目前部署最广的临床 AI 并不是读片的诊断模型，而是一支听着对话、替你写病历的麦克风。环境式 AI 记录员进入常规门诊的速度超过医疗 AI 领域任何一样东西——而这背后的心理学原因与算法毫无关系。
它解决的问题
文书负担是医师调查中最一致的发现之一。这个模式被反复验证：
- 临床医生通常把工作日中相当大的比例花在文书与收件箱上——许多研究中超过直接诊疗的时间
- 其中相当一部分发生在下班后（"居家补病历时间"），这是职业倦怠的强预测因子
- 每多一小时的下班后电脑时间，都会显著抬高倦怠风险
面对这种状况，一个能消掉打字的工具显然有吸引力——而且不同于诊断模型，它不需要在任何临床判断上正确就有用，只需要如实记录说过的话。
环境式记录员做什么
部署通常很简单：手机 App、桌面端，或诊室里固定的麦克风在问诊期间运行。流程大致是：
- 自动语音识别捕获多方对话
- 说话人分离区分医生、患者（有时还有家属）
- 大语言模型把它结构化为病历——病史、查体、评估、计划
- 可选的编码与医嘱——部分产品会起草 ICD 编码、医嘱或转诊信
- 医生审阅、修改并签名
许多产品已直接整合进主流电子病历平台，草稿会落在需要的位置，而不是另一个窗口里。
落地部署真正发现了什么
若干医疗系统已发表其使用经验。反复出现的发现包括：
- 文书时间下降——使用工具书写的病历普遍报告下降约 20–50%
- 下班后补写（"居家时间"）减少——这是医生最看重的效应
- 倦怠评分改善（自报告量表），不过其超出新鲜感的持久性仍有争议
- 患者常报告眼神接触变多——医生在看你而不是看屏幕。部分研究发现患者体验更佳；也有少数患者不喜欢被录音
- 吞吐量效应不一致——有的诊所接诊量上升，有的没有；在按项目付费的体系下收入可能增加，这让"这是为了倦怠"的说法变得复杂
倦怠改善是真实的但不算大，而文书时间并非唯一驱动因素。环境式 AI 之所以有用，是因为它移走了一项具体且让人痛恨的任务——而不是因为它解决了人手、事前审批或收件箱量的问题。
真实存在的风险
- 病历中的幻觉。 这是最严重的一条。语言模型可能插入从未被提及的内容——"否认胸痛"（其实根本没讨论）、没做过的"查体正常"、不在清单上的药物。在一份已签名的法律文书中，编造的内容会污染下游的一切，包括未来的临床决策。
- 自动化自满。 这份技术最诱发的失败模式，就是一份看起来合理的草稿被三十秒扫过。错误恰恰集中在最复杂、本该审得最慢的那些病历上。
- 知情同意与隐私。 录一段问诊意味着处理极度敏感的音频。知情同意的实践从口头许可到书面表格各有不同；有的患者会拒绝，有的司法辖区要求明确同意。各厂商的音频留存政策差异很大。
- 收费编码压力。 如果工具同时建议计费编码，就存在抬高编码的结构性动机——无论本意是否如此。
- 敏感话题。 患者知道自己被录音时可能自我审查，尤其在心理健康、药物使用或家庭暴力方面。
- 医疗法律责任模糊。 当文书错误发生时，医生、医疗机构与厂商之间的责任划分仍在摸索。
如果你是患者
- 你可以问是否在录音，也可以说"不"。
- 问清音频如何存储、存多久，以及是否被用于模型训练。
- 读你的病历。 患者门户越来越多地即时展示病历；如果有错，纠正流程比多数患者意识到的更重要。
- 这个工具不做诊断。 它记录对话，不解读对话。
如果你在评估这类产品
- 衡量病历质量是否保持，而不只是速度是否提升
- 专门测试编造内容与阴性症状遗漏——这是两类最该找的失败模式
- 追踪下班后时间——它最可能与倦怠改善相关
- 要求有明确的同意、留存与训练使用政策
- 用会诚实报告错误的医生做试点，而不是热情拥护者
结论
环境式 AI 记录员是迄今最成功的临床 AI 落地，恰恰因为它很"无趣"——它省掉打字，而不是做诊断。文书时间与下班后工作的收益是真实的、被反复测量的。它的风险轮廓也很直白：看似合理的编造内容进入法律医疗文书，加上录制问诊的实质知情同意问题。缓解方式不只是更好的模型——而是把输出当作需要审阅的草稿，并诚实地承认人类会扫读。
本文为科普教育内容，讨论的是工作流工具而非诊疗建议。患者与医生请遵循所在机构的政策。