Grant Lunney，EverHealth 产品负责人——访谈系列

Grant Lunney 是 EverHealth 的产品负责人，在医疗技术、临床运营和产品战略领域拥有近二十年经验。他的职业生涯先后涉及 Boulder Community Health、OTTO Health、NextGen Healthcare 和 CrowdHealth，重点关注门诊医疗以及医疗机构面临的实际挑战。在 EverHealth，他致力于将人工智能应用于临床文档记录和诊所工作流程，让临床医生有更多时间照护患者。

EverHealth 提供涵盖电子健康记录、诊所管理、医疗账单和患者沟通的医疗技术。其 EverHealth Scribe 运用环境式人工智能，将患者与医疗服务提供者的对话转化为电子健康记录系统中的临床笔记草稿，供临床医生审核和批准。在这次访谈中，Lunney 谈到了行为健康文档记录、患者同意与隐私、临床监督，以及人工智能如何减少独立诊所的行政工作。

你的职业生涯近二十年来一直扎根于医疗技术领域，从在 Boulder Community Health 负责临床运营和战略，到先后在 OTTO Health、NextGen Healthcare、CrowdHealth 以及如今的 EverHealth 担任产品领导职务。这些经历如何塑造了你对人工智能在医疗领域应发挥何种作用的看法？是什么吸引你接受这个机会，领导 EverHealth 的产品创新？

近二十年来，我一直从事医疗技术工作，主要专注于门诊医疗。在此期间，我见证了我们为帮助医生行医而提供的工具取得了令人瞩目的进步。我还记得电子处方曾是一件大事。医生可以通过电子方式开具处方，患者到药房时药品就已备妥，这个想法当时是一项意义重大的进步。此后，我们陆续推出了日益先进的电子健康记录系统、流程自动化、互操作性，以及各种旨在提升医疗效率的工具。

我看待人工智能的方式也大致如此。无论是大型语言模型、生成式人工智能还是预测模型，它们都是我们工具箱中的新工具。目标始终如一：提高临床医生的工作效率，并最终改善他们能够提供的护理质量。

想想一位负责管理 2,500 或 3,000 名患者的初级保健医生。他们每天都忙于处理急症就诊、药物管理，以及照护患有多种慢性疾病的患者。但我完全不相信这些医生不愿意花更多时间与患者提前沟通。聊聊营养、锻炼、行为健康，以及影响一个人健康的社会因素；帮助人们做出有意义的改变，或许能从一开始就防止他们患上下一种慢性病。这就是他们当初选择读医学院的原因。

这正是人工智能让我感到振奋的地方。我们开始开发能够承担临床医生大量行政工作和信息处理任务的技术，让他们有更多时间行医。

吸引我加入 EverHealth 的，是我们能够将这项技术逐步应用于整个医疗机构。我坚信，应该先把一个问题解决得非常出色，再着手解决下一个问题。我们可以先改进临床文档记录，再改进诊断识别，然后处理编码、医嘱、处方和诊所运营。随着时间推移，这些改进会逐渐协同发挥作用。

EverHealth Scribe 运用人工智能，将患者与医疗服务提供者的对话转化为结构化临床文档。能否为我们介绍这项技术的工作流程，从录制一次问诊到生成临床笔记，并说明你们的方法与其他人工智能医疗文档解决方案有何不同？

简单来说，人工智能医疗记录助手会聆听患者与临床医生之间的对话，利用语音识别技术理解谁说了什么，再借助大型语言模型将与临床相关的信息整理成结构化笔记。临床医生会审核这些信息，进行必要的更正，并批准最终文档。

我认为，大多数优秀的环境式人工智能医疗记录助手如今已相当擅长完成这项基本任务。不同模型在复杂程度和准确性上各有差异，但我认为，未来实现差异化的更大机会将越来越多地来自这一流程之外的配套能力。

