在医疗行业，电子健康记录（EHR）系统的引入本应为医生和患者之间的互动带来便利，然而现实却往往让人失望。医生们被迫花费大量时间在电脑屏幕前，输入病历、检查结果和治疗计划，导致与患者的面对面交流时间大幅减少。

我仍然记得当新EHR系统上线的那一天。我们被承诺可以即时访问所有实验室数据，完美的可读性，以及“更多的患者护理时间”。然而，眼前的却是一个闪烁的光标，等待着医生输入每一个血压读数、家族病史的细节和治疗方案。手写的记录虽然难以辨认，却能在几秒钟内完成，而现在却不得不在夜晚加班完成这些文书工作。

为了改善这一状况，我尝试在诊疗过程中进行记录，但这让我不得不将注意力放在屏幕上，而患者却在房间的另一端描述他们的症状。这样的交流变得机械而乏味，眼神接触消失，医生与患者之间的联系也随之减弱。随着文书工作的增加，我的耐心也在逐渐消耗。

面对这一困境，我开始寻找更好的解决方案。直到我看到一种大型语言模型能够几乎即时将原始语音转化为结构化文本。在那一刻，我意识到人工智能（AI）记录员可以做到以前的语音识别软件和短期记录员无法实现的事情——忠实地捕捉临床故事，以与对话同样的速度，让医生重新回到患者身边。

尽管电子健康记录在某些方面实现了它们早期的承诺，如消除了难以辨认的手写记录，提供了数十年的实验室和影像数据，但这些记录仍然充斥着模板化和冗长的信息，医生们需要在大量重复的信息中寻找关键数据。每个数据字段仍需由某人输入（通常是医生），这使得诊室的点击变成了晚上的“睡衣时间”记录。一项针对142名临床医生的研究发现，医生们每天在诊所结束后平均花费86分钟来完成EHR工作，包括续方等简单操作，这通常需要超过三十次点击。

某些专业领域感受到的EHR负担尤为明显。像初级保健、家庭医学、内科以及过敏和免疫学等门诊子专业，必须记录详细的病史、跟踪慢性病指标和频繁的随访，每次就诊都需要生成大量的记录。随着患者数量的增加，实时记录变得几乎不可能，工作不可避免地延续到晚上，这时的事实模糊，细节更难以回忆。

当我第一次接触到大型语言模型时，它的原始输出让我感到像是科幻小说，虽然混乱，却充满希望。随着每周更新的进展，错误率逐渐降低。我开始自学人工智能，构建自己的内部记录员，这意味着要解决加密、提示工程和监管灰区的问题。

最终，我的AI记录员能够在符合隐私法规的情况下，实时听取就诊过程，并输出一份简洁、专业的记录，仿佛是我自己输入的一样。细节不再在忙乱中丢失，晚上的文书工作也随之消失。我每次就诊后都能关闭记录，甚至每天多看一到两个患者，感受到文书工作的压力减轻。

如今，这一工具已成为我工作中不可或缺的一部分；没有它，我难以想象自己能否保持同样的工作效率和职业满意度。随着医生们对这些系统的熟悉程度提高，预计AI记录员将被视为标准的医疗基础设施。一项2024年发表在《美国医学会网络开放杂志》的研究发现，虚拟记录员平均减少了医生每次就诊的EHR工作时间5.6分钟，包括1.3分钟的记录时间和1.1分钟的文书时间。

医学本身就是一个大数据的企业：数十年的实验室、影像、程序报告，以及现在的全外显子组或多基因风险评分，充斥着现代病历。没有人能够完全合成这些信息，但大型语言模型能够在几秒钟内对其进行分类，找出三个异常趋势、扫描PDF中埋藏的家族病史红旗，以及昨晚发布的指南更新。医生在提取病史的细微差别和决定重要性方面依然不可或缺，但AI将引导我们提出正确的问题，标记药物与基因的相互作用，并将每个计划与最新的社会推荐进行交叉检查。

AI不会取代医生，就像自动驾驶仪不会取代飞机驾驶员一样。飞机能够自动降落已经有几十年，但人类仍需在最后的着陆阶段掌控方向。同样，算法可以提出诊断和治疗方案，但医生仍需进行审查和确认，以确保安全、上下文和人际联系。通过减轻数据处理的负担，同时增强洞察力，AI可以让更少的医生照顾更多的患者，而不会导致职业倦怠，使我们成为患者与庞大、不断学习的医学知识库之间的专家翻译。

人工智能可以让我们重新找回早期EHR悄然夺走的东西：时间、联系和临床清晰度。医疗系统的领导者应该停止将大型语言模型视为边缘项目，而应将其作为核心基础设施进行资金支持，完全整合到电子病历中。医生们必须要求每个新工具都以一个关键指标来衡量：它是否创造了比消耗更多的面对面患者时间？同时，我们也必须警惕AI不会重蹈第一波数字化浪潮的覆辙，用新的文书点击代替旧的。

作为临床医生，我们应开始提高对提示构建、数据管理和算法偏见的认识，因为患者将期待（并且理应得到）能够将海量的长期和基因数据转化为清晰、人性化护理计划的医生。医学正在快速变化，但如果我们明智地部署这些系统，人工智能将不会使我们与患者疏远；它将清除屏幕，让我们的目光聚焦于患者，帮助我们实践我们在数字时代初期所想象的那种关注、数据驱动的护理。

注：本文内容仅供科普参考，不构成专业医疗建议，如有健康问题请咨询专业医生。