从撰写到编辑：环境式AI书写病历，培训生该被考核什么

数据视角 × 医疗数据从业者 ｜ 事实报道 × 医院信息化/临床医生 ｜ 深度研报

开场：环境AI铺开的速度超过了课程更新的速度

一篇聚焦培训生使用环境式人工智能 (ambient AI) 临床文档的论文，于 2026 年 10 月 12 日在线发表于 npj Digital Medicine，页面标注的 datePublished 即为该日期。论文提出的不是又一轮工具评测，而是一套能力框架 (competency framework)，指向的核心转变是从撰写 (authoring) 到编辑 (editing)：医师的工作正在从自己书写病历，转为修改人工智能 (artificial intelligence, AI) 生成的病历草稿。

在作者看来，撰写病历长期以来是培训生锤炼临床推理 (clinical reasoning) 的途径，而医学教育尚未准备好培养正在取代它的那项任务，即审校 AI 生成的临床文档。论文把这项任务定义为一项可教授的能力，并主张基于模拟 (simulation) 的教学既适合教授它，也适合产出临床文献尚未产出的发展性证据。

张力在于速度差。研究指出，环境 AI 在临床场景的铺开速度快于课程体系能够适应的速度，培训生因此是在没有既定能力标准的前提下，承接了这场工作方式的迁移。论文同时提醒，迄今被测量的结果——文档耗时、认知负荷、职业倦怠——说明的是这类工具对劳动力可持续性的价值，而不是对医学教育的价值。二者不能相互替代。

规模有多大：一年250万次就诊、8581名临床医生的真实部署数据

支撑这套框架的并非实验室推断，而是真实部署的量化证据。论文引用的部署规模证据显示，单个整合系统 (integrated system) 在一年内记录了超过 250 万次临床就诊 (clinical encounters)。

数据覆盖五家学术医疗中心，时间跨度超过 2 年，涉及临床医生数量为 8581 名。对于环境 AI 书写员 (ambient AI scribes) 这类被动采集医患对话、自动生成病历草稿的工具而言，这构成了目前规模较大的真实世界评估之一。作者据此判断，环境 AI 书写员已成为医疗领域被采用最快的生成式人工智能 (generative AI) 应用之一。

需要说明的是，样本集中在美国的学术医疗中心，其结论不宜推广为其他医疗体系的通用结论。

省下的时间分布不均：住院医师的94分钟与全体平均的13分钟

时间节省是被引最多的一类结果，但分布并不均匀。数据显示，采用者每 8 小时排班平均节省 13 分钟电子病历 (electronic health record, EHR) 时间；住院医师的节省幅度则达到 94 分钟，接近全体平均值的 7 倍。同一套工具在不同人群身上产生的收益量级差异，是培训生被视为相对其他临床医生群体受益更突出的直接依据。

认知负荷方面也有效果记录。耶鲁大学 (Yale University) 47 名培训生接受了美国国家航空航天局任务负荷指数 (NASA-TLX) 测评，认知负荷自 56 分起出现改善。

四域框架：错误检测、临床信息核对、独立生成与信任校准

论文把审校 AI 生成的临床文档拆解为四个能力域，并逐一给出界定与教学路径。

错误检测 (error detection)

指识别 AI 生成文档中的事实与临床错误。

临床信息核对 (clinical reconciliation)

指把生成内容与原始临床信息源做交叉验证。

独立生成 (independent generation)

指在无 AI 辅助条件下完成文档的能力。论文强调，独立撰写是临床推理最初得以建立的方式，因此培训的最早阶段应保持以撰写为主，待推理能力成形后再引入环境 AI 审校；否则培训生面临的不是去技能化 (deskilling)，而是从未形成技能 (never-skilling)，即在尚未成为主动撰写者之前就先变成了被动编辑者。

信任校准 (trust calibration)

指对 AI 输出可靠程度形成恰当判断的能力。

教学载体被指向模拟环境：错误可以被反复注入与复现，相关结果的测量不附带患者安全风险。论文提到的 DEFT-AI 督导结构 (supervisory structure) 中，教育者追问培训生的推理过程、评估其对支持性证据的使用、给出针对性反馈并针对已识别的差距施教，可直接迁移到四个域的模拟后复盘 (debriefing)。同一套基础设施还能支撑临床部署无法完成的对照研究：设置与未设置 AI 文档审校课程的培训生对照试验、跨培训阶段的文档能力与临床推理纵向追踪，以及环境 AI 应在培训管线哪一环节引入的实证判定。

框架所嵌入的范式被作者视为稳定的：由 AI 生成临床文档、由人审校。只要该范式成立，核心能力便不随底层模型更替而失效。

冷静观察：认知负荷下降不等于能力上升，编辑能力必须被单独考核

首先需要划清的是因果边界：时间节省、认知负荷改善属于工作负担维度的结果，不得把时间节省直接等同于培训质量提升或患者结局改善。论文未主张这类等式，现有证据也不支持做此推断。

其次，编辑能力必须被单独考核。撰写能力有成熟的教学与评价传统，而审校 AI 输出所需的错误检测、临床信息核对、独立生成与信任校准，目前并不在课程体系的既定考核项内。若不单列，培训生能力结构中将出现一处无人负责的空白。

再次，框架明确限定自身边界：它规范的是在基础撰写能力确立之后如何引入环境 AI，而非撰写本身。何时完成这一过渡、什么算基础撰写能力已经确立，都属于作者提出的实证问题，当前在各课程体系间并无统一标准。

落地条件同样存在约束。许多学术医疗中心已有可改造的模拟基础设施，但容量与可及性因机构、专科和场景而异。加上样本集中于美国学术医疗中心，这套四域框架更宜被视为一份待验证的议程，而非可直接照搬的结论。

原文链接：npj Digital Medicine

千方医数集编辑部 出品