基层医疗中的环境人工智能:一项针对英国全科医生的探索性混合方法调查

《BMJ Health & Care Informatics》:Ambient AI in primary care: an exploratory mixed methods survey of UK general practitioners

【字体: 大 中 小 】 时间:2026年07月02日 来源:BMJ Health & Care Informatics 6.2

编辑推荐:

  摘要 目的:探讨英国全科医生对环境型人工智能文书工具的采用情况,评估用户报告的错误率、工作流程影响以及同意流程。方法:通过Doctors.net.uk招募全科医生,开展全国性的在线混合方法调查。针对当前使用该工具的用户,详细分析其使用情况、错误表现及对工作流程的影响。结果:2

  摘要
目的:探讨英国全科医生对环境型人工智能文书工具的采用情况,评估用户报告的错误率、工作流程影响以及同意流程。方法:通过Doctors.net.uk招募全科医生,开展全国性的在线混合方法调查。针对当前使用该工具的用户,详细分析其使用情况、错误表现及对工作流程的影响。结果:2025年8月,1003名受访者中,14%(n=141)表示正在使用该工具,39%(n=396)计划近期采用,46%(n=466)无使用计划。在现有用户中,Heidi Health占比最高,达86%。大多数用户认为效率有所提升:80%(n=112)称文档撰写时间减少,70%(n=99)称认知负担减轻。文档质量也得到积极评价,55%(n=78)认为生成内容优于常规记录。错误虽常见但通常较轻微:32%(n=45)表示经常或总是出现错误,其中14%(n=20)的错误较为严重。多患者会诊(38%)、病情复杂的患者(35%)以及非英语交流场景(31%)中错误更为频发。同意流程存在差异:63%(n=89)会常规征求患者同意,仅有不到10%的患者拒绝。21%的用户在自由文本回复中提到该工具对工作流程有好处,但也存在对准确性、伦理问题及系统整合的担忧。讨论:研究结果表明,这类工具可显著提升效率并改善文档质量,但也会带来准确性、公平性及医疗法律责任等方面的风险。在复杂病例和多语言会诊中表现不佳,可能加剧医疗资源分配不均的问题。结论:英国基层医疗领域已开始使用这类人工智能文书工具。为确保其安全、公平且可持续地应用,亟需加强监管、统一同意流程,并开展包括患者意见在内的独立评估。

已有研究进展:环境型人工智能文书工具被宣传为可简化文档工作、降低医生职业倦怠的工具,但关于其在英国的实际应用情况以及全科医生对其看法的研究较少。

本研究贡献:本调查显示这类工具的采用率虽仍处于初期但呈上升趋势,全科医生认为其能提升效率,但也存在准确性方面的担忧,尤其是在处理复杂病例和多语言会诊时。

研究对未来研究、实践或政策的启示:研究结果表明,需要通过监管、统一的同意流程以及包括患者意见在内的前瞻性研究,来指导此类工具的安全与公平应用。

引言:环境型人工智能文书工具,也被称为“数字文书助手”或环境语音技术,是一种能够被动捕捉医患对话并自动在电子健康记录中生成文档的新工具。这一市场发展迅速,有望减轻医生的文档工作负担,从而解决基层医疗中导致职业倦怠的重要因素之一。尽管前景可观,但其使用也带来诸多挑战,包括转录内容的准确性和可靠性、文档错误或遗漏的风险、医疗法律责任、患者同意问题,以及可能导致的临床沟通失真。此外,语音识别和总结功能可能存在偏差,从而使某些群体,如口音浓重或患有言语障碍的患者,处于不利地位。产品开发的快速进展也可能带来一致性、与现有系统集成以及对专业实践和监管影响的不确定性,尤其是随着管理框架的不断演变。尽管人们对这类工具的兴趣日益浓厚,但关于其在基层医疗中的实际应用范围以及医生对其看法的实证研究仍十分有限。鉴于基层医疗领域对此类工具的明显兴趣和快速采用趋势,本研究旨在通过调查英国全科医生对其的使用情况和态度,填补这一空白。

