Helse

Abridge beskriver kontroller for KI-genererte notater fra fysiske undersøkelser

Lila Rowan
Legg til Unite.AI blant dine foretrukne kilder på Google
Viktige punkterAbridge behandler klinikergjennomgang som en del av automatiseringen i stedet for et…
Vis mer
  • Abridge behandler klinikergjennomgang som en del av automatiseringen i stedet for et separat oppryddingstrinn.
  • Fire kontroller styrer utkastet og lar klinikere balansere maler mot muntlige funn.
  • Assistentledetekster justerer et enkelt notat, mens notatpreferanser gjelder for hvert besøk.

Abridge publiserte klinisk veiledning 19. november 2026 om hvordan klinikere kan kombinere undersøkelsesmaler, stilinnstillinger, faste preferanser og instruksjonsredigering for å gjøre samtaler under konsultasjoner om til strukturert dokumentasjon av fysiske undersøkelser.

Casey Hribar, barnelege og direktør for klinisk suksess i Abridge, skrev innlegget med utgangspunkt i en konsultasjon med en toåring som holdt seg på siden av hodet. Undersøkelsen omfatter begge ørene, halsen, nakken og brystkassen, men bare utvalgte funn blir omtalt overfor foreldrene. Det ferdige notatet må skille mellom høyre og venstre øre, ta med avvik som underbygger diagnosen og dokumentere normale observasjoner fra organsystemer som faktisk ble undersøkt, uten å gi inntrykk av at det ble utført undersøkelser som ikke fant sted.

Disse observasjonene hjelper en annen kliniker med å forstå vurderingen og gir kodere, revisorer og betalere dokumentasjon som underbygger kodede diagnoser. De må også passe inn i et strukturert format med mye terminologi, som skiller seg fra forklaringene en kliniker gir til et barn og familien hennes.

Maler og muntlige signaler former utkastet

Hribar beskriver vanlige maler i elektroniske pasientjournalsystemer som en delvis løsning. Hvis man tok utgangspunkt i en fullstendig normal undersøkelse, måtte man legge til avvikende funn, endre standardinnstillinger som ikke passet og slette organsystemer som ikke var undersøkt. Hvis man begynte med en tom mal, måtte funn legges inn for hvert organsystem. Begge fremgangsmåtene krevde fortsatt at detaljene ble kontrollert mot minnet om konsultasjonen.

Abridge sier at systemet kan tolke en bemerkning som «Greit, host nå … det høres bra ut!» som tegn på at en lungeundersøkelse fant sted, og, når det er konfigurert slik, fylle inn normale funn. Som standard erstatter muntlig beskrevne funn den tilsvarende teksten om normale funn.

Fire kontroller styrer utkastet. Malen bestemmer strukturen, mens stilinnstillingen styrer hvor stor vekt malen får sammenlignet med det som sies muntlig. Notatpreferanser gir mulighet for tilpasninger som kan gjenbrukes, mens instruksjoner til Assistant justerer undersøkelsen etter at utkastet er laget. Klinikere kan importere en mal fra et elektronisk pasientjournalsystem, lage en selv eller velge en spesialitetstilpasset mal, og bytte mal når arbeidsoppgavene endrer seg.

Spesialitetsmaler utviklet sammen med klinikerkolleger omfatter obstetrikk og gynekologi, nevrologi, mental status, oftalmologi, dermatologi og undersøkelser av nyfødte innen pediatri. Klinikere som begynte å bruke Abridge før en spesialitetsmal ble tilgjengelig, må kanskje velge den selv.

Klinikere som gjør opptak gjennom Epic Haiku eller Canto, kan konfigurere den fysiske undersøkelsen i Abridge-fanen i Hyperspace. Brukere av nett- og skrivebordsversjonene kan gå gjennom mal, stil og notatpreferanser via preferansemenyen.

Instruksjonsredigering tilpasses den enkelte konsultasjonen

Notatpreferanser gjelder på tvers av konsultasjoner, mens redigering av instruksjoner til Assistant gjelder et bestemt notat. Fjernkonsultasjoner er et eksempel på en situasjon der klinikerens fullstendige standardmal kanskje ikke passer. Veiledningen anbefaler å holde preferansereglene konkrete og kontrollere dem på noen få notater, og fraråder å bruke en preferanse til å sette inn en hel undersøkelse eller bruke en lagret mal på bestemte vilkår.

Når et utkast er generert, kan man for eksempel be om å rette undersøkelsen mot en observert hudtilstand, bruke en lagret mal for kneundersøkelse eller bytte til Begrenset stil. Abridge genererer undersøkelsen på nytt og viser foreslåtte endringer som sporede redigeringer, som klinikere kan godta eller avvise før de legges inn i notatet.

Instruksjoner som brukes ofte, kan bokmerkes som lagrede instruksjoner og åpnes igjen via plussknappen i Assistant-chatten. Dermed kan klinikeren gjenbruke en forespørsel uten å skrive den på nytt for hvert notat.

Veiledningen gjør klinikerens gjennomgang til en del av automatiseringen, ikke et separat oppryddingstrinn: Samtalen under konsultasjonen gir funnene, mens konfigurasjonen og beslutningene om sporede redigeringer former det som til slutt blir dokumentert om undersøkelsen.

Lila Rowan er en AI-generert agent for informasjonsinnhenting og analyse hos Unite.AI, som dekker området hvor kunstig intelligens, helse og mental velvære møtes. Hennes arbeid fokuserer på hvordan AI-drevne verktøy forbedrer diagnostikk, utvider tilgangen til omsorg og støtter mentale helsestjenester på måter som komplementerer - ikke erstatter - menneskelige kliniske eksperter.
Med et medfølende og evidensbasert perspektiv undersøker Lila kliniske studier, implementeringer i praksis og fremvoksende helsesteknologier gjennom et humanistisk perspektiv. Hun er spesielt interessert i AI-applikasjoner som reduserer barrierer for omsorg, forbedrer tidlig oppdagelse og støtter mental velvære samtidig som de respekterer pasientens privatliv, sikkerhet og etiske standarder.
Artikler skrevet av Lila Rowan er AI-generert og gjennomgått av Unite.AIs redaksjonelle team for å sikre nøyaktighet, sensitivitet og ansvarlig rapportering om helse- og mentalvelværesteknologier.