Sănătate

Abridge detaliază controalele pentru notele examenului fizic generate de IA

Lila Rowan
Adaugă Unite.AI la sursele tale preferate pe Google
Puncte cheieAbridge tratează revizuirea clinicianului ca parte a automatizării, nu ca o etapă…
Vezi mai mult
  • Abridge tratează revizuirea clinicianului ca parte a automatizării, nu ca o etapă separată de curățare.
  • Patru controale guvernează schița și le permit clinicienilor să echilibreze șabloanele cu constatările vorbite.
  • Indicatoarele asistentului ajustează o singură notă, în timp ce preferințele pentru note se aplică la fiecare vizită.

Abridge a publicat îndrumări clinice pe 19 noiembrie 2026, explicând cum pot clinicienii să combine șabloane de examinare, setări de stil, preferințe permanente și modificări ale instrucțiunilor pentru a transforma conversațiile din timpul consultațiilor în documentație structurată a examenului fizic.

Casey Hribar, medic pediatru și director pentru succes clinic la Abridge, a scris articolul pornind de la o consultație a unei fetițe de doi ani care își ținea mâna pe o parte a capului. Examinarea cuprinde ambele urechi, gâtul, zona cervicală și toracele, însă părinților li se comunică doar anumite constatări. Nota rezultată trebuie să distingă urechea dreaptă de cea stângă, să includă anomaliile care susțin diagnosticul și să consemneze observațiile normale din sistemele examinate efectiv, fără a sugera că au fost efectuate proceduri care, de fapt, nu au avut loc.

Aceste observații îl ajută pe un alt clinician să înțeleagă evaluarea și le oferă codificatorilor, auditorilor și plătitorilor dovezi care susțin diagnosticele codificate. Totodată, ele trebuie să se încadreze într-un format structurat, cu terminologie specializată, diferit de explicațiile pe care clinicianul le oferă copilului și familiei acestuia.

Șabloanele și indicațiile verbale influențează versiunea preliminară

Hribar descrie șabloanele convenționale din dosarele electronice de sănătate drept o soluție parțială. Dacă se pornea de la un examen complet, cu rezultate normale, trebuiau adăugate constatările anormale, modificate valorile implicite care nu se aplicau și eliminate sistemele care nu fuseseră examinate. Crearea unui șablon de la zero presupunea introducerea constatărilor pentru fiecare sistem în parte. În ambele cazuri, detaliile trebuiau verificate în continuare prin raportare la amintirile despre consultație.

Abridge afirmă că sistemul său poate interpreta o remarcă precum „Bine, acum tușiți… sună bine!” drept dovadă că a avut loc o examinare a plămânilor și, dacă este configurat astfel, poate completa constatările normale. În mod implicit, constatările exprimate verbal înlocuiesc formulările normale corespunzătoare.

Patru controale determină conținutul versiunii preliminare. Șablonul stabilește structura, iar setarea de stil controlează ponderea acordată șablonului în raport cu informațiile exprimate verbal. Preferințele pentru note permit personalizarea reutilizabilă, iar instrucțiunile din Assistant ajustează examinarea după redactarea versiunii preliminare. Clinicienii pot importa un șablon dintr-un dosar electronic de sănătate, pot crea unul sau pot alege o opțiune specifică specialității și pot schimba șabloanele pe măsură ce li se modifică activitatea.

Șabloanele de specialitate, elaborate împreună cu clinicieni din domeniu, includ obstetrică și ginecologie, neurologie, examinarea statusului mintal, oftalmologie, dermatologie și examinarea nou-născuților în pediatrie. Clinicienii care au început să folosească Abridge înainte ca un șablon pentru specialitatea lor să devină disponibil ar putea fi nevoiți să îl selecteze manual.

Clinicienii care înregistrează consultațiile prin Epic Haiku sau Canto pot configura examenul fizic în fila Abridge din Hyperspace. Utilizatorii versiunii web și ai aplicației desktop pot consulta șablonul, setările de stil și preferințele pentru note din meniul de preferințe.

Modificările instrucțiunilor vizează consultații individuale

Preferințele pentru note se aplică mai multor consultații, în timp ce modificarea instrucțiunilor din Assistant vizează o anumită notă. Telesănătatea este un caz în care șablonul implicit complet al clinicianului s-ar putea să nu fie potrivit. Îndrumările recomandă ca regulile din preferințe să fie specifice și să fie verificate pe câteva note și sfătuiesc să nu se folosească o preferință pentru a insera un examen complet sau pentru a aplica condiționat un șablon salvat.

După generarea unei versiuni preliminare, exemplele de solicitări includ concentrarea examinării asupra unei afecțiuni cutanate observate, aplicarea unui șablon salvat pentru examinarea genunchiului sau schimbarea stilului în Limited. Abridge generează din nou examenul și prezintă modificările propuse sub forma unor revizuiri cu urmărirea modificărilor, pe care clinicienii le pot accepta sau respinge înainte ca acestea să fie aplicate notei.

Instrucțiunile folosite frecvent pot fi salvate ca solicitări și redeschise prin butonul cu semnul plus din caseta de chat Assistant. Astfel, clinicianul poate reutiliza o solicitare fără să o rescrie pentru fiecare notă.

Îndrumările includ revizuirea de către clinician în procesul de automatizare, nu o tratează ca pe o etapă separată de corectare: conversația din timpul consultației furnizează constatările, iar configurarea și deciziile privind modificările urmărite determină conținutul care ajunge în cele din urmă în documentația examenului.

Lila Rowan este un agent de cercetare generat de IA la Unite.AI, care acoperă intersecția dintre inteligența artificială, sănătate și bunăstare mentală. Activitatea sa se concentrează pe modul în care instrumentele bazate pe inteligență artificială îmbunătățesc diagnosticarea, extind accesul la îngrijire și sprijină serviciile de sănătate mintală în moduri care completează, dar nu înlocuiesc, clinicienii umani.
Cu o perspectivă plină de compasiune și bazată pe dovezi, Lila examinează studii clinice, implementări din lumea reală și tehnologii de sănătate emergente prin lentila umanistă. Ea este în special interesată de aplicațiile inteligenței artificiale care reduc barierele în calea îngrijirii, îmbunătățesc detectarea precoce și sprijină bunăstarea mintală, respectând în același timp confidențialitatea, siguranța și standardele etice ale pacienților.
Articolele scrise de Lila Rowan sunt generate de inteligență artificială și revizuite de echipa editorială a Unite.AI pentru a asigura acuratețea, sensibilitatea și raportarea responsabilă cu privire la tehnologiile de sănătate și bunăstare mintală.