方法:调查设计与样本招募:我们通过英国最大的医生在线专业网络Doctors.net.uk,开展了一项全国性的匿名在线混合方法调查。该平台免费注册,但需经过英国医学总会验证,仅允许经过验证的全科医生参与。平台身份认证可确认专业资格并避免重复提交。调研时,Doctors.net.uk共有254,741名成员,约占英国379,208名注册医生的三分之二。本次调查被纳入该平台定期开展的“Omnibus”系列调查,该系列每月随机抽取1000名医生,调查内容涉及当前医疗热点问题。研究团队此前曾与该平台合作开展过类似的全科医生调查。2025年8月7日至27日期间,我们通过首页广告和定向邮件向愿意接收研究通知的全科医生发送邀请。调研期间,共有9024名全科医生登录了Doctors.net.uk查看调查。为确保全国代表性,我们采用了分层随机抽样方法,区域划分依据英国医学总会的人口统计数据。由于参与取决于用户在该平台的活跃程度及自愿回应,因此该样本可视为便利样本,可能过度代表那些活跃使用互联网的全科医生,其调查结果反映的是采用趋势而非整体普及率。

调查工具与实施:本次调查采用了我们之前针对英国全科医生对人工智能工具使用体验和看法所设计的问卷格式。我们设计了一份约5分钟的匿名问卷,将环境型人工智能文书工具定义为能够被动捕捉会诊对话并自动生成临床文档的背景系统(详见在线补充附录1)。问卷中有一道筛选题,仅让当前使用者填写,非使用者则需说明近期是否计划采用该工具。问卷包含8个核心封闭式问题(部分问题后附有进一步提问)、7个人口统计问题以及1个可选的自由文本题。问题涵盖所使用的工具、转录错误及纠正情况、不同群体间的差异、医疗法律方面的顾虑、工作负荷、职业倦怠、文档撰写时间、文档质量以及同意流程。所有封闭式问题均为必答,自由文本题为选答。所有数据均为自我报告,未经过独立核实。自由文本题旨在获取简短的背景评论,而非深入的定性描述。我们先通过专业人脉联系了5名英国全科医生对问卷进行试测,但他们并未参与正式调查。根据反馈,我们对部分表述的歧义、环境型人工智能文书工具的定义以及问卷长度进行了调整,进而简化了问卷结构,使其可在3至5分钟内完成。问卷的设计和报告遵循《调查研究报告报告指南》的要求(详见在线补充附录2)。

定量分析:我们通过描述性统计总结了受访者的特征及其对调查问题的回答情况。为分析环境型人工智能文书工具的使用者与非使用者在性别、年龄、职位或诊所规模等方面的差异,我们对每个变量进行了卡方独立性检验。若检验结果显著,则进一步进行事后两比例z检验,即比较某一变量水平与其他所有变量水平的差异。计算时采用邦费罗尼校正后的p值。由于我们的样本并非随机样本,为分析与英国医学总会注册数据库中全科医生数据的差异,我们采用了卡方拟合度检验。对于关键比例,我们采用威尔逊评分法计算95%置信区间。鉴于采用非概率抽样,置信区间反映的是样本估计值的精确度,而非总体普及率。所有检验的显著性水平均设定为p<0.05。分析工作由AK使用JASP(V.0.95.1.0)和jamovi(V.2.6.2)软件完成,表格和图表也由AK制作。

定性分析:问卷中包含一个可选的自由文本题(“请就该主题或调查发表简短评论,1至2条即可”)。我们剔除了诸如“无”或“不适用”之类的简单回复。由于回复数量有限且内容简短,多为短语或一两句话,因此不适合采用全面的归纳主题分析法。相反,我们采用了以内容描述为主的分析方法,识别并总结受访者反复提及的问题。这种方法常用于处理可选自由文本调查数据,有助于为定量分析结果提供定性补充和背景说明。因此,定性分析结果应被视为示例性内容,而非全面总结。CB负责审核数据,制定描述性编码并不断优化;若一条回复包含多个观点,则会被赋予多个编码。一级编码随后被归类到更高级别的类别中,以总结反复出现的模式。CGS独立重复了这一过程,通过讨论解决了些许分歧,最终达成共识。由于编码过程较为简单,仅为描述性而非解释性,因此无需正式仲裁。我们需要强调,采用双重编码是为了确保解释的一致性,而非为了验证统计可靠性或主题代表性。

