語音錄入電子病歷可省時70%;谷歌、亞馬遜、科大訊飛等產品有何特色?
隨著語音技術在醫療領域的廣泛應用,它為醫療資訊的錄入提供了新的解決方案。
動脈網(微信:vcbeat)盤點了提供相關服務的行業巨頭和初創公司,分析他們如何利用語音技術解決電子病歷記錄的痛點。
Medscape對15000名美國執業醫生進行了調查,近三分之二的醫生表示自己感到職業倦怠(42%)、情緒低落(15%)或兩者兼而有之(14%)。主要原因包括臨床醫生必須處理各種複雜的醫療檔案(56%)以及花費大量時間將患者資訊輸入電子健康記錄中(24%)。而語音及人工智慧技術正在解決該痛點。
而這無疑會成為一個很大的市場。
電子病歷資訊錄入繁雜耗時:醫生職業倦怠的主要原因
在過去十年裡,隨著電子病歷(EHR:Electronic Health Record)在美國的普及,醫療保健領域發生了重大變化。醫生們平均每天工作11個小時,其中6小時花在處理電子病歷上,只有1.5小時用於處理紙質檔案。但是,現在大多數EHR系統被設計成了龐大複雜的賬單系統,而不是包括就診、住院、藥房、賬單、報銷等環節在內的專注於患者護理的系統,其可用性和效率也受到了影響。
這帶來的複雜性和耗時性是醫生職業倦怠和工作不滿意的首要原因,也是當今醫療行業亟待解決的問題之一。去年9月,發表在Annals of Family Medicine上的一篇研究顯示,初級護理醫師花費在EHR上的時間超過總工作時間的一半,這意味著,他們將大部分的精力和注意力都投入到所謂的“行政”任務上。
而職業倦怠會導致患者滿意度、醫生護理質量降低,以及醫療錯誤率、醫療事故風險、醫師和員工流失率升高。此外,它還與醫師藥物濫用和醫師自殺有關。雖然產生職業倦怠的原因是多方面的,比如醫院收購醫療機構、藥品價格上漲、《平價醫療法案》的實施、支付方式逐漸向基於價值的模式轉變。但記錄患者就診情況的過程繁瑣耗時,會影響與患者面對面交流以及臨床治療的效果。而醫療資料的爆炸式增長,也讓醫生很難獲取和管理有價值的患者資訊,從而改善患者的健康狀況。
因此,應對醫生在整個工作流程中遇到的挑戰,優化現有電子病歷的錄入過程,對提高整體效率和醫療服務質量、降低醫療成本至關重要。研究公司Technavio釋出報告稱,到2020年,全球醫院支出將超過720億美元,複合年增長率為6%,而語音識別技術是醫院計劃的一大推動力。
越來越多的醫療服務提供商加大了對語音識別技術的投資。比如,擁有五家醫院和兩家大型醫療中心的Premier Health,花費了160萬美元來開發與Epic整合的語音識別軟體。它幫助醫生減輕工作負擔,每天節省90分鐘左右的時間。由於更高效的工作流程,這個軟體幫助Premier Health節省了約130萬美元的醫療費用。
語音是一個越來越受歡迎的功能,在醫療保健領域尤其適用。DRG Digital | Manhattan Research對2784名醫生進行了調查,23%的人表示他們在工作中使用語音助手,比如蘋果的Siri和亞馬遜的Alexa。其中又有29%的醫生說他們使用的語音助手系統是EHR的一部分。這些資料表明,隨著越來越多的開發人員專門為臨床工作建立語音工具,語音技術將為醫療資訊的轉錄提供解決方案。
行業巨頭與初創公司如何解決電子病歷錄入痛點
動脈網梳理了涉及電子病歷語音錄入服務的幾家大型企業——谷歌、亞馬遜、科大訊飛、雲知聲、Nuance,以及專注這一領域的新興競爭者——Saykara、Suki、Notable。
醫療語音技術領域大公司佈局情況
醫療語音技術領域初創企業
電商巨頭亞馬遜正在研究如何利用語音技術,為電子病歷中輸入和提取資料提供幫助,實現高效的資訊交流。Alexa應用平臺擁有來自Mayo Clinic(梅奧診所)和Libertana等機構的輕量級醫療應用程式,可以回答醫療問題、在緊急情況下發送警報,並幫助使用者與護理人員溝通。
