效率与数据兼得：如何利用AI重塑门诊病历书写模式

来源：HIT专家网  作者：曲元一

电子病历的书写质量，直接关系到医疗安全与临床数据的科研价值。然而，门诊病历的结构化书写，本质上是科研侧标准化数据采集需求与临床侧高效便捷录入需求之间的博弈。如何平衡二者？本文结合笔者工作实践，分享山东大学附属儿童医院在AI赋能电子病历书写方面的探索与思考。

以医生为中心的病历书写人机协同方案

在病历书写需求上，临床与科研两端面临着不同的现实困境：临床侧的困境是效率至上、疲于奔命；科研侧的困境则是数据为王、挖掘受限。两者相互交织，呈现出一条清晰的反向博弈曲线：随着病历结构化程度的提升，一线医护录入的便捷性持续下降，而生成数据的科研可用性则显著上升。两条曲线的交点，代表了在当前技术与流程约束下兼顾录入效率与数据价值的“最优平衡点”，也是系统设计时最重要的参考基准。

在此前的文章中，笔者对当前AI辅助电子病历生成的两种主流模式“语音记录转文字”与“大模型自动生成病历”的技术特点与优劣势进行过比较分析，并提出了一套差异化的解决思路，其核心理念是：强调“书写”而不是“生成”，强调“辅助”而不是“自动驾驶”，打造以医生为中心、以AI为工具的人机协同模式，追求效率与安全的平衡。

该方案主要由以下三个核心模块构成。

1. 模板驱动录入：医生基于结构化模板填写字段，关键信息有明确的录入位置，不依赖自由发挥，也不依赖AI猜测。模板本身由AI从历史病历中自动学习生成——系统对历史病历样本进行智能选样、安全脱敏、结构提取后，由大模型精细生成模板草稿，经医学专家批注验收、一键发布上线，改变传统人工设计模板周期长、迭代慢的困境。

2. 结构化数据沉淀：每一次录入都生成可查询、可统计的结构化数据，从源头保证科研数据质量。在录入模式上，系统设计了创新性的键盘交互方式，医生通过结构化选择完成主要信息填写，操作高效流畅，降低录入负担。

3. 大模型辅助润色：结构化内容经医生确认后，由大模型将字段内容转化为符合临床规范的自然语言病历文本。AI只负责“说得好看”，不负责“决定内容”——这是该方案与传统大模型辅助病历生成路径的根本区别，也是有效规避“幻觉”风险的关键所在。

三大核心能力的深度实现

1.AI驱动的模板智能生成

模板是结构化病历书写的基础，其质量直接决定了数据采集的完整性与规范性。传统模板依赖医生或信息人员手工设计，不仅周期长，还难以全面覆盖真实临床场景中的细节字段。

如图1所示，本方案采用AI从历史病历中自动学习生成模板的机制，整个流程分为六个步骤：首先按规则进行智能选样，筛选出具有代表性的目标病历数据；随后对样本进行安全脱敏，去除患者隐私信息；接着对病历文本进行结构提取，解析字段与模板的映射关系；在此基础上，由大模型对模板结构进行精细生成与润色；生成完成后输出模板质量评估报告，供医学专家参考；最终经专家批注验收、确认无误后一键发布上线，导出标准化文档格式。

这一机制的核心价值在于：模板来源于真实临床数据，天然贴合科室实际诊疗习惯，覆盖度更高；同时通过专家验收环节，确保医学准确性，避免AI自动生成可能带来的偏差。

2.实时AI质控：将关口前移至书写过程

病历质控是保障医疗文书规范性的重要环节。传统质控模式以事后人工审核为主，发现问题时病历往往已提交，修改成本高、时效性差。

本方案将质控能力嵌入病历书写的实时过程中。在医生录入数据的同时，系统自动对关键字段进行校验：当主诉内容超出常见临床范围时，系统即时提示“请确认单位与数值是否正确”；当体重、身高等数值超出合理区间时，系统标注异常并给出提示；当必填字段未完成录入时，系统在提交前进行拦截。

与传统事后质控相比，实时质控的优势在于：问题在录入当下即被发现，医生可立即核实并修正，既减少了事后返工，又从源头提升了病历数据的准确性。如图2所示，在系统界面上，质控问题以醒目标注呈现于书写区旁侧，医生无需切换页面即可完成确认，最大限度降低了质控操作对诊疗流程的干扰。

3.结构化数据查询：让病历数据“活起来”

结构化采集的最终价值，在于数据能够被高效检索与利用。本方案配套了专业的结构化数据查询工作台，具备以下四项核心能力：

（1）多维筛选：支持文本、数值、日期、枚举等多种字段类型，如图3所示，查询条件可自由组合“且”“或”“非”逻辑，满足复杂科研筛选需求。

（2）双模查询：可切换原始录入值与标准归一值两种查询模式，同一症状在不同医生笔下的不同写法，均可被统一检索归并，解决了自由文本时代数据碎片化的痼疾。

（3）科研选病例：如需筛选“近半年确诊特应性皮炎且皮损面积大于10%的患儿”，只需在查询工作台设定条件，系统即可快速定位入组病例，大幅压缩人工翻阅病历的时间成本。

（4）临床统计：如需统计“过敏性鼻炎患儿中合并哮喘的比例”，系统可直接输出结果，支撑科研论文的数据需求，真正实现病历数据从“记录存档”到“科研生产力”的价值跃升。

与传统方案的核心差异

AI赋能电子病历书写，并非一道非此即彼的选择题。语音转录和大模型自动生成，均代表了技术演进的重要方向，但在实际落地中，“技术可行”与“临床可用”之间仍有相当距离。将本方案与传统AI辅助病历生成的方案对比，差异如表1所示。

笔者认为，在当前阶段，最稳健的路径是将AI定位为“增强工具”而非“替代者”：以结构化模板固化数据采集标准，以AI润色提升文本表达质量，以医生确认保障临床安全，以实时质控守好数据底线。这一“人机协同”的设计理念，既能有效缓解临床录入负担，又能直接产出高质量的结构化科研数据，实现效率与安全的双赢。

当然，现阶段的方案仍存在一定局限，如复杂病情的自由描述空间、与更多异构系统的数据对接等，均有待持续迭代优化。医院信息化的推进从来不是一蹴而就的，找准“最优平衡点”，才是当下最务实的选择。

【作者简介】

曲元一，山东大学附属儿童医院（济南市儿童医院）信息中心主任，高级工程师。

【责任编辑：陈曦】