结果:定量分析:样本特征与采用情况:在收到邮件邀请的2855名全科医生中,62%(n=1776)打开了邮件,38%(n=676)点击了调查链接,21%(n=601)完成了调查。因此,受邀样本的回应率为21%(计算公式:601 ÷ 2855 × 100)。此外,还有402名受访者通过Doctors.net.uk首页的广告完成了调查;由于无法获得广告展示次数或点击次数的数据,因此无法计算这一招募渠道的回应率。综上,本次调查共获得1003名受访者。其中,46%(n=466;95%置信区间为43.4%至49.6%)表示自己既未使用这类工具,也无意在近期使用;39%(n=396;95%置信区间为36.5%至42.6%)表示目前未使用但计划今后使用;14%(n=141;95%置信区间为12%至16.3%)表示正在使用这类工具。在整个样本中,女性占一半(n=503),近一半受访者的年龄在35至45岁之间(45%,n=452),详见表1。表1显示,使用该工具与未使用该工具的全科医生在性别方面存在差异:我们的样本中女性比例明显较低,卡方值为19.38,p值小于0.001,克雷默’s V值为0.14,但地区分布方面没有差异,详见在线补充附录3。在当前使用该工具的全科医生中(n=141),年龄在56岁及以上的全科医生中使用该工具的比例较低,下降了9%,调整后的p值为0.03,详见在线补充附录3。使用该工具的情况在性别方面没有显著差异(卡方值为1.48,p值为0.224),但在年龄(卡方值为9.97,p值为0.019,克雷默’s V值为0.10)、职位(卡方值为16.55,p值小于0.001,克雷默’s V值为0.13)以及诊所规模(卡方值为10.6,p值为0.031,克雷默’s V值为0.10)方面存在显著差异,详见在线补充附录3。使用该工具的全科医生更有可能是诊所合伙人或负责人,比例上升了13%,调整后的p值为0.012,而临时代班的全科医生比例则下降了12%,调整后的p值为0.001。此外,使用该工具的全科医生在规模不超过5000名患者的小型诊所工作的比例也较低,下降了8%,调整后的p值为0.027。在当前使用该工具的全科医生中,Heidi Health是最受欢迎的人工智能文书工具,有86%的全科医生正在使用它,详见表2。表2显示,63%的全科医生(n=89;95%置信区间为54.9%至70.6%)表示在会诊中使用人工智能工具前会常规征求患者同意。在这些医生中,大部分表示只有10%或更少的患者拒绝同意(89%,n=79;95%置信区间为80.5%至93.8%),详见在线补充附录3。工作流程影响:如图3所示,在当前使用该工具的全科医生中,三分之一的人每周工作30至40小时,大多数人(85%,n=122)每天至少接诊26名患者。27%的人(n=38)表示存在不同程度的职业倦怠。大多数受访者认为,该工具降低了会诊时的认知负荷(70%,n=99),同时也减少了文档撰写的时间(80%,n=112)。图3展示了当前使用该工具的全科医生在工作负荷及该工具对其工作流程的影响方面的情况。在当前使用该工具的全科医生中,超过一半的人(55%,n=78;95%置信区间为47%至63.3%)认为人工智能生成的文档质量“良好(优于常规医疗文档,仅需少量修改)”,详见在线补充附录3。错误与核查情况:与此同时,近一半的全科医生(44%)表示他们发现的文档错误比例在10%至30%之间,另有相近比例的医生(41%)表示几乎能全部修正生成的文档,只有16%的医生表示只需修正10%或更少的错误,详见图1A至E。图1展示了当前使用该工具的全科医生在文档错误及相关的医疗法律风险方面的情况,其中AI指人工智能。进一步分析这些错误后发现,使用该工具的医生中有一半(52%,n=73)认为这些错误“微不足道”或“较轻”,不会影响患者护理。同意流程与医疗法律方面的看法:在我们的样本中,50%的使用该工具的全科医生对使用人工智能文书工具可能带来的医疗法律风险“略有担忧”。与某些特定患者群体进行会诊时,该工具产生的错误更多,例如当会诊现场有多名患者或护理人员在场时(38%,n=53),以及患者病情较为复杂时(35%,n=49)。定性分析:在141名受访者中,有29人(21%)提供了自由文本评论,经过数据清洗后,这些评论的总字数为689字(详见在线补充附录4中的原始数据)。大多数评论都很简短,多为短语或1至3句话。通过归纳编码和迭代分析,确定了关于在常规医疗实践中使用人工智能文书工具的四种主要观点类别:(1)在工作流程和患者护理方面的潜在益处;(2)对准确性和可靠性的担忧;(3)伦理与职业考量;(4)未来期望及系统层面的挑战。引文为原文照录并已匿名处理(参与者编号、性别、年龄标注在括号内)。受访者的态度较为谨慎乐观:虽然人工智能文书工具因能减轻工作负担并让医生更专注于患者而受到重视,但人们对准确性、职业身份以及系统整合的担忧表明,仍需不断改进和完善监管。详见表4。