語音助手Alexa還可以整合到電子病歷中,成為一個被動的記錄者。亞馬遜正在美國各地的醫院進行試驗,包括Northwell、Mass General和Boston 's Children 's Hospital。然而,由於Alexa還不符合HIPAA標準,該軟體完成的任務通常僅限於非可識別的用途,例如外科醫生的檢查清單、患者的疾病和藥物資訊以及醫院資訊。如果Alexa符合HIPAA標準,用途可以得到進一步擴充套件。
全球最大的語音識別技術公司Nuance推出的醫療解決方案已經覆蓋了全美72%的醫療機構,客戶遍及全球30多個國家,共獲得3億多醫患交流資料,每年為超過50萬名醫生、1萬家醫療機構提供服務。旗下產品Dragon Medical One致力於為臨床專業人士提供語音導航檔案系統和應用程式,以實現與患者進行全新交流的目標。相關技術的運用極大地提高了醫生診斷的工作效率,使得患者病情采集工作快速、靈活而準確。
谷歌在目前進行的一項AI研究中,分析了216221份住院病例,涉及114003名病人以及超過460億個資料點,為各種臨床情景建立準確和可擴充套件的預測。基於這項研究,谷歌還在開發用於臨床記錄的語音識別系統,通過構建自動語音識別技術模型,改善電子健康記錄的語音轉錄過程。
2017年4月,科大訊飛與中國醫學科學院北京協和醫學院簽署全面戰略合作框架協議,這表明科大訊飛的智慧醫療相關技術,如口腔科語音電子病歷系統正式在北京協和醫學院落地使用。
在此次戰略合作協議簽署前,上述的口腔科語音電子病歷系統已經有過試驗和落地。整個系統包括一個可以夾在醫生領口的醫學麥克風,一個可以裝在醫生口袋的發射器,還有一個可以插在醫生工作電腦上的接收器。在接診過程中,醫生只需要以口述的方式說出患者的病歷,醫生的工作電腦上就會自動生成結構化的電子病歷。之後,只需醫生對電子病歷內容進行簡單修改確認,即可列印提供給患者,並完成電子檔儲存。
雲知聲智慧醫療語音錄入系統以面向醫療領域的高效能識別引擎為基礎,通過語音來高效處理大量文字錄入工作,通過語音和手持裝置上的功能鍵與院內HIS、PACS系統等互動起來。醫生通過語音錄入方式可以有效避免複製貼上操作,規範病歷輸入,增加病歷輸入安全性。
目前,這個系統可以有效節省醫生超過38%的時間。面向醫療的整體方案推出以來,雲知聲已經在全國20多家有代表性的大型綜合三甲醫院正式上線使用,這些醫院分佈在華中、華北、華南、西部等地,其中包括北京協和醫院、北大人民醫院、第四軍醫大學西京醫院、香港大學深圳醫院等,還有約40家醫院正處於試執行階段。
不同於以上的大型企業單獨推出語音服務,Saykara、Suki、Notable幾家初創公司則更專注於語音識別技術在電子病歷上的應用。其中成立於2015年的SayKara,其團隊由來自亞馬遜、微軟、谷歌和Nuance的前產品負責人、工程師和機器學習專家組成。SayKara推出的人工智慧語音助手可以自動建立文件,簡化工作流,讓醫生更容易與EHR系統進行互動。資料表明,使用SayKara的醫生在管理電子健康記錄上花費的時間減少了70%,這樣更有利於他們與患者進行交流並提供更高質量的醫療服務。目前,SayKara已和美國幾個大中型醫療保健系統合作,包括作為早期試點之一的著名整形機構OrthoIndy。
Suki的前身是Robin AI,該公司推出的具有語音功能的人工智慧助手幫助醫生減輕文件負擔,改善資訊和資料的錄入過程。Suki在加州和佐治亞州開展了12個試點專案,其中涉及內科、眼科和整形外科等領域。通過將其產品在三種不同EHR系統中每週使用五天,該專案的初步結果顯示,Suki將醫生花費在醫療記錄上的時間減少了60%。此外,Suki還與蘋果、谷歌、Salesforce和23andMe等合作,為消費者、醫療機構、大型企業等提供尖端技術產品。
