1026--医学AI周报:从承诺到实证:生成式AI如何重塑临床工作流

多客科技

作者：微信文章

---

标题：从承诺到实证：生成式AI如何重塑临床工作流

副标题： 告别“睡衣时间”，AI助手如何将医生从EHR负担中解放出来

---

[导语]

以下内容编译自《NEJM AI》2025年10月23日发表的一篇赞助内容（SPONSORED CONTENT）。该报告由AI医疗公司 Viz.ai（http://Viz.ai） 的首席执行官 Chris Mansi 博士与首席临床官 Andrew M. Ibrahim 博士撰写，探讨了其公司的生成式AI平台 Viz Assist 如何重塑临床工作流。

医疗行业正处于一个转折点。临床医生不堪重负，医院财务紧张，患者等待时间空前漫长。

数据显示，医生每花1小时与患者交流，就要花近2小时处理电子健康记录（EHR）任务。其代价是巨大的：医生们经常把工作带回家，在深夜登录系统处理工作，即所谓的“睡衣时间”。医疗记录——这个曾经的临床工具——已成为一种负担，更多地服务于计费和合规，而非医疗服务。

对于临床医生而言，为新患者查阅数百页的记录（这些记录分散在不同的EHR、需要不同登录，或隐藏在未标记的扫描PDF中）已是常态。这种挫败感不仅是患者安全问题，也耗尽了临床医生的精力。

但现在，一股截然不同的技术浪潮已经到来：生成式AI。医疗领域的问题不是是否使用这项技术，而是如何确保其安全、有效地部署，并带来可衡量的价值。本文即基于该报告，探讨以 Viz Assist 为代表的生成式AI临床“副驾驶”，如何从影像AI走向工作流AI，为临床医生提供实证支持。

---

一、 AI的进化：从影像识别到信息过载

AI在临床的应用始于影像。以 Viz.ai（http://Viz.ai） 为例，其在2018年率先通过FDA的de novo审查，将AI应用于中风领域。其算法能在几秒钟内检测到CT扫描中的大血管闭塞（LVO）并提醒中风团队，缩短了宝贵的治疗时间。

这些由AI驱动的工作流工具目前已在1800多家医院中使用，并得到了100多项研究的支持，证明了临床AI的可扩展性和持久性。

然而，分析CT和ECG等图像只是难题的一部分。临床医生面临的另一个关键挑战在于文本：门诊记录、出院小结、实验室报告、会诊、患者对话，甚至是被扫描为PDF并深埋在系统选项卡中的外院记录。

指导治疗的洞见就埋藏在这片信息海洋中。而这些洞见常常被错过——不是因为临床医生不在乎，而是因为没有人能真正阅读和综合所有内容。

---

二、 临床副驾驶：Viz Assist如何运作？

生成式AI的飞跃改变了这一切。Viz Assist被设计为真正的“临床护理伙伴”。

它不仅是生成通用笔记，而是能消化数百页的EHR数据，解析相关的实验室结果、病史和既往影像，并将其提炼为针对特定病症的简洁摘要。

例如（如图1所示），对于一名56岁女性乳腺癌患者，系统能自动汇总其诊断日期、病理结果（ER+/PR+, HER2-, Ki-67 25%）、分期（3.5cm UOQ肿块+腋窝淋巴结）、既往治疗（新辅助AC方案、紫杉醇方案）及当前状态（寻求二次意见）。



其核心功能包括：

情景感知的摘要：
心脏病专家评估肥厚型心肌病（HCM）时看到的摘要，与神经外科医生准备动脉瘤随访时看到的摘要截然不同。Viz Assist能根据专科需求进行微调。

缩小“知行差距”：
该工具能将数据与既定指南进行交叉引用。例如，在HCM中，它可能会标记出患者尚未进行家族筛查；在中风随访中，它可能突出显示尽管有明确标准，但尚未启动抗凝治疗。它旨在浮现最重要的信息，以缩小医学知识与临床实践之间的差距。

自动化文档与编码：
在诊疗过程中，Viz Assist会“聆听”对话，并将其构建为笔记、转诊信或患者摘要的草稿。医生只需审核，而非从零开始。同时，它还能提出ICD-10和CPT编码建议，每项建议都与病历中的支持证据相关联。

---

三、 可衡量的ROI：时间、金钱与临床结局

在医疗领域，只有影响力才能持久。Viz Assist的价值正在通过分钟、美元和临床结局来衡量。

时间回报：
在心脏病学中，使用Viz Assist的医生报告称，病历审查时间减少了
一半以上。过去需要45分钟的工作现在只需5分钟。这意味着临床医生能有时间看下一个病人，或准时离开诊室，甚至能和家人共进晚餐，而不必在诊疗前夜“预先审阅病历”。

临床结局改善：
这建立在Viz.ai影像解决方案的坚实基础上。

肺栓塞 (PE): 在TriHealth医院，Viz PE的整合将平均会诊时间从4小时缩短至6分钟，并将放射科报告时间缩短了近两小时。这些流程改进使肺栓塞患者的院内死亡率降低了74%。肥厚型心肌病 (HCM): Viz HCM是首个获FDA批准用于HCM的AI算法。在一项涉及5个卫生系统的研究中，Viz HCM筛选了超过14.5万份ECG，发现了17例经心脏病专家确诊的新HCM病例——这些患者否则可能仍未确诊。


经济影响：
对于利润微薄的医院而言，准确捕获合并症可能意味着数千美元的收入。AI助手通过更准确的DRG（疾病诊断相关分组）分配、更少的拒赔，帮助医院收回了本可能损失的收入。

---

四、 告别炒作：建立信任与安全护栏

AI演示在会议厅里令人印象深刻，但在病床边却常常失灵。Viz.ai在美国国会作证时强调：AI必须是可信的、嵌入式的和有用的——否则它根本不会被使用。

Viz Assist围绕这一原则构建：

嵌入式工作流： 它直接集成到EHR中，临床医生在他们已有的工作界面中即可访问。透明与溯源： 信任是通过日常使用和一致的结果赢得的。AI的每一项建议都是透明的、可追溯源头的。如图2所示，摘要中的每一行都链接到患者病历中的原始来源。人类监督： 所有输出都是建议性的，在进入病历前需要临床医生审查。数据安全： 患者数据绝不会用于训练基础模型。所有处理都在符合HIPAA和HITRUST认证的系统内进行。

---

回归医学的人文关怀

效率固然重要，但不是最终目标。AI的真正衡量标准是它是否改善了患者护理。

生成式AI无法取代人类的判断力或同理心。但它可以归还临床医生最宝贵的资源：时间。

在不久的将来，每个医疗团队都会有一个不知疲倦、不错过细节、并始终掌握最新指南的助手。这个助手不会取代临床医生，而是赋权他们去做只有人类能做的事：关怀他人。

原文见Get笔记：每日更新妇儿介入文献
https://biji.com/topic/jnZdekd0

欢迎您把本公号设为“星标”，以便第一时间收到消息。