表4 • 新出现类别的示例引文

讨论
主要研究发现总结
这项探索性在线调查于2025年8月开展,受访者共1003人,据我们所知,这是英国规模最大的针对全科医生当前使用情况以及未来采用意向的调研。约有七分之一的受访者曾使用过这类工具(141/1003,占比14%),另有39%的受访者表示打算近期使用(396/1003);在已使用者中,Heidi Health这一品牌最为常用(121/141,占比86%)。对已使用者进行的进一步分组分析(n=141)未发现性别差异,但不同工作群体之间的采用率存在差异——年龄较大的全科医生及临时医生采用率较低,而全科医生合伙人/负责人以及所在诊所规模较大的医生采用率则较高。这些差异可能源于自主权、资源及激励机制的不同,但由于样本量较小,解读时需谨慎。

这些特征也影响了对所报告益处的理解。早期采用者可能拥有更完善的行政支持、更好的数字基础设施,或在工作流程优化方面有更大灵活性,而规模较小的诊所或由临时医生负责的诊所则可能不具备这些条件。他们也可能对技术抱有更积极的看法,因此在评估技术性能时会出现“光环效应”。因此,所报告的效率提升和可控的错误率可能反映出有利的技术应用环境,而非所有常规医疗实践中的普遍状况。所以,我们的研究结果应被视为早期采用者的情况反映,而非整个行业未来的表现水平。

在已使用者中(n=141),错误检测较为常见,但通常并不严重:32%的受访者(45/141)表示经常或总是会出现错误,但86%的受访者(121/141)认为这些错误属于轻微到中等程度,仅有14%的受访者(20/141)认为错误较为严重;57%的受访者(81/141)会经常或几乎总是纠正这些错误。

此外,在已使用者中,不同情况下的错误风险分布如下:多方会诊时风险最高(38%),病史复杂时为35%,母语非英语时为31%,有语言障碍时为21%,在嘈杂环境中为20%,认知功能受损时为13%——这些趋势可能加剧“逆向护理法则”的现象,即最需要帮助的群体反而得不到足够服务。造成这些差异的原因可能有多种。语音识别和自然语言处理系统在处理带有口音、非母语表达、混合语言或多人同时发言的对话时,性能会下降。复杂的或冗长的病史也可能给现有的总结模型带来压力,增加遗漏、错误归因或丢失临床细节的风险。如果不加以解决,这些局限性可能会对那些本来就存在沟通和文档记录难题的病人造成更大影响,进而加剧现有的健康不平等问题。

这些特征也影响了该技术在临床实践中的使用方式。由于不同类型的会诊中人工智能系统的表现存在差异,医生们需要提高警惕。例如,在涉及口译员、内容复杂的临床叙述的会诊中,可能需要额外核查,有时甚至应避免使用该工具。因此,采用人工智能工具的医疗机构应针对不同患者群体检测其准确性,而不能仅依据整体性能来判断,同时应确保患者能够了解情况并有权选择不使用该工具,且不会因此受到不利影响。否则,虽然医生的文档记录效率可能会提高,但那些本就有沟通障碍的病人的记录可靠性却可能下降。