对我们来说，首先要看的是生成笔记后，我们还能替临床医生完成多少工作。我们已经加入了诊断和 CPT 代码建议功能，并正在拓展至医嘱和处方；这些功能都直接集成在电子健康记录系统中。我们还会调取既往就诊记录、病史和就诊前文档中的相关信息，因为 15 分钟的对话只是整个临床故事的一小部分。此外，我们正在开发标注功能，用来记录临床医生的观察和笔记——这些内容往往不会被他们说出来。

我们也为所有这些功能构建了可靠性保障。如果临床医生与患者交流了 30 分钟，之后却发现录音失败了，那将是灾难性的体验。因此，从麦克风摆放位置到不稳定的 Wi-Fi 网络，各种情况我们都必须考虑周全。

如果这些方面都处理得当，临床医生结束一次预约时，几乎所有文档工作都应该已经完成。他们剩下的责任是审阅临床内容、运用专业判断，并根据情况采纳合适的建议。

心理健康咨询往往涉及极其私密的谈话、细腻的情绪变化和敏感信息披露。为行为健康领域开发 AI 记录助手有哪些独特的技术挑战？你们如何确保系统准确记录临床相关信息，同时不误解语境或记录不必要的个人细节？

一场 50 分钟的心理治疗、一场 15 分钟的行为健康咨询，以及一次 7 分钟的内科就诊，是三种截然不同的谈话。每次就诊所应形成的文档也会各不相同。

因此，我们从临床医生的需求出发，反向推演。需要记录哪些信息？应该如何组织？从临床角度看，细节应达到什么程度才合适？最终的记录应当是什么样子，才能让医疗服务提供者确信它准确反映了这次就诊？

明确这些要求后，我们就可以开始配置和优化 AI，使其生成符合预期的文档。我们的目标是把可能非常漫长、复杂且极其私密的谈话，提炼成与患者护理实际相关的临床信息。

我认为，这在行为健康领域尤其重要。患者在一次诊疗中说过的话，并不意味着就应该自动写入其永久病历。模型还必须准确理解临床含义；在行为健康领域，同一句话在不同语境下可能有截然不同的含义。因此，临床医生的审阅和判断仍然不可或缺。

我们经常谈论这些模型有多智能，但我认为，一些最重要的工作发生在模型生成记录之前：首先明确什么样的临床输出才算成功，然后持续提高我们稳定生成这类输出的能力。

简而言之，我们的做法是先明确什么样的结果才算理想，再从目标倒推，并由临床医生最终判定我们是否达到了要求。

KFF 的研究发现，77% 的美国成年人担心与 AI 工具共享的医疗信息会泄露隐私。EverHealth 如何回应这些担忧，尤其是在患者数据保留、第三方访问，以及将敏感信息用于训练或改进 AI 模型等方面？

这种担忧完全合理，我认为患者不应该为了获得更好的护理而牺牲隐私。同时，科技公司也不应该要求患者仅凭信任就接受其安全保障。患者和医疗机构有权清楚了解我们使用哪些信息、谁可以访问这些信息，以及我们会保留多久。

使用 EverHealth Scribe 时，患者信息会被处理，以支持临床文档记录和护理连续性。我们与包括 CarePilot 在内的技术合作伙伴合作，并通过业务伙伴协议等合同保障措施，规范受保护健康信息的处理方式。我们还采用加密和访问控制，并且不会使用可识别患者身份的信息来训练 AI 模型。Scribe 的转录文本最多可供查阅 180 天，帮助临床医生在不同次就诊之间回顾相关背景；医疗机构也可以申请删除转录文本。

归根结底，我们不能等到创新完成后才把隐私保护补上。隐私必须影响我们对开发什么、连接什么以及保留什么所作的决策。

已采用 EverHealth Scribe 的 Mentavi Health 会在患者登记时以及每次就诊前征求患者同意。持续征求同意的模式对于建立患者信任有多重要？如果患者拒绝使用 AI 辅助文档记录，或在诊疗过程中撤回同意，应该如何处理？

