成和持续支持机制）。研究局限性包括单中心设计、调查样本量小且应答率低、未评估不同癌症类型和疾病复杂性的性能差异、未纳入客观笔记质量和错误指标，以及低采用率限制了统计效力。
研究结论部分可翻译为：随着环境AI scribe技术持续发展，需要标准化的基准评估框架，以一致地评价工具性能及其对临床结局的下游影响。进一步理解采用障碍，并结合工具优化以支持专科文档工作流程，是在肿瘤学等复杂专科实现可扩展和可持续实施的重要下一步。