对于已使用这些工具的医生来说,工作负荷方面的反馈较为积极:80%的受访者(112/141)表示文档记录所需时间有所减少(30%认为大幅减少,50%认为略有减少),70%的受访者(99/141)表示认知负荷有所降低(20%认为明显降低,50%认为有一定降低);28%的受访者认为没有变化,仅有2%的受访者认为负担加重。关于医事法律风险的担忧则相对较少——仅有9%的受访者(13/141)表示非常或极其担心。在获得患者同意的方式方面,63%的受访者(89/141)表示会常规征求患者同意;在这些受访者中,89%的人称只有不超过10%的患者拒绝同意。总体而言,从自由文本反馈来看,全科医生确实报告了显著的效率提升,同时也存在可控但不容忽视的错误、公平性及管理方面的问题。

乍看之下,这些研究结果似乎存在矛盾:错误虽然经常被检测到并且也经常被纠正,但对医事法律风险的担忧却相对较少,而且大多数医生仍然表示工作时间有所节省。一种可能的解释是,医生们并未将人工智能生成的文档视为最终定稿,而是视为需要核对的草稿。在这种工作流程中,效率提升可能来自于对已有结构化摘要的修改,而非从头开始撰写笔记。因此,效率提升可能与持续的错误纠正并存,最终由医生审核并确认最终记录的内容。这样的结论更符合“辅助文档记录”而非“替代临床文档记录任务”的描述。

与以往研究的对比
我们的研究结果与一项针对22名试点医生的定性研究一致,该研究也显示,使用人工智能工具可以减轻文档记录负担和认知负荷,但在与非英语患者交流时仍存在诸多障碍。11 这些结果也与美国一项关于门诊医疗的纵向研究相符,该研究指出,使用人工智能工具可显著降低医生的职业倦怠感,并提升他们的职业满足感。12 综合来看,现有证据表明,使用人工智能工具能提升效率、改善医生工作状态,错误发生率通常较低,但在多语言会诊和复杂病例处理中的表现较差。我们研究中的医生认为,尽管存在可检测到的错误,人工智能文书工具仍能提升文档质量。不过,这些评价属于主观判断,且是在频繁纠正错误的情况下做出的,因此不应被视为客观的质量提升证据。值得注意的是,大多数错误被评定为轻微到中等程度,只有少数被评定为较为严重。这与之前英国全科医生调研的结果类似,当时约有60%的医生认为患者会在自己的病历中发现严重错误。13 美国的患者数据也显示,五分之一的病历阅读者发现了错误,其中40%的人认为这些错误较为严重。14 在此背景下,我们的研究结果表明,尽管错误依然存在,但使用人工智能文书工具带来的错误负担可能低于传统文档记录方式——不过仍需通过直接评估来验证这一点。

本研究中的大多数受访者仅使用过一个平台(Heidi Health),这限制了研究结果的普适性。不同系统由于模型、训练数据、定制化程度以及与电子健康记录系统的集成方式不同,其错误率、对工作流程的影响以及用户体验也可能存在差异。因此,需要进行跨平台的直接比较评估,才能确定这些研究结果是否具有普遍性。此外,我们最近的调研也发现,生成式人工智能工具在英国的临床环境中越来越普及。8 9 人工智能文书工具似乎也是这一发展趋势的一部分。

今年4月,英格兰国家卫生服务局发布了关于在临床环境中使用数字文书工具的指南。15 该指南明确了使用这类技术的相关责任,要求使用者必须:(1)指定一名临床安全官来识别潜在风险;(2)进行数据保护影响评估;(3)确保该工具能够顺利集成到现有系统中;(4)确保该工具符合现有的数据安全及医疗设备相关法规,同时确保相关工作人员接受适当的培训;(5)持续监控该工具的性能。15 出于对患者安全的考虑,英格兰国家卫生服务局的首席临床信息官在今年6月致信各医疗机构,警告称,工作人员必须立即停止使用那些尚未在英国药品和医疗产品监管局注册为I类医疗设备的工具。16 该信件还提到,英格兰正在制定一项标准化部署人工智能辅助工具的国家计划,未来还将发布更多指导文件,以确保由这类工具获取的患者数据能够被自动删除。16 这些关于系统集成和管理的要求是基于不断变化的监管环境而提出的前瞻性建议,并非基于本研究的实证结果。我们需要强调的是,本研究并未对各类产品的监管状态进行评估,也无法确定受访者所提到的工具是否符合相关要求。