Notable推出的產品可以自動記錄醫生的問診記錄,並更新電子病歷。該公司的解決方案利用自然語言處理和語音識別技術,自動記錄醫患之間的互動,破譯醫生的筆記,並構建資料結構,以方便電子病歷的錄入。為了使該系統順利執行,研究人員花了大量時間記錄和監控2000多項醫生與患者的互動。目前,Notable正在為Apple Watch開發產品。
醫療語音市場:存在困難卻也前景廣闊
目前,語音技術在醫療領域的應用仍然面臨三大困難:準確性、安全性和標準化。
首先是關於電子病歷語音轉錄的準確性,來自各方的擔憂在過去幾年一直阻礙著醫學轉錄整體質量的提升。對於這一點,不同公司都在積極尋求解決辦法,讓語音識別技術可以更好地減輕醫生的轉錄負擔。
比如,谷歌開發並評估了兩種自動語音識別(ASR)方法,用於簡化醫生的工作流程。第一種系統是CTC(connectionist temporal classification)模型,重點研究語音單元的位置和序列,直接將語音和相應的文字對應起來,實現時序問題的分類。
另一種是LAS(listen, attend, and spell)模型,它是一個由多部分組成的神經網路,將語音轉換為語言的單個字元,然後根據先前的預測順序選擇後續條目。每一個模型都進行了超過14000小時匿名醫學對話的訓練,以便提高語音轉錄的準確性。
研究結果表明,CTC模型最終實現了20.1%的字錯誤率,而大多數錯誤發生在講話的開頭和結尾,說話者的發言時間少於一秒。而LAS模型最終達到18.3%的字錯誤率,大多數錯誤出現在對話階段,與醫學術語無關
研究人員表示:“隨著電子病歷系統的廣泛應用,初級護理醫師日益短缺,職業倦怠率也變得更高。通過優化資訊提取和分析的過程,ASR技術能夠改善電子健康記錄的語音轉錄過程,幫助醫生減輕所謂的行政負擔,提供更優質、更專注的醫療服務。”
對於語音技術在醫療領域的應用,另一個關鍵挑戰在於如何保護患者生成的資料,並確保符合HIPAA標準。依據美國聯邦及各州的隱私法 (Privacy Laws),美國衛生與人類服務部(HHS)制定了有關患者安全和保護個人穩私的聯邦健康保險攜帶和責任法規(HIPAA:Health Insurance Portability and Accountability Act )。HIPAA法規為醫護人員設定了一套保護患者隱私的標準措施。在電子病歷的資訊錄入時,必須嚴格遵守相關的規定。
最後涉及標準化的問題。2006年,美國醫療資訊與管理系統學會(Healthcare Information and Management Systems Society, HIMSS ) 釋出了《Electronic Medical Records vs. Electronic Health Records:Yes,There ls a Difference》白皮書,提出Electronic Medical Records Adoption Model(EMRAM,電子病歷應用模型),並以此為依據,評價醫療機構的資訊化建設水平。HIMSS評審圍繞電子病歷系統展開,共有八個等級。個性化醫療、循證醫學、循證管理都決定性地依賴於對現代資訊科技廣泛而深入的使用。
中國除了對電子病歷的書寫、使用術語、編碼進行了嚴格要求外,從2010年開始,也開展了“電子病歷系統應用水平分級評價”工作,根據相關標準,電子病歷系統應用水平劃分為8個等級。每一等級的標準包括電子病歷系統區域性的要求和整體資訊系統的要求。
雖然語音技術在電子病歷領域的應用還面臨著諸多阻礙,但可靠性、可移植性和成本效益都將成為醫療機構採用轉錄工具的關鍵因素。醫療轉錄行業被認為是醫療資訊管理領域最具潛力的領域之一,因為它受到不斷髮展的技術的影響。
大多數醫學轉錄裝置由內建語音識別和記憶儲存系統組成。而自動轉錄技術日益普及,預計將在不久之後取代各種模擬裝置。相關醫療專業人員或內部轉錄員價值的上升以及醫療轉錄外包服務的增加等因素預計將在未來幾年推動市場需求。