Cleveland Clinic 的企业级 AI Scribe 部署显示，治理与工作流设计决定使用率

Cleveland Clinic 的经验表明，AI Scribe 的高使用率依赖治理、培训和持续反馈

Healthcare IT News 报道称，医疗机构普遍希望借助 AI Scribe 缓解临床团队负担、减轻职业倦怠并改善人员留任，但真正的高使用率并不会自然发生。

医疗机构为什么关注 AI Scribe

文章开头引用了 AMN Healthcare 的一份白皮书，指出美国医疗系统仍将长期面临人力短缺压力，到 2036 年医生缺口可能达到 8.6 万人。护理岗位虽已较疫情高峰回落，但城乡招聘难度仍明显不均。

在这种背景下，AI 被寄望于支持 workforce optimization。报道认为，自然语言处理和环境式记录这类工具，可以通过减少文书负担，把更多时间还给临床医生。

使用率为什么经常上不去

根据 Cleveland Clinic Foundation 研究人员在 Nature 上发表的新报告，影响 AI Scribe 更广泛使用的因素包括：

• 抵触变革
• 临床工作流差异很大
• 医生对工具缺乏了解
• AI 生成记录的质量和稳定性不足
• 基础模型并未为复杂专科场景充分优化

研究团队认为，真正决定价值能否在规模化部署中兑现的，不只是“有没有人用过”，而是符合条件的每次就诊中，医生是否真的愿意打开并使用 AI Scribe。

Cleveland Clinic 是怎么部署的

Cleveland Clinic 与 Ambience Healthcare 合作，在企业级层面推进环境式 AI 文书部署。作为一个拥有 23 家医院、276 个门诊点位、约 8 万名 caregiver 的大型学术医疗系统，其 rollout 在 4 个月内覆盖了 4000 名门诊临床医生。

文章称，自 2025 年 3 月 10 日启动后的 12 个月内，已有超过 4800 名临床医生在超过 350 万次就诊中使用过 AI Scribe。

高使用率背后的治理结构

为了推进部署，Cleveland Clinic 建立了较强的治理和支持结构。

其中，一个 Project Operating Council 负责日常现场管理和跨团队协调，下面的子组分别处理：

• IT 开发和访问问题排查
• 培训与临床医生参与
• 产品反馈收集与优先级管理
• 使用率和实施效果监测

研究人员表示，这种结构让培训、支持、反馈和产品调整形成了闭环，而不是把工具一发了之。

培训和反馈机制是关键

部署期间，Cleveland Clinic 和供应商设置了高频反馈通道。文章提到，快速反馈机制处理了 900 多次咨询，平均响应时间约为两分钟。

最常见的问题包括自定义体格检查模板、多医生协同工作流配置、草稿修改、内容更新以及 AI Scribe 使用政策访问。

Ambience Healthcare 还每天提供三次直播虚拟培训，并开放 24/7 的人工移动聊天支持。与此同时，临床医生反馈会通过服务台和供应商支持团队持续汇总，再反馈给培训团队和产品团队。

为什么科室负责人也重要

文章还特别提到，给科室主任提供专门的 dashboard 和沟通工具，是推动 adoption 的另一关键因素。

通过让他们看到所在科室的培训和上线进度，并配合定制化的沟通话术，医疗系统能够在不把全部推进责任压到科室主任身上的情况下，持续拉动使用率。

此外，provider advisory group 也被用来收集各专科对内容、格式、功能和配置的具体反馈，这些 specialty-specific 调整被认为对高使用率非常关键。

结果与启示

研究人员表示，这些结果并不是工具天然带来的，而是组织在部署每个阶段做出的一系列主动选择共同形成的。

报道还提到，持续满意度调查中，60% 的用户同意或强烈同意，环境式 AI 工具提高了他们继续留在临床实践中的意愿。

从行业角度看，这篇报道的意义在于，它把 AI Scribe 的讨论从“能不能生成病历”推进到了“怎样通过治理、培训、反馈和组织设计，让它真正被长期使用并证明价值”。