澳大利亚的卫生部门也发出了类似警告,建议避免使用未经监管的生成式人工智能工具。17 澳大利亚的专业监管机构Ahpra也在其为医生制定的核心职业行为准则中明确要求,在使用此类文书工具之前必须获得患者的知情同意。18 然而,目前尚不清楚英国的医生是否有义务在使用人工智能文书工具之前征求患者同意。15 除了同意要求之外,英国和澳大利亚的现行法规都规定,临床记录的准确性责任在于医生,而非技术本身。使用人工智能文书工具并不会改变这一法律责任,医生仍需对记录内容负责。

尽管存在监管上的不确定性,但向患者说明人工智能工具的使用情况仍然具有重要的伦理意义。鉴于大多数患者在被询问时都会表示同意,因此在实际操作中,定期通知患者并给予其拒绝使用的权利是可行的。我们需要提醒的是,如果未能获得患者同意,可能会损害治疗的透明度和医患信任关系。

研究的优势与局限
这项探索性研究为了解英国全科医生使用人工智能文书工具的现状提供了及时的信息。据我们所知,这是迄今为止规模最大的相关调研(n=1003,2025年8月),涵盖了当前的用户以及即将采用该工具的医生。不过,这项研究也存在一些局限。由于其采用方便抽样、非随机抽样方式,且通过在线形式收集数据,因此其结果的可推广性有限,还可能受到自我选择偏差、回忆偏差和未回应偏差的影响;所有数据均为自我报告,没有与客观指标相对应。此外,通过专业平台招募受访者,可能导致那些更活跃地使用数字工具的全科医生比例过高,因此这些研究结果应被视为早期采用者的情况反映,而非能够代表全体医生的数据。

调研是通过电子邮件邀请和网站首页广告来招募受访者的,只有通过电子邮件邀请获得的受访者,其回应率才是可计算的。由于没有关于通过网站首页看到广告后回应率的数据,因此无法估算这一渠道的回应率,而且通过网站首页回应的受访者可能在参与积极性或对主题的兴趣方面存在系统性差异,这可能引入选择偏差。当前用户的样本量较小,难以深入分析影响工具采用率的因素,也无法对不同子群体或不同工具的错误模式进行深入分析。此外,研究结果也均为自我报告,我们缺乏关于错误率和工作流程影响的客观或独立测量数据。最后,研究中的定性部分仅限于一个可选的自由文本回复,这限制了信息的深度,也可能无法涵盖不同的观点。

鉴于相关产品发展迅速,这些研究结果可能很快就会过时。因此,需要通过持续、分层的方式在英国开展抽样调研,以监测这类工具的采用情况和使用体验。未来的研究应采用前瞻性设计,覆盖多个地点,并纳入客观的工作流程和安全指标。同时,还需要系统地了解患者的观点,包括他们对使用此类工具的同意程度、信任感和接受度,这样才能对人工智能文书工具进行全面、客观的伦理和临床评估。

结论
这项针对英国全科医生的便捷型调研,为我们提供了迄今为止关于一线医疗实践中使用人工智能文书工具的最全面的概况。尽管目前这类工具的采用率仅为14%,但未来短期内采用率有望达到39%,这表明其普及速度较快。据报道,使用这类工具可以减少文档记录时间和认知负荷,但在处理复杂病例或多语言会诊时,仍会出现具有临床意义的错误,相关问题也依然存在。人工智能文书工具或许能够减轻医生工作负担,但如果缺乏有效的管理机制,也可能加剧健康不平等现象,并带来医事法律风险。虽然我们知道这是一项便捷抽样研究,其结果也应据此加以解读,但我们仍建议采取积极的监管措施,建立统一的同意获取流程,并实施系统的安全监控。特别值得关注的是,本研究中37%的当前用户并未常规征求患者同意——这一发现具有直接的临床和监管意义。未来需要开展前瞻性、多地点的研究,结合客观的工作流程、安全指标以及患者反馈,才能明确这类工具在基层医疗中的长期作用。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号