用于提高儿童医院电子病历可及性的 AI 聊天机器人集成

为何这对日常护理很重要

每次医生就诊背后都有越来越多的数字化文书工作。在儿童医院，医生常常把宝贵的分钟花在翻找电子病历上，而不是与家属沟通或做出诊疗决策。本研究展示了一个由人工智能驱动的简单聊天窗口如何将这些复杂记录转化为快速、清晰的答案——尤其在工作繁忙、资源有限的医院里，每一秒都很重要。

在数字病历中寻找答案的问题

电子病历本意是让医疗更高效，但许多系统变得杂乱且难以检索。医生需要点击许多界面和字段才能找到诸如儿童的氧合水平或上周入院的类似病例数量等基础信息。早期研究发现，医生每次就诊在这些系统中可能花费超过四分之一小时，其中大部分时间用于搜索而非思考或与患者交流。这类问题在较小或偏远医院尤为严重，那里的软件通常很基础且人员紧缺。

会“读表格”的聊天机器人

研究人员与印度 Tumkur 地区的一家区级医院合作，该院儿科病人数据以简单的表格文件形式存储，而非昂贵的数据库系统。他们使用常见的 Web 工具搭建了一个轻量级的电子病历系统，并将其与基于 LangChain 和 OpenAI GPT-3.5 模型的对话式聊天机器人相连。研究中没有把完整病历发送给 AI，而是由一个独立的 Python “助手”将医生输入的问题翻译成安全、聚焦的命令，仅从匿名化数据中提取所需信息。这既保护了隐私，又使聊天机器人能理解诸如“在这一天有多少登革热病例入院？”或“这个孩子最新的氧合水平是多少？”等自然语言问题。

系统在后台的工作方式

当医生在聊天机器人中输入问题时，系统首先从安全的 Firestore 存储区检索相关的去标识化数据，并将其转换为结构化格式。LangChain 的 CSV 代理随后把问题拆成可搜索这些表格文件的小段计算机代码。该代码在本地数据上运行，结果再传回语言模型，后者将其转化为对临床医生清晰、对话式的回答。数据流仅沿着一个安全方向流动：聊天机器人看到的是查询结果，而非完整病历，有助于在保持灵活、易用的同时遵守隐私规则。

用真实临床医生测试聊天机器人

为了评估该工具是否真正有用，团队收集了包含 1,200 次儿科就诊的数据集，每次约含 160 个不同数据点。40 名临床医生被要求完成 240 项逼真的检索任务，例如查找特定的生命体征或统计具有某种诊断的患者数量，任务在有无聊天机器人的情况下分别进行。医院较旧的电子记录检索依赖简单的关键词匹配，作为对照。使用聊天机器人时，中位检索时间从略超一分钟降至略超半分钟——约 40% 的提升。检索信息的准确性也明显提高，精确性与完整性的合成得分从 0.71 提升至 0.89。临床医生对该工具的可用性评分很高，并且更喜欢获得结构化的整洁答案而非原始表格。

这对未来护理可能意味着什么

作者总结认为，一个适度、可负担的聊天机器人可以显著简化并加速医生访问儿童病史的过程，而无需复杂基础设施或带来不必要的数据暴露风险。通过允许临床医生用自然语言“与记录对话”并严格限制 AI 所能看到的内容，该系统为依赖表格、预算紧张的医院指明了实用路径。尽管聊天机器人在处理非常复杂或含糊的问题时仍有困难，且尚未处理自由文本笔记，但研究表明类似工具有朝一日可帮助各领域的临床医生减少与软件的纠结，投入更多时间于患者护理。

引用: Gowramma, P.B., Kumar, K., Prema, M.S. et al. AI-powered Chatbot integration for enhanced accessibility of electronic health records in a pediatric hospital. Sci Rep 16, 13287 (2026). https://doi.org/10.1038/s41598-026-42475-2

关键词: 儿童电子病历, 医疗 AI 聊天机器人, 临床数据检索, 医疗隐私, 资源匮乏的医院