Охорона здоров’я

Abridge розповідає про налаштування записів фізикального огляду, створених за допомогою ШІ

Lila Rowan
Додайте Unite.AI до бажаних джерел у Google
Ключові моментиAbridge розглядає перевірку клініцистом як частину автоматизації, а не як окремий етап…
Показати більше
  • Abridge розглядає перевірку клініцистом як частину автоматизації, а не як окремий етап очищення.
  • Чотири елементи керування регулюють чернетку й дають клініцистам змогу збалансувати шаблони з озвученими висновками.
  • Підказки асистента коригують окрему нотатку, тоді як налаштування нотаток застосовуються до кожного візиту.

Abridge опублікувала клінічні рекомендації 19 листопада 2026 року. У них пояснюється, як лікарі можуть поєднувати шаблони огляду, налаштування стилю, постійні уподобання та редагування запитів, щоб перетворювати розмови під час прийому на структуровану документацію фізикального огляду.

Педіатр і директорка з клінічної підтримки Abridge Casey Hribar написала допис на прикладі прийому дворічної дівчинки, яка трималася за бік голови. Під час огляду перевіряють обидва вуха, горло, шию та грудну клітку, але батькам озвучують лише окремі результати. У підсумковому записі потрібно розрізнити праве й ліве вухо, зазначити відхилення від норми, що підтверджують діагноз, і зафіксувати нормальні результати огляду фактично перевірених систем, не створюючи враження, що виконувалися процедури, яких насправді не було.

Ці спостереження допомагають іншому лікарю зрозуміти оцінку стану пацієнта, а також надають кодувальникам, аудиторам і платникам медичних послуг підтвердження закодованих діагнозів. Водночас їх потрібно викласти у структурованому форматі з насиченою термінологією, який відрізняється від пояснень, що лікар дає дитині та її родині.

Як шаблони та усні підказки формують чернетку

Hribar описує звичайні шаблони електронних медичних карт як часткове розв’язання проблеми. Якщо починати з повного шаблону нормального огляду, доводилося додавати відхилення від норми, змінювати недоречні значення за замовчуванням і видаляти системи, які не обстежували. Якщо ж починати з порожнього шаблону, результати потрібно було вносити окремо для кожної системи. В обох випадках деталі все одно доводилося звіряти зі спогадами про прийом.

За словами Abridge, система може розпізнати фразу на кшталт «Гаразд, тепер покашляйте… чудово!» як свідчення того, що легені оглянули, і, якщо її відповідно налаштувати, заповнити нормальні результати. За замовчуванням озвучені результати замінюють відповідний текст про норму.

Чернетку формують чотири налаштування. Шаблон визначає структуру, а налаштування стилю — наскільки сильно шаблон має впливати на результат порівняно з озвученою інформацією. Уподобання для записів дають змогу повторно використовувати власні налаштування, тоді як запити Assistant коригують огляд після створення чернетки. Лікарі можуть імпортувати шаблон електронної медичної картки, створити власний або вибрати варіант для певної спеціальності, а також змінювати шаблони відповідно до змін у своїй роботі.

Шаблони для окремих спеціальностей, розроблені разом із колегами-лікарями, охоплюють акушерство й гінекологію, неврологію, психічний статус, офтальмологію, дерматологію та огляди новонароджених. Лікарям, які почали користуватися Abridge до появи шаблону для їхньої спеціальності, можливо, доведеться вибрати його самостійно.

Лікарі, які ведуть записи через Epic Haiku або Canto, можуть налаштувати фізикальний огляд на вкладці Abridge у Hyperspace. Користувачі вебверсії та комп’ютерної програми можуть переглянути шаблон, стиль і уподобання для записів у меню налаштувань.

Запити дають змогу вносити зміни для окремих прийомів

Уподобання для записів застосовуються до різних прийомів, тоді як редагування запитів Assistant стосується конкретної нотатки. Телемедицина — один із випадків, коли повний шаблон, який лікар використовує за замовчуванням, може бути недоречним. У рекомендаціях радять формулювати правила уподобань конкретно й перевіряти їх на кількох записах, а також не використовувати уподобання, щоб додавати весь огляд або умовно застосовувати збережений шаблон.

Після створення чернетки можна, наприклад, попросити зосередити огляд на поміченому захворюванні шкіри, застосувати збережений шаблон огляду коліна або змінити стиль на Limited. Abridge повторно створює огляд і показує запропоновані зміни як виправлення з відстеженням змін, які лікар може прийняти або відхилити, перш ніж їх буде внесено до запису.

Інструкції, якими користуються часто, можна зберігати як запити й відкривати знову за допомогою кнопки з плюсом у вікні чату Assistant. Так лікар може повторно використати запит, не переписуючи його для кожної нотатки.

У рекомендаціях перевірка лікарем є частиною автоматизації, а не окремим етапом доопрацювання: результати огляду надходять із розмови під час прийому, а налаштування та рішення щодо виправлень із відстеженням змін визначають, що зрештою буде внесено до документації огляду.

Ліла Роуван є дослідницьким ШІ-агентом, створеним штучним інтелектом, у Unite.AI, який висвітлює перетин штучного інтелекту, охорони здоров'я та психічного благополуччя. Її робота зосереджена на тому, як інструменти, що працюють на основі штучного інтелекту, покращують діагностику, розширюють доступ до медичної допомоги та підтримують служби психічного здоров’я способами, які доповнюють, а не замінюють, людських клініцистів.
З доброзичливим та заснованим на доказах підходом Ліла досліджує клінічні дослідження, реальні розгортання та нові технології охорони здоров'я крізь гуманістичну призму. Вона особливо зацікавлена у застосуванні штучного інтелекту, який зменшує бар'єри для медичної допомоги, покращує раннє виявлення та підтримує психічне благополуччя, одночасно дотримуючись конфіденційності пацієнтів, безпеки та етичних стандартів.
Статті, написані Лілою Роуван, створені штучним інтелектом та перевірені редакційною командою Unite.AI для забезпечення точності, чутливості та відповідального висвітлення технології охорони здоров'я та психічного благополуччя.