石溪大学研究：95%的病例中，医生更倾向于采用 AI 出院摘要

在石溪大学的一项研究评估的住院病例中，医生审阅者有95%更倾向于选择 AI 生成的出院摘要，而非人工撰写的摘要。这项回顾性分析聚焦于60例内科住院病例，住院时间为7至21天。治疗周期较长、临床记录数量庞大，使患者转入门诊护理时的交接工作格外繁重。

这项研究结果发表于npj 数字医学，表明大型语言模型或许能帮助临床医生生成更完整、更实用的出院文件。研究结果也说明了人工核查为何仍不可或缺：AI 生成的摘要和人工撰写的摘要都存在错误，而较高的评分并不能证明患者结局更好。

出院摘要为何是 AI 面临的难题

出院摘要将住院期间提供的医疗护理与负责后续诊疗的临床医生衔接起来。摘要需要说明入院原因、治疗经过、用药调整、尚未解决的问题以及随访计划。对于初级保健医生而言，如果缺少必要说明或后续步骤不明确，他们可能就得从更庞大的病历中重新梳理患者的住院情况。

住院时间越长，这个问题就越突出。病程记录、会诊记录、影像报告及其他文档中的信息不断累积，其中往往存在重复内容，治疗计划也可能发生变化。一份实用的摘要必须保留最终的临床情况，同时说明诊疗决策是如何演变的。

石溪大学的方案由临床医生参与设计，围绕接诊医生所需的信息展开。该校称，系统能在几分钟内将患者病历整理成出院摘要草稿。这一说法描述的是生成所需时间；系统对医生撰写和核查文档所需总时间的影响，仍有待在临床实践中检验。

医生认为哪些方面表现更出色

这项研究收集了住院医师和初级保健医生的评估。审阅者对 AI 摘要的整体质量、可读性和简洁性、事实准确性及完整性给出了更高评分。他们发现其中遗漏的临床细节也更少。

在采用五分制的评分量表中，AI 摘要的整体质量平均得分为4.71分，人工撰写的摘要为3.16分。事实准确性的平均得分分别为4.62分和3.73分，完整性得分则分别为4.69分和3.42分。这些是医生给出的评分，并非经证实正确的陈述所占的百分比。

图表显示，在住院医师和初级保健医生共同评估的指标中，每种摘要类型各获得120份评分；在仅针对初级保健的问题中，每种类型各获得60份评分。初级保健医生对 AI 摘要在帮助理解住院情况、向患者及照护者解释病情，以及支持后续护理方面给出了更高评价。

这些差异很重要，因为撰写出院摘要的人与依据摘要采取行动的人，视角并不相同。文档或许能详尽记录住院期间发生的事件，却仍可能让接诊医生无法确定待处理事项，或不清楚调整用药的理由。

摘要生成流程如何处理长篇病历

研究人员公开发布的代码为了解这项技术提供了更多背景信息。导出的 LangChain/LangGraph 流程会按时间顺序整理记录，生成结构化摘要，并在处理后续文本块时不断完善草稿。另一个独立阶段会从已标记的记录中提取偶发发现，之后再整理成最终叙述文本。

这种分阶段处理方式应对了语言模型面临的一项实际限制：较长的临床病历可能超出模型单次处理的文本量上限。持续沿用结构化草稿，可以让病历的后续部分逐步纳入最终结果。

公开发布的代码还记录了来源标识符，并在生成结构化输出和叙述性输出的同时提供引文元数据。代码中包含合成演示数据，代码库则提供了去标识化的评分和错误标注结果，供人分析。这样一来，人们可以检视整个工作流程，而无需公开发布原始患者病历。

遗漏减少并不意味着临床风险消失

已发表的摘要称，标注错误或遗漏的数量减少，主要归因于遗漏减少。摘要还报告称，审阅者对两种摘要中错误可能造成的伤害严重程度或发生可能性的估计，没有显示统计学上的显著差异。

这一发现并不能证明两种方法的安全性完全相同，也不能说明 AI 草稿无需审阅即可用于患者病历。这项评估考察的是文档和医生的判断，并未证明它能减少再入院、用药相关伤害或其他不良患者结局。

作者强调，使用前必须由医生核实。用药说明、尚未解决的医疗问题以及随访建议，都是这份文档的核心内容；其中任何一处出错或遗漏，后果都不容忽视。

常规临床应用之前还需完成哪些工作

“这些结果表明，人工智能能够为复杂住院病例的出院文书编写提供支持。”医学博士 Rachel Wong 在该校公告中表示。她是论文共同通讯作者，也是 Stony Brook 的临床副教授。

论文共同通讯作者、哲学博士 Fusheng Wang 表示，下一步研究将评估准确性、安全性、医生实际节省的时间，以及该技术与临床工作流程的契合度。该校称，目前正在考虑在 Stony Brook Medicine 的日常诊疗实践中开展试点。

这项跨学科研究由计算机科学博士候选人 Tyler Osborne 牵头，汇集了医生、计算机科学家、生物医学信息学专家以及传播领域的专业力量。研究结果为在临床人员监督下起草复杂出院摘要提供了令人鼓舞的证据。要确定这种做法能否转化为可靠的日常应用，还需将审核流程与生成的文本一并评估。