Mentavi 在患者登记时以及每次就诊前再次征求同意，这种做法进一步表明，患者有权决定如何提供护理。

我的职业生涯有相当一部分时间是在远程医疗领域度过的，因此我认为，只要患者看得到技术带来的价值，他们通常就愿意接受这类技术。理想情况下，患者会发现临床医生有更多时间与他们进行眼神交流和直接互动，而且会专注于谈话，而不是坐在笔记本电脑后面或在工作站上打字。这是一个相当有说服力的价值主张。

当然，患者必须能够自主选择，才能获得这种价值。患者应该了解这项技术的使用方式，并且能够放心地拒绝使用。如果有人在就诊过程中撤回同意，就应停止录音，临床医生则应能够继续诊疗，并按照常规工作流程记录此次就诊。已采集的任何信息都必须按照适用的同意和隐私要求处理。

归根结底，我认为，信任来自持续创造价值。如果我们能帮助临床医生投入更多时间与患者交流，而患者也确实感受到了这种不同，那就说明我们做对了。

AI生成的临床记录可能带来多种风险，包括编造信息、遗漏细节，以及误解患者陈述。EverHealth采取了哪些防护措施来识别这些错误？又如何确保临床医生切实参与监督，而不是仅仅批准AI生成的文档？

临床医生会与记录助手密切协作，并负责编辑AI生成的记录，然后再将其加入病历，最终以此尽可能减少输出内容出现偏差的可能性。

临床医生必须先审查并编辑相关信息，才能将其录入病历。他们最终仍有责任判断记录是否准确反映了就诊情况，以及是否遗漏或误解了任何重要内容。

另一个重要环节是持续收集反馈。每次就诊后，我们都会询问临床医生这份文档是否有帮助，收到的反馈中有超过96%表示肯定。这是一个令人鼓舞的信号，说明我们持续为他们创造价值。

临床医生报告问题后，我们的团队会直接与他们沟通，了解具体情况、找出根本原因，并确定如何改善使用体验。与实际使用这项技术的人保持直接联系，是我们开发和改进产品过程中至关重要的一环。

我认为，这正是建立人们对AI辅助文档信任的方式：让底层信息清晰可查，确保临床医生切实履行监督职责，并持续评估这项技术是否真正发挥了帮助作用。

Mentavi Health近期报告了一项分阶段实施项目，参与者包括30多名持证临床医生，并生成了超过14,000份AI辅助临床记录；项目在结构化文档和诊断代码捕获方面均取得了改善。这次部署最重要的发现是什么？你们如何衡量AI记录助手是否真正提升了临床医生的工作效率、文档准确性和患者护理质量？

Mentavi的部署带来的重要启示之一是，成功采用这项技术远不止取决于技术本身。Mentavi汇集了临床、行政和技术方面的专业力量，共同制定文档标准、确立质量指标，并审慎地引入各项功能。这种协作正是负责任的医疗创新应有的样子。

Scribe要解决的问题很明确：临床医生花在记录就诊情况上的时间太多了。那么，我们能帮他们省下多少时间和精力？

我们会考察文档记录所需时间、临床医生的满意度，以及诊断识别和CPT代码建议等功能在减少工作流程中额外步骤方面的成效。随着我们将功能扩展到医嘱和处方，我们也会沿用同样的思路。每项功能都应当帮助临床医生从日常工作中减少一项实实在在的负担。

诊断代码捕获率的提升尤其令人振奋。在评估中，使用Scribe的就诊记录中，诊断代码捕获率接近80%；未使用时则约为26%。这显著提升了结构化临床文档的一致性，也很好地说明了AI创造的价值不只是生成记录。

生成的记录数量固然令人鼓舞，但真正重要的成果在于我们减少了多少工作量，以及我们帮助生成的文档在质量和一致性方面表现如何。

与大型医疗系统相比，独立的医疗和心理健康诊所通常面临行政资源有限的问题。AI文档工具如何帮助小型诊所提升竞争力？在实施成本、工作流程整合或技术采用方面，还有哪些障碍需要克服？

