人工智能：如何讓醫生從“病歷成堆”中解脱出來？_風聞
谭婧在充电-谭婧在充电官方账号-偏爱人工智能（数据、算法、算力、场景）。-2020-03-18 18:11
大約一年前，一位居住在北京的專業作家、《高鐵羣俠傳》的作者，告訴《親愛的數據》，他的寫作過程非常依賴語音輸入。因為只要再經過手動修改文本，就可以形成初稿。
他特別介紹：“語音輸入的好處包括，能讓他在安靜的地方隨時記錄對作品的靈感。旁觀者看來寫作過程通過嘴巴來進行，就和打電話一樣。”
這個情景讓人深刻地感受到，語音輸入已經伴隨手機，在日常工作中越來越尋常。既然“語音助手”能幫助作家，能不能幫助醫生？答案是肯定的。
醫生要花多少時間在病歷上？
據丁香園調查，50%以上的住院醫生每天用於寫病歷的平均時間達4小時以上，其中一部分甚至超過7小時。夜深了，醫生還在伏案書寫病歷是醫院住院部常見的情景。
《福布斯》也曾經報道，醫生花費27%的時間在診室問診，還有49.2%的時間在做書面工作，其中包括使用電子健康記錄系統。即便在診室，醫生只花52.9%的時間在和病患構圖，37%的時間在處理書面工作。電子病歷錄入也是佔用醫生日常工作的一部分。
人工智能的自然語言處理技術能不能幫上醫生的忙？
自然語言處理，是人工智能和語言學領域的分支學科，這裏研究如何通過計算機和人工智能技術處理，以及運用語言。自然語言處理包括語音合成，語音識別等細分技術。人工智能需要大量的好數據才能提高算法和模型的質量。汽車跑得快的背後是汽油給夠，技術提升的背後是電子病歷等數據給足，因為他們是“醫院語音識別產品”的燃料。
2001年左右，類似《推行電子病歷的可能性》的論文，在醫療和護理類期刊中出現。
十餘年後，2016年有媒體報道，語音輸入電子病歷技術開始走進醫生辦公室。當時，這還是個案。當年，在語音識別內容的準確率上，各科技企業和團隊確實有了相應的突破。但是，落實到產品，尚需時日。
到了2017年，技術再次帶來喜訊。諸如科大訊飛、百度等多家企業聲稱，其研發的語音識別技術已經達到了97%的準確率。
我們熟知的谷歌、微軟翻譯以及搜狗、科大訊飛語音識別等都是基於此項技術，各類智能語音硬件產品層出不窮。在識別正確率提高後，語音輸入的實用性煥然一新。雖然我們都知道，在研究的「最後一公里」，每 0.1 個百分點的進步都異常艱難。
這次疫情期間，北京小湯山醫院也使用了“智能語音電子病歷系統”，醫生“動嘴”就能寫病。未來，隨着醫院中台技術的發展，智能語音將會是明星級別的應用，像積木一樣“搬運”、“複製”到醫院需要的各個環節。
《親愛的數據》出品
