如何緩解電子病歷對(duì)臨床工作的負(fù)面影響，這里有個(gè)新思路。

在美國(guó)，隨著電子病歷（EHR）的普及，臨床醫(yī)生不得不在病歷上花更多時(shí)間精力。

根據(jù)美國(guó)總統(tǒng)奧巴馬2009年簽署的HITECH法案（衛(wèi)生信息技術(shù)促進(jìn)經(jīng)濟(jì)和臨床健康法案），政府投入了190多億美元在全美推廣使用醫(yī)療信息技術(shù)，包括電子病歷。

理論上，電子病歷能夠增強(qiáng)臨床工作者的信息交互，保障病人*，降低醫(yī)療錯(cuò)誤，避免重復(fù)性的實(shí)驗(yàn)室檢查，也幫助醫(yī)療付費(fèi)方（政府或*公司）對(duì)臨床工作進(jìn)行評(píng)估和費(fèi)用支付。

然而隨著電子病歷的推廣，大量的病歷輸入負(fù)擔(dān)也不斷成為困擾臨床醫(yī)生職業(yè)滿(mǎn)意度的一大痛點(diǎn)。醫(yī)生甚至因?yàn)樵谶^(guò)于繁雜的病歷輸入中消磨了從醫(yī)的樂(lè)趣，甚至萌生退意，這些人不在少數(shù)。

透過(guò)美國(guó)一個(gè)社區(qū)醫(yī)院的急診科的電子病歷使用情況的研究，我們可以管中窺豹。

現(xiàn)狀：電子病歷的沉重負(fù)擔(dān)

2013年，在賓夕法尼亞州小城Allentown的St Luke醫(yī)院急診室，總共16名臨床工作者，包括主治醫(yī)師（4名）、住院醫(yī)生（7名）、以及其他中級(jí)醫(yī)療服務(wù)提供者（比如執(zhí)業(yè)護(hù)士，醫(yī)生助理等，5名）30小時(shí)內(nèi)的臨床工作時(shí)間的利用情況被全程記錄下來(lái)。

記錄的時(shí)間分成四大塊：病歷和醫(yī)囑輸入的時(shí)間直接病人接觸時(shí)間閱讀和評(píng)估病歷/化驗(yàn)報(bào)告的時(shí)間與同事討論的時(shí)間

同時(shí)，醫(yī)務(wù)人員在每個(gè)病人以及每個(gè)小時(shí)的鼠標(biāo)點(diǎn)擊量也被記錄下來(lái)。

時(shí)間利用結(jié)果如下圖所示：

平均鼠標(biāo)點(diǎn)擊率，每小時(shí)400次，按每10小時(shí)一檔急診班計(jì)算，每個(gè)臨床工作者在一檔班的時(shí)間內(nèi)要點(diǎn)擊鼠標(biāo)4000次。

其中具體的臨床活動(dòng)需要點(diǎn)擊鼠標(biāo)量如下：

從以上結(jié)果我們可以看出，雖然此研究存在樣本量較小等局限性，反映出的問(wèn)題卻非常明顯。

臨床工作者在病歷輸入這一項(xiàng)目上花費(fèi)過(guò)多的時(shí)間，與病人直接接觸的時(shí)間受到極大壓縮，這在對(duì)時(shí)間和效率非常看重的急診科尤為明顯。

未來(lái)改進(jìn)之道：人工智能

許多研究顯示，對(duì)比紙質(zhì)病歷，電子病歷使用者在看診速度上有所下降，然而由于電子病歷在編碼臨床服務(wù)和獲得第三方支付方面、比紙質(zhì)病歷更*，總體計(jì)算電子病歷為醫(yī)院帶來(lái)更大的收入。

在醫(yī)療質(zhì)量方面，*近哈佛和斯坦福對(duì)27萬(wàn)人次的門(mén)診數(shù)據(jù)分析表明，電子病歷并未對(duì)醫(yī)療質(zhì)量產(chǎn)生顯著提高。

在南卡羅來(lái)納大學(xué)急診部門(mén)的數(shù)據(jù)顯示，電子病歷讓病人每次看診節(jié)約了近120分鐘，提高了病人的周轉(zhuǎn)速度。

針對(duì)電子病歷的研究在美國(guó)層出不窮，然而由于EHR系統(tǒng)的品牌以及各個(gè)醫(yī)療機(jī)構(gòu)情況的不同，加上評(píng)估手段和方法的不一致，有時(shí)候得出很多不同的結(jié)論。不過(guò)電子病歷對(duì)于醫(yī)療業(yè)務(wù)的管理和評(píng)估，醫(yī)療質(zhì)量的標(biāo)準(zhǔn)化以及科研的作用，基本是被公認(rèn)的。