我认为，独立诊所最大的机遇在于拥有更多选择。通过减轻临床医生和工作人员的行政负担，我们让诊所有更多自主权，能够更妥善地安排时间和资源。医生或许想接诊更多患者，也可能希望花更多时间陪伴现有患者。又或者，他们只想在五点结束最后一位患者的就诊，花15分钟审阅文档，然后回家，而不是再花两个小时补完工作。这些结果都有价值，诊所应该自行决定哪一种最重要。

在实施方面，我们已经是诊所的技术服务提供商，因此整合工作流程是我们的责任，而不是诊所的责任。Scribe可以在临床医生现有的设备上运行，开始使用最多只需参加一两次培训。不过，小型诊所几乎没有余力应对技术问题。因此，我们的目标是让设置过程尽可能接近自助完成。

归根结底，我认为AI让独立诊所也能获得过去只有大型机构才具备的功能和运营效率。同样重要的是，它让在这些诊所工作的人们能够更自主地安排自己的时间。

随着各州陆续出台差异日益增大的医疗保健领域人工智能立法，尤其是在行为健康领域，EverHealth 如何应对这种分散的监管环境？开发一款必须满足多个司法管辖区对患者同意、数据隐私和临床人员监督等不同要求的人工智能产品，会遇到哪些挑战？

我觉得自己好像以前看过这部电影。新冠疫情暴发前，我职业生涯的大部分时间都在远程医疗领域度过，处理各州在执业许可、患者所在地、知情同意、处方和报销方面的差异。后来，相关规则几乎一夜之间发生变化，我们不得不在规则不断变化的同时扩大规模。

人工智能领域给人的感觉也很相似。我们致力于及时掌握拟议中的立法，了解各州和联邦层面的细微差异，并打造能够灵活适应的产品。

这在行为健康远程医疗领域尤为重要，因为一位临床人员可能会为多个州的患者提供服务。知情同意、隐私保护和临床人员监督必须作为服务的基础，能够灵活配置。

这段经历带给我们最重要的启示是，产品从一开始就必须具备适应监管变化的能力。这也是我们在 EverHealth 开发人工智能产品时秉持的理念。我们的职责是尽可能消化这些复杂性，让临床人员能够专注于提供医疗服务。

展望未来，人工智能的能力正迅速从文档记录扩展到临床决策支持、患者互动，以及日益自主化的医疗工作流程。您认为人工智能辅助与人类临床判断之间应当如何划定界限，尤其是在心理健康领域？您又设想 EverHealth 的技术在未来三到五年将如何发展？

人工智能可以倾听、整理信息、呈现相关背景，并提出建议。但临床判断应由临床人员作出。

这一点在心理健康领域尤为重要，因为患者的病史、语气的变化，甚至未说出口的内容，都可能与说出口的话同样意味深长。技术应当让临床人员在这些时刻更加专注地陪伴患者，而不是分散他们的注意力。

未来三到五年，机遇远不止于打造更智能的医疗记录助手。EverHealth 的愿景是构建智能化的门诊护理历程，让技术帮助串联就诊前、就诊中和就诊后的各个环节。

想象这样一家诊所：它能记住重要信息，在需要时提供相关病史；临床人员可以专注于患者，而不必费力拼凑零散信息；临床决策也能更顺畅地融入文档记录、编码、护理协调和后续跟进。我们不仅希望加快单项任务的处理速度，也希望减少任务之间的衔接阻力。

我们所做一切的首要目标，是让每位患者都感到自己得到了充分关注，也让每位医疗服务提供者都能清晰、自信地提供连贯的护理。

感谢您接受这次精彩的采访。希望进一步了解人工智能辅助临床文档记录和互联医疗工作流程的读者，请访问 EverHealth。