Läkare föredrog AI-genererade utskrivningssammanfattningar i 95 procent av fallen i studie från Stony Brook

Läkare som granskade materialet föredrog AI-genererade utskrivningssammanfattningar framför motsvarande sammanfattningar skrivna av människor i 95 procent av de sjukhusvistelser som utvärderades i en studie från Stony Brook University. Den retrospektiva analysen omfattade 60 inläggningar inom internmedicin som varade i sju till 21 dagar. Vid längre behandlingar och stora mängder kliniska anteckningar blir övergången till öppenvård särskilt krävande.

Resultaten, som publicerades i npj Digital Medicine, tyder på att stora språkmodeller kan hjälpa vårdpersonal att ta fram mer fullständiga och användbara utskrivningsdokument. De visar också varför mänsklig kontroll fortfarande är avgörande: både AI-genererade sammanfattningar och sammanfattningar skrivna av människor innehöll fel, och de högre betygen visade inte att patientutfallen var bättre.

Varför utskrivningssammanfattningar är en svår uppgift för AI

En utskrivningssammanfattning förbinder den vård som getts på sjukhuset med de kliniker som ansvarar för den fortsatta vården. Den behöver förklara orsaken till inläggningen, behandlingsförloppet, ändringar av läkemedel, olösta problem och planen för uppföljning. För en primärvårdsläkare kan en utebliven förklaring eller ett oklart nästa steg innebära att sjukhusvistelsen måste rekonstrueras utifrån en betydligt större journal.

Längre sjukhusvistelser förvärrar problemet. Information samlas i förloppanteckningar, konsultationsanteckningar, bilddiagnostiska utlåtanden och annan dokumentation, ofta med upprepningar och ändringar i behandlingsplanen. En användbar sammanfattning måste bevara den slutliga kliniska bilden och samtidigt förklara hur besluten utvecklades.

Stony Brooks metod utformades tillsammans med kliniker och utifrån den information som läkare som tar emot patienter behöver. Enligt universitetet organiserade systemet patientjournaler till utkast till utskrivningssammanfattningar på några minuter. Det beskriver tiden för att generera utkasten; hur detta påverkar läkarnas totala tid för dokumentation och kontroll behöver fortfarande utvärderas i klinisk verksamhet.

Vad läkarna gav högre betyg

I studien jämfördes bedömningar från sjukhusläkare och primärvårdsläkare. Granskarna gav AI-sammanfattningarna högre betyg för den övergripande kvaliteten, läsbarheten och koncisheten, den faktamässiga korrektheten och fullständigheten. De identifierade också färre saknade kliniska uppgifter.

På den angivna femgradiga betygsskalan fick AI-sammanfattningarna i genomsnitt 4,71 för den övergripande kvaliteten, jämfört med 3,16 för sammanfattningar skrivna av människor. Den faktamässiga korrektheten fick i genomsnitt betyget 4,62 jämfört med 3,73, medan fullständigheten fick 4,69 jämfört med 3,42. Det rör sig om läkarbedömningar, inte om procentandelar påståenden som bevisats vara korrekta.

Diagrammet redovisar 120 betyg per sammanfattningstyp för de sammanlagda måtten för sjukhusläkare och primärvårdsläkare, och 60 per typ för de frågor som specifikt gällde primärvården. Primärvårdsläkarna gav AI-sammanfattningarna högre betyg när det gällde att förstå sjukhusvistelsen, förklara den för patienter och närstående samt stödja den fortsatta vården.

De skillnaderna är viktiga eftersom den som skriver en utskrivningssammanfattning och den som ska agera utifrån den har olika perspektiv. Ett dokument kan redogöra ingående för händelser under sjukhusvistelsen och ändå lämna den mottagande läkaren osäker på frågor som återstår att lösa eller skälen till en läkemedelsändring.

Så hanterar sammanfattningsprocessen långa journaler

Forskarnas offentliga kodpublicering ger ytterligare inblick i tekniken. Den exporterade LangChain/LangGraph-processen ordnar anteckningar kronologiskt, skapar en strukturerad sammanfattning och bearbetar utkastet vidare medan ytterligare textavsnitt behandlas. I ett separat steg hämtas bifynd från markerade anteckningar innan den slutliga berättande texten formateras.

Detta stegvisa tillvägagångssätt hanterar en praktisk begränsning hos språkmodeller: en lång klinisk journal kan innehålla mer text än modellen kan bearbeta i ett enda svep. Genom att föra ett strukturerat utkast vidare kan efterföljande delar av journalen bidra till resultatet.

Den offentliga exporten registrerar också källidentifierare och skapar citeringsmetadata tillsammans med strukturerade resultat och löpande text. Den innehåller syntetiska demonstrationsdata, medan arkivet tillhandahåller avidentifierade betyg och resultat från felannoteringar för analys. Det gör det möjligt att granska arbetsflödet utan att de ursprungliga patientjournalerna offentliggörs.

Färre utelämnanden eliminerar inte kliniska risker

I det publicerade abstractet anges att det lägre antalet annoterade felaktigheter eller utelämnanden främst berodde på färre utelämnanden. Det rapporteras ingen statistiskt signifikant skillnad mellan de två sammanfattningstyperna i granskarnas uppskattningar av hur allvarliga eller sannolika skadeverkningar till följd av fel var.

Det resultatet visar inte att metoderna har identisk säkerhet eller att ett AI-utkast är redo att föras in i en patientjournal utan granskning. Utvärderingen gällde dokument och läkarbedömningar; den visade inte att återinläggningar, läkemedelsrelaterade skador eller andra negativa patientutfall minskade.

Författarna betonar att läkare måste verifiera innehållet innan det används. Läkemedelsinstruktioner, olösta medicinska frågor och rekommendationer om uppföljning är centrala för dokumentets syfte och områden där fel eller utelämnanden kan få betydande konsekvenser.

Vad krävs innan rutinmässig klinisk användning?

”Resultaten visar att artificiell intelligens kan stödja dokumentationen vid utskrivning efter komplexa sjukhusvistelser”, sade Rachel Wong, MD, medförfattare med delat korresponderande författarskap och klinisk biträdande professor vid Stony Brook, i universitetets tillkännagivande.

Medförfattaren med delat korresponderande författarskap Fusheng Wang, PhD, sade att nästa steg i forskningen omfattar att utvärdera träffsäkerhet, säkerhet, den faktiska tidsbesparingen för läkare och hur arbetssättet passar in i kliniska arbetsflöden. Enligt universitetet överväger man ett pilotprojekt i den dagliga verksamheten vid Stony Brook Medicine.

Det tvärvetenskapliga projektet, som leds av Tyler Osborne, doktorand i datavetenskap, samlar läkare, datavetare, biomedicinska informatiker och expertis inom kommunikation. Studien ger lovande belägg för att utkast till komplexa utskrivningssammanfattningar kan tas fram under klinisk personals tillsyn. För att fastställa hur detta kan omsättas i tillförlitlig daglig användning måste granskningsprocessen utvärderas tillsammans med den genererade texten.