針對(duì)臨床工作者在電子病歷花費(fèi)過(guò)多時(shí)間的問(wèn)題，*近大熱的人工智能(AI)也許能提供答案。

一般認(rèn)為人工智能主要對(duì)疾病的診斷和治療上能夠有用武之地，包括機(jī)器讀片、分析影像和病理切片，以及學(xué)習(xí)大量文獻(xiàn)并且提供*佳治療方案。然而很多人還沒(méi)意識(shí)到的是，AI在改善臨床工作流程上也能助臨床工作者一臂之力。

針對(duì)電子病歷，目前傳統(tǒng)的輸入手段主要依賴(lài)于手動(dòng)鍵盤(pán)輸入以及聽(tīng)寫(xiě)，而現(xiàn)在不斷進(jìn)步的人工智能正在慢慢具備自動(dòng)在醫(yī)生和病人對(duì)話(huà)過(guò)程中讀取關(guān)鍵信息，生成病歷的能力。人工智能算法在經(jīng)受大數(shù)據(jù)磨煉和學(xué)習(xí)之后，將病人受診過(guò)程收集的語(yǔ)音信息，轉(zhuǎn)換為智能病歷，人類(lèi)醫(yī)生可以理解并編輯。

在不久的未來(lái)，醫(yī)生所需要做的僅僅是核實(shí)以及修改AI自動(dòng)生成的病歷。這樣的手段將大大降低臨床工作者輸入病歷的時(shí)間消耗，將更多精力投入在與病人交流的過(guò)程中，這將幫助臨床工作者在同樣時(shí)間內(nèi)處理更多病人，提高病人滿(mǎn)意度，同時(shí)增加醫(yī)療機(jī)構(gòu)的效率和收入。

美國(guó)目前有許多公司在研發(fā)這樣的語(yǔ)音識(shí)別和智能處理的AI系統(tǒng)，比如Nuance Dragon Medical，Dolby，Entrada等等。

雖然目前這種AI仍未完全成熟，達(dá)到使用預(yù)期，但對(duì)于緩解電子病歷對(duì)于臨床工作的負(fù)面影響，我們有了新的思路。或許更多的醫(yī)療AI初創(chuàng)企業(yè)和創(chuàng)新性醫(yī)療機(jī)構(gòu)都應(yīng)該考慮增加對(duì)電子病歷系統(tǒng)的創(chuàng)新性投入，從而不斷優(yōu)化臨床流程，改進(jìn)醫(yī)療質(zhì)量和病人滿(mǎn)意度，同時(shí)取得經(jīng)濟(jì)效益。

有些臨床工作者對(duì)AI的出現(xiàn)和普及會(huì)產(chǎn)生恐慌情緒，擔(dān)心AI會(huì)替代很多醫(yī)生的工作。他們強(qiáng)調(diào)對(duì)病人的同理心、人與人的之間的關(guān)懷才是人類(lèi)醫(yī)生相比AI的*大優(yōu)勢(shì)。然而未來(lái)的AI，在提高電子病歷輸入效率上對(duì)人類(lèi)醫(yī)生的幫助，也許能反而幫助人類(lèi)醫(yī)生騰出時(shí)間，增加與病人的facetime(面對(duì)面的時(shí)間)，進(jìn)一步鞏固和凸顯人類(lèi)醫(yī)生不可替代的人文關(guān)懷和同理心優(yōu)勢(shì)。

在此基礎(chǔ)上，人類(lèi)醫(yī)生再進(jìn)一步運(yùn)用AI強(qiáng)大的診斷和治療分析力提高醫(yī)療效果。這種人機(jī)合作的模式，可能正是我們追求的醫(yī)療和人工智能結(jié)合的正確“打開(kāi)方式”。

作者簡(jiǎn)介

陳梁，美國(guó)波士頓哈佛醫(yī)學(xué)院附屬醫(yī)院-麻省總醫(yī)院(MGH)外科研究Fellow，波士頓大學(xué)公共衛(wèi)生（醫(yī)療政策和管理）碩士。畢業(yè)于上海交通大學(xué)醫(yī)學(xué)院，曾在多倫多大學(xué)醫(yī)學(xué)院、休斯頓貝勒醫(yī)學(xué)院、紐約西奈山醫(yī)學(xué)院、耶魯大學(xué)醫(yī)學(xué)院以及哈佛大學(xué)醫(yī)學(xué)院附屬醫(yī)院等接受臨床培訓(xùn)。

參考文獻(xiàn)：

1.Hill RG,Jr.,Sears LM,Melanson SW.4000 clicks:a productivity analysis of electronic medical records in a community hospital ED.Am J Emerg Med.2013;31(11):1591-1594.

2.https://knect365.com/pharmanext/article/32f56225-6c48-40cc-8f8e-cf710fe4aed0/3-voice-recognition-platforms-that-integrate-with-ehrs

3.Miller DD,Brown EW.Artificial Intelligence in Medical Practice:The Question to the Answer?Am J Med.2018;131(2):129-133.

4.Verghese A,Shah NH,Harrington RA.What This Computer Needs Is a Physician:Humanism and Artificial Intelligence.JAMA.2018.