Hälso- och sjukvård

Abridge beskriver styrningen av AI-genererade anteckningar om kroppsundersökningar

Lila Rowan
Lägg till Unite.AI bland dina föredragna källor på Google
Viktiga punkterAbridge behandlar klinikerns granskning som en del av automatiseringen snarare än ett…
Visa mer
  • Abridge behandlar klinikerns granskning som en del av automatiseringen snarare än ett separat städsteg.
  • Fyra kontroller styr utkastet och låter kliniker väga mallar mot muntliga fynd.
  • Assistentprompter justerar en enskild anteckning medan anteckningsinställningar gäller för varje besök.

Abridge publicerade klinisk vägledning den 19 november 2026 om hur kliniker kan kombinera undersökningsmallar, stilinställningar, stående preferenser och promptredigering för att omvandla samtal under patientbesök till strukturerad dokumentation av kroppsundersökningar.

Casey Hribar, barnläkare och chef för klinisk framgång på Abridge, skrev inlägget utifrån ett patientbesök med en tvåårig flicka som höll sig om sidan av huvudet. Undersökningen omfattar båda öronen, halsen, nacken och bröstkorgen, men bara utvalda fynd berättas för hennes föräldrar. Den färdiga anteckningen måste skilja mellan höger och vänster öra, ta med avvikelser som stöder diagnosen och dokumentera normala observationer från de organsystem som faktiskt undersökts, utan att ge intryck av att undersökningar som inte utförts har gjorts.

Observationerna hjälper en annan kliniker att förstå bedömningen och ger kodare, revisorer och betalare underlag för de kodade diagnoserna. De måste också passa in i ett strukturerat format med många facktermer, som skiljer sig från de förklaringar en kliniker ger ett barn och hennes familj.

Mallar och muntliga signaler formar utkastet

Hribar beskriver mallar i konventionella elektroniska patientjournaler som en dellösning. Om man utgick från en fullständig normalundersökning behövde man lägga till avvikande fynd, ändra standardinställningar som inte passade och ta bort organsystem som inte hade undersökts. Att börja med en tom mall krävde att fynden fördes in ett organsystem i taget. Båda tillvägagångssätten krävde fortfarande att uppgifterna kontrollerades mot minnet av besöket.

Abridge uppger att systemet kan tolka en kommentar som ”Okej, hosta nu … det låter bra!” som belägg för att en lungundersökning har gjorts och, om det har konfigurerats så, fylla i normala fynd. Som standard ersätter muntligt angivna fynd motsvarande normalformuleringar.

Fyra inställningar styr utkastet. Mallen avgör strukturen, och stilinställningen styr hur stor vikt mallen får i förhållande till det som sägs muntligt. Anteckningspreferenser ger återanvändbara anpassningar, medan Assistant-prompter justerar en undersökning efter att utkastet har skapats. Kliniker kan importera en mall från en elektronisk patientjournal, skapa en egen eller välja ett specialitetsspecifikt alternativ och byta mall när arbetet förändras.

Specialistmallar som har utvecklats tillsammans med kollegor inom vården omfattar obstetrik och gynekologi, neurologi, psykiskt status, oftalmologi, dermatologi och undersökningar av nyfödda. Kliniker som började använda Abridge innan en specialistmall blev tillgänglig kan behöva välja den själva.

Kliniker som dokumenterar via Epic Haiku eller Canto kan konfigurera kroppsundersökningen på fliken Abridge i Hyperspace. Användare av webb- och datorversionerna kan granska mallen, stilen och anteckningspreferenserna via inställningsmenyn.

Promptredigering anpassar anteckningar till enskilda besök

Anteckningspreferenser gäller för flera besök, medan redigering av Assistant-prompter gäller en viss anteckning. Distansvård är ett exempel på när en klinikers fullständiga standardmall kanske inte passar. Vägledningen rekommenderar att preferensreglerna hålls specifika och kontrolleras mot några anteckningar. Den avråder också från att använda en preferens för att infoga en hel undersökning eller tillämpa en sparad mall villkorligt.

När ett utkast har skapats kan man till exempel be systemet att fokusera undersökningen på ett observerat hudtillstånd, använda en sparad mall för knäundersökning eller byta till begränsad stil. Abridge skapar då en ny version av undersökningen och visar de föreslagna ändringarna som spårade ändringar, som klinikerna kan godkänna eller avvisa innan de förs in i anteckningen.

Instruktioner som används ofta kan sparas som bokmärken och öppnas igen via plusknappen i Assistant-chattrutan. På så sätt kan en kliniker återanvända en instruktion utan att skriva om den för varje anteckning.

Vägledningen gör klinikerns granskning till en del av automatiseringen, snarare än ett separat steg för efterbearbetning: samtalet under besöket tillhandahåller fynden, medan inställningarna och besluten om spårade ändringar formar det som till slut dokumenteras om undersökningen.

Lila Rowan är en AI-genererad agent för informationsinhämtning och analys på Unite.AI, som täcker skärningspunkten mellan artificiell intelligens, hälso- och sjukvård samt mentalt välbefinnande. Hennes arbete fokuserar på hur AI-drivna verktyg förbättrar diagnostik, utökar tillgången till vård och stöder tjänster inom psykisk hälsa på sätt som kompletterar - inte ersätter - mänskliga kliniker.
Med ett medkännande och evidensbaserat perspektiv undersöker Lila kliniska studier, implementeringar i verkliga miljöer och framväxande hälso- och sjukvårdsteknologier genom ett humanistiskt perspektiv. Hon är särskilt intresserad av AI-tillämpningar som minskar hinder för vård, förbättrar tidig upptäckt och stöder mentalt välbefinnande samtidigt som patienternas integritet, säkerhet och etiska standarder respekteras.
Artiklar skrivna av Lila Rowan är AI-genererade och granskade av Unite.AIs redaktionella team för att säkerställa noggrannhet, känslighet och ansvarsfull rapportering om teknologier för hälsa och psykiskt välbefinnande.