集成联络中心解决方案的用于自动化医疗文档和临床决策支持的多模态系统

帮助医生把更多时间留给患者

许多全科医生感到繁琐的文书工作侵占了面对面诊疗的时间。Parrot AI 项目通过构建一个智能助手来解决这一问题：它倾听病历问诊、撰写记录并提供建议，同时始终让医生掌控决策。对患者而言，这可能意味着更短的等待时间、更聚焦的对话以及更清晰的就诊记录。

为什么文书工作负担沉重

数字化病历本意在简化医疗流程，但实际上医生仍需手动输入或点击大部分表单。研究显示，标准门诊中近一半时间可能被用于文档记录，而非直接接触病人。仅在波兰，2023 年基层医疗就处理了超过 1.8 亿次就诊，因此即便是每次就诊的微小效率提升也至关重要。现有数字工具通常只覆盖狭窄任务，例如预约或语音记录，而未能支持从首次接触到诊断与治疗的完整流程。

Parrot AI 系统的功能

Parrot AI 系统面向内科和儿科诊所，将若干工具串联成一体化工作流。首先，电话与聊天助手负责预约并在就诊前询问简单的症状问题。就诊过程中，语音识别将医患对话转为文本。经波兰语会话训练的语言模型随后扫描对话，以识别症状、药物、测量值和检查转诊等关键信息，并利用这些信息自动填写电子表格的大部分内容。这为医生提供了一个可核对的记录草稿，而不是要从空白屏幕开始完成全部内容。

智能助手如何支持决策

除了撰写记录外，Parrot AI 还包含一个专家模块，会审视收集到的症状并提出可能的诊断和治疗选项。它依赖大规模的训练集，将投诉模式与特定疾病和疗法（基于标准疾病编码）关联起来。研究测试了多种机器学习方法，其中一种称为随机森林的技术表现最佳。对每位患者，医生会看到排名前三的诊断建议以及可能的处方、检查和病假建议。医师可以接受、修改或拒绝每一项建议，因此医疗判断始终由人类专家掌控。

目前系统的表现如何

研究人员对各个构建模块分别进行了评估。从对话中提取信息的语言模型在超过五分之四的案例中正确识别了医疗细节及其含义。专家模块在将症状模式匹配到诊断与治疗方面也达到了类似的效果，常常高于其它医疗支持工具报告的水平。语音和聊天助手在大多数注册和就诊前任务中也能在无需人工操作的情况下完成。这些测试基于数千条真实且匿名化的波兰诊所就诊记录，系统运行接近实时。

局限性、安全性与下一步

作者指出，Parrot AI 仅在波兰语上训练，且多来自一个地区的数据，因此尚未覆盖所有疾病或语言风格。背景噪音和诊所设备差异也会影响准确性。目前系统主要在既往录音和受控的试点使用中进行了测试。为保护患者，每一步自动化操作均有日志记录，医生必须确认所有诊断、转诊和处方后才能将其纳入病历。未来工作将扩展专业科室范围、改进罕见病处理能力，并增加算法给出结论的更清晰解释。

对日常医疗可能的影响

研究表明，设计良好的数字助手可以承担大量例行的打字与核对工作，从而减轻就诊负担，同时把最终决策权留给临床医师。通过将呼叫中心式工具、语音识别、语言理解与专家模块相结合，Parrot AI 指向一种就诊记录更一致、医生能投入更多时间倾听和解释的诊所场景。如果后续试验证实这些结果，此类系统可能成为初级保健诊所中一种常见且大多隐形的助力工具。

引用: Płaza, M., Płaza, M., Lucińska, M. et al. Multimodal system for automated medical documentation and clinical decision support integrating contact center solutions. Sci Rep 16, 15017 (2026). https://doi.org/10.1038/s41598-026-45879-2

关键词: 医疗文档, 临床决策支持, 自然语言处理, 联络中心, 初级保健