AI辅助电子病历生成的四类应用场景

来源：HIT专家网  作者：郑西川

在国内医疗AI赛道，与电子病历相关的应用一直是重点场景。鉴于医疗行为直接关联患者生命健康与医疗质量安全，对电子病历相关AI应用的严谨性、合规性及风险可控性有着严格要求，相关政策已经明确界定了应用边界。如《卫生健康行业人工智能应用场景指引》就提出“智能病历辅助生成”，强调“辅助”二字，并给出概念定义：基于语言大模型打造智能化病历辅助书写虚拟助手，实现电子病历自动生成，提高病历书写效率及质量。

当前业内针对电子病历辅助生成的AI应用探索，整体呈现出以下特点：在模型选择上，正从通用大模型逐渐转向专科小模型，医疗机构不再追求模型参数，而追求“够用+专科数据+本地可控”；模型应用的训练数据，不再局限于专业教材与疾病诊治指南，而是应用医院内部专业数据进行训练；AI辅助电子病历生成落地场景也不断细化深入，包括全自动草稿生成、结构化辅助生成、实时对话补全以及质控反响纠错等，形式多样，展示了国内AI医疗应用的良好发展态势。

AI电子病历辅助生成的方式与特点

1.全自动草稿生成

根据输入的患者信息（如患者自述病史、检查结果等），快速自动生成病历草稿，涵盖病历的基本结构和主要内容，供医生参考。

这种方式适用于病历内容较为规范、结构相对固定的场景，如常见疾病门诊病历、常规检查记录等。对于复杂病情或特殊病例，可能需要较多的人工修改和完善。

全自动草稿生成的技术难度较高，需要大模型具备强大语言生成能力和对医疗知识的深度理解，以确保生成内容的准确性和逻辑性。同时，要解决模型可能出现“幻觉”问题，避免生成错误或不合理病历内容。

未来可能会结合更多医疗数据和知识图谱技术，帮助生成更精准、更个性化的病历草稿，同时也会更加注重与医生的交互，以满足临床需求。

2.结构化辅助生成

将患者医疗信息进行结构化处理后输入模型，模型根据结构化数据生成电子病历内容。生成的病历更符合规范，信息准确性和完整性较高，且能够较好地体现医疗逻辑。

这种方式适用于对病历质量和规范性要求较高的场景，如住院病历、手术记录等，尤其适合需要详细记录患者病情变化、治疗过程和医嘱等内容病历。

未来，结构化辅助生成将更加注重与传统电子病历系统深度集成，不断优化结构化数据处理方法和模型生成能力，实现数据自动采集和结构化处理，提高病历生成效率和质量。

3.实时对话生成

这种方式是指在医生与患者交流过程中，通过语音识别等技术，实时捕捉对话内容，再通过大模型分析和推理能力，即时生成病历内容。

实时对话生成电子病历能够实时反映患者病情陈述和医生诊断思路，生成病历更具时效性和针对性，主要适用于门诊接诊、急诊等需要快速记录患者病情和医生诊断场景。对于病情复杂或需要多次沟通，实时对话生成的病历可以作为参考，供医生进行后续审核和补充。

随着语音识别技术和自然语言处理技术发展，实时对话生成的准确性和流畅性将不断提高。未来可能会结合更多的智能交互功能，如智能提示、自动纠错等，进一步提升医生工作效率和病历质量。

4.质控驱动的反向生成

这种方式是通过对已有病历进行质量检查和分析，发现其中问题和不足，反向推导出需要补充或修改的内容，生成相应的病历片段或建议。

这种方式有助于提高电子病历整体质量，确保病历内容完整性和准确性，适用于病历质量审核和优化环节，实现病历进行全面检查和改进。对于病历书写质量参差不齐的科室或医院，质控驱动的反向生成能够有效提升病历整体质量水平，降低医疗风险。

质控反向生成需要建立完善的病历质控规则和标准，同时，模型需要具备较强的推理能力和生成能力，能够根据问题生成合理补充内容或修改建议。未来可能会结合深度学习技术，不断优化质控规则和生成模型，实现更精准的病历内涵质控和更高效的病历优化。

AI辅助病历生成的深层影响

基于AI的电子病历辅助生成，不仅有助于临床效率提升，更将重塑医学生产关系。

从临床医生角度来看，意味着从“打字员”到“临床决策者”的转型，病历书写时间显著下降，推动医学文本生产的工业化跃迁，让医生重新获得了与患者对话的时间，但决策压力上升——AI把“写什么”标准化后，“怎么解释”将成为医生的核心竞争力。

从医院管理角度来看，病历质控将真正实现“过程质控”，把缺陷拦截在“提交前的5分钟”。病案首页被AI补全后，DRG/DIP精准度提升，入组准确率明显提高，有助于提升医院运营水平。

从医学教育角度看，基于AI的电子病历应用将导致医院规培/住培大纲的调整，据了解，上海交通大学医学院及部分附属医院住院规培已把“AI病历写作”内容纳入必修模块，考核重点转为“AI提示纠错能力”。

从“写病历”到“审病历”，医疗大模型正在推动医学文本生产的工业化跃迁。它不仅让医生重新获得了与患者对话的时间，也让监管者拥有了可量化、可干预的AI治理抓手。病历不再成为临床医生的“负担”，而是向高质量的医疗数据资产更进一步。

笔者认为，基于AI的电子病历“草稿自动生成”与“辅助书写”将逐步走向融合，医院可以先让AI在后台生成完整草稿，再在前端以实时补全、段落确认等方式与医生进行交互，形成双层协同架构。部分企业已在探索大模型电子病历辅助生成的“双层协同”标准配置：后台的70B大模型跑全量草稿，前台的7B模型实时补全，形成标准的“云-边”混合架构。期待看到更多AI电子病历辅助生成应用稳健发展，实现从“能用”到“好用”、从“单点应用”到“规模应用”的突破。

【作者简介】

郑西川，上海交通大学附属第六人民医院计算机中心教授级高工。上海交通大学医学院生物医学工程专业硕士研究生导师，苏州大学放射医学与公共卫生学院生物医学工程专业硕士研究生导师。中国医院协会信息专业委员会（CHIMA）委员，中国医药信息学会（CMIA）委员，上海市医院协会信息管理专业委员会委员，中国医药信息学会上海分会常委，中国生物医药技术协会医药信息分会常委，《医疗卫生装备》杂志特约审稿专家。

研究方向：①基于PACS电子病历的临床信息共享；②HL7/XML电子转诊相关技术及应用研究；③区域临床信息共享及协同医疗信息技术研究；④数字化医院的相关标准及实现技术。近年来，先后承担上海市“十一五”重大科技项目、上海市科委自然科学基金项目、上海市经济信息委信息化专项基金以及院级课题多项。发表论文40余篇。

【责任编辑：陈曦 版式：明超】