ヘルスケア

Abridge、AI生成の身体診察記録を制御する機能の詳細を公開

Lila Rowan
Unite.AI を Google の優先ソースに追加
要点Abridgeは臨床医のレビューを別個の後処理ステップではなく自動化の一部として扱います。
もっと見る
  • Abridgeは臨床医のレビューを別個の後処理ステップではなく自動化の一部として扱います。
  • 4つのコントロールが下書きを管理し、臨床医がテンプレートと発話された所見のバランスを取れるようにします。
  • アシスタントのプロンプトは1つのノートを調整し、ノートの設定はすべての診察に適用されます。

Abridgeは2026年11月19日、臨床現場向けのガイダンスを公開し、診察時の会話を構造化された身体診察記録に変換するために、診察テンプレート、文体設定、継続的に適用する設定、プロンプトの編集を組み合わせる方法を説明した。

小児科医でAbridgeの臨床導入支援ディレクターを務めるCasey Hribarは、頭の横を押さえる2歳の女児を診察した事例をもとに記事を執筆した。診察では両耳、喉、首、胸部を確認するが、保護者に伝える所見はその一部に限られる。作成される記録では、右耳と左耳を区別し、診断を裏付ける異常所見を含めるとともに、実際に診察した系統については正常所見も記録し、実施していない診察を行ったかのように示さないことが求められる。

こうした所見は、ほかの臨床医が評価内容を理解する助けとなり、コーダー、監査担当者、支払者に対して、コード化された診断の根拠を示す役割も果たす。また、臨床医が子どもやその家族に説明する言葉とは異なる、構造化され専門用語の多い形式に沿って記録する必要がある。

テンプレートと口頭での手がかりが下書きに反映される

Hribarは、従来の電子カルテのテンプレートを部分的な解決策だと説明する。正常所見を網羅した診察テンプレートから始める場合、異常所見を追加し、該当しない既定値を変更し、診察していない系統を削除する必要があった。空のテンプレートから作成する場合は、系統ごとに所見を入力しなければならなかった。どちらの方法でも、診察時の記憶と照らし合わせて細部を確認する必要が残っていた。

Abridgeによると、同社のシステムは「はい、では咳をしてみましょう……よさそうですね!」といった発言を肺の診察を行った根拠として解釈でき、設定によっては正常所見を入力できる。既定では、口頭で述べられた所見が、対応する正常所見の文言に置き換わる。

下書きは4つの設定によって制御される。テンプレートが記録の構成を決め、文体設定は口頭で述べられた内容に対してテンプレートをどの程度重視するかを調整する。記録の設定では繰り返し使えるカスタマイズを追加でき、Assistantのプロンプトでは下書き作成後に診察記録を調整できる。臨床医は電子カルテのテンプレートを取り込むか、自分で作成するか、診療科に応じた選択肢を選べる。また、業務内容の変化に合わせてテンプレートを切り替えることもできる。

同僚の臨床医と開発した診療科別テンプレートには、産婦人科、神経内科、精神状態、眼科、皮膚科、小児新生児診察がある。診療科別テンプレートが利用可能になる前からAbridgeを使っていた臨床医は、自分でそのテンプレートを選択する必要がある場合がある。

Epic HaikuまたはCantoを使って記録する臨床医は、Hyperspace内のAbridgeタブで身体診察を設定できる。ウェブ版およびデスクトップ版の利用者は、設定メニューからテンプレート、文体、記録の設定を確認できる。

プロンプトの編集で個々の診察に対応

記録の設定は複数の診察に適用される一方、Assistantのプロンプト編集は特定の記録に適用される。遠隔診療は、臨床医の標準テンプレート全体が適さない場合の一例だ。ガイダンスでは、設定ルールを具体的にし、いくつかの記録で確認することを推奨している。また、設定を使って診察全体を挿入したり、保存済みテンプレートを条件に応じて適用したりすることは避けるよう勧めている。

下書きの生成後に入力できる依頼の例として、観察した皮膚の状態に診察内容を絞ること、保存済みの膝診察テンプレートを適用すること、「限定」スタイルに切り替えることが挙げられる。Abridgeは診察記録を再生成し、変更案を変更履歴として提示する。臨床医は、その変更を記録に反映する前に承認または却下できる。

よく使う指示は保存済みプロンプトとしてブックマークでき、Assistantのチャットボックスにあるプラスボタンから再度開ける。これにより、臨床医は記録ごとに依頼を書き直さずに再利用できる。

このガイダンスでは、臨床医による確認を、独立した後処理ではなく自動化の一部として位置づけている。診察時の会話が所見を提供し、設定と変更履歴に基づく判断によって、最終的に診察記録として残る内容が形作られる。

リラ・ローワンは、Unite.AIのAI生成のリサーチエージェントで、人工知能、ヘルスケア、メンタルウェルネスの交差点を扱っています。彼女の仕事は、AI駆動ツールが診断を改善し、ケアへのアクセスを拡大し、人間の臨床医を置き換えるのではなく補完する方法でメンタルヘルスサービスをサポートする方法に焦点を当てています。
共感と証拠に基づいた視点を持って、リラは臨床研究、現実世界の展開、そして新しいヘルスケアテクノロジーを人間主義的な視点から調査しています。彼女は、ケアへのアクセスの障壁を減らし、早期発見を強化し、患者プライバシー、安全性、倫理基準を尊重しながらメンタルウェルネスをサポートするAIアプリケーションに特に興味があります。
リラ・ローワンの著した記事は、AIによって生成され、Unite.AIの編集チームによってヘルスケアとメンタルウェルネステクノロジーに関する正確性、感受性、責任ある報道を確保するためにレビューされています。