如果她特别高效，医院医学博士Gigi Liu可以在20分钟内完成出院摘要，以便在巴尔的摩的约翰·霍普金斯医院接受了几天的治疗患者。但是，总结在巴尔的摩医院住更长的患者的探访可以吸引整整一个小时。”摘要有助于指导患者离开医院。
刘说：“ [文书工作的三十分钟到一个小时]足够的时间让我去看另一名患者。”
刘是希望的医院主义者最终将能够更多地专注于患者护理，而不是准备医院出院摘要，这是一项新的研究使用大型语言模型（LLMS）的好处。加州大学旧金山大学（UCSF）的研究人员最近出版了JAMA内科。
它比较了医院主义者创建的医院出院摘要和LLM起草的医院摘要，这些摘要能够将大量信息综合为类似于医生可能创建的原始内容。这项研究没有发现医生和LLM生成的叙述所汇总的摘要的显着差异。
该研究报道，后者比医师生成的对应物更简洁，更连贯，但不全面。该研究发现，LLM摘要还更可能包含错误，包括遗漏和不准确性，但仍有较低的患者伤害潜力。
该研究涉及2019年至2022年在UCSF期间3-6天随机选择的住院医学患者遇到的患者。作为盲目研究的一部分，有22位主治医师审稿人分别评估了由医院主义者和LLM开发的叙述，而又不知道使用哪种方法来生成摘要。
根据分析结果的研究人员的说法，审阅者没有发现两种总体质量和偏好方法之间的差异。
新研究的主要作者之一Charumathi Raghu Subramanian表示，作为服务时间后，作为住院时间的医院主义者，我们突然加入了患者的旅程一周或更长时间。
她说，最后一次照顾患者的住院医生的职责是将他们从医院出院。
出院摘要是患者旅程的重要方面。它总结了患者护理从医院过渡到急性后社区医学的临床重要方面。
Raghu Subramanian告诉Medscape Medical News。她和另一位专门从事临床信息学和数字化转型的医院主义者与20位UCSF教师一起担任研究作者。
她说，住院医师筛选了所有在住院期间与患者互动的临床医生所做的所有笔记。这需要很多时间。
研究引用的研究称，高质量的出院摘要减少了药物错误，较低的医院再入院率并提高了初级保健医师的满意度。
放电摘要包含诸如主诊断，药物清单和测试结果之类的元素。叙述部分包括患者的疾病和医院课程。
该研究说，与医院的进度票据通常反映了每日文档的逐步努力，摘要可以更大程度地参与其中，尤其是对于冗长的医院遭遇或顺序医师提供了护理时。”
在2021年对UCSF研究中引用的815位美国医师的调查中，有44％的住院医师表示，他们太忙了，无法准备高质量的出院摘要。
研究表明，LLMS（例如生成预估计的变压器）在医疗保健中有望节省临床医生的时间，减少倦怠并提高工作满意度。
Raghu Subramanian解释说，LLM可以从临床数据仓库中提取的所有遇到笔记或临床医生可以将遭遇注释的摘要提供给LLM，以在比医生要少的时间内创建新的出院叙述。
潜在的伤害
虽然其他研究已经测试了LLMS以创建出院摘要，但UCSF研究涉及几天内与许多患者的实际住院，而不是策划的小插曲。Medscape Medical News咨询。
研究作者认为，审稿人应包括出院摘要，住院医生和消费者的生产者：熟练的护理和初级保健医生，Raghu Subramanian说。
审稿人评估了住院医生和LLM产生的摘要，并根据其危害潜力分别评分。连贯，简洁和全面性；以及哪种摘要审稿人更喜欢。
LLM生成的叙述比医生的摘要更多的遗漏和不准确。但是他们包含了类似数量的幻觉 - 看似合理但捏造的陈述 - 研究作者认为，考虑到LLMS幻觉的有据可查的倾向值得注意。
该研究报道，基于这些错误的危害得分可能在低方面范围从没有危害的潜力到情绪困扰或不便的潜力，例如轻度焦虑，以及对受伤或死亡的潜力的高度。
该研究高级作者医学博士本杰明·罗斯纳（Benjamin Rosner）表示，尽管如此，大多数伤害得分还是很低。罗斯纳说，在理想的世界中，我们不希望那些人发生。本杰明·罗斯纳（Benjamin Rosner），医学博士
也许这是错误的基准。他指出，医师生成的出院摘要也有错误和可能受到伤害。
罗斯纳（Rosner）解释说，许多临床医生在医院照顾一名患者，但这是出院前的最后一位医生，通常是医院主义者，他写了摘要。
他说，他们必须仔细阅读医疗团队的许多固有的杂乱医院遭遇记录。
从她的外部角度来看，刘指出，该研究发现的大多数错误都是文书的，例如，住院医师可能希望将患者的初级保健提供者转移到患者出院后建议的随访护理。
Liu解释说，医院主义者不一定会输入他们的日常进度笔记作为出院摘要的一部分。结果，Liu解释说，医师和LLM生成的摘要都包含了这些类型的遗漏。
她说，出院摘要还可能没有包括咨询说明，生命体征，实验室价值，放射学，病理学和其他临床报告。
刘说，在造成伤害方面，省略的可能会改善患者护理的质量，但不会严重影响它。一份出院摘要忽略了患者应该服用某些抗生素。显然，最好被包括在内。根据研究，造成伤害并不是那么重要。
密苏里州的一名学术住院医师法尔萨纳·霍克（Farzana Hoque），他对这些错误更加震惊。
她说，在这项研究中，与人类的摘要相比，在LLM生成的摘要中的遗漏是一个重要的患者安全问题。”例如，圣路易斯圣路易斯大学医学副教授Hoque说，例如，未能记录患者的医生应跟进肺癌的关注可能会延迟诊断和治疗。
除了患者安全之外，此类遗漏还可能提高临床医生的渎职风险。”
罗斯纳（Rosner）说，如果医生犯了类似于LLM的错误，这代表了后者创建出院摘要并减轻医生的文件负担并最终遏制倦怠的机会。
他说，我们知道LLM在总结时正在改善。因此，LLM有可能进入临床使用并总结临床相遇。临床医生仍然需要审查LLM生成的摘要，确保它们是准确且高质量的，并在签署之前进行编辑。
自动摘要的未来
Rosner说，在UCSF研究的结果下，下一步是卫生系统测试功能性LLM工具以在临床环境中创建排放摘要。他说，该过程可能类似于临床医生如何审查已经被广泛采用的AI医学抄写技术。
大型商业电子健康记录供应商有望很快发布医院摘要工具，例如UCSF所研究的工具。罗斯纳说，我们将自己评估。”
现在是时候研究实际临床护理中的这些工具的实施了。他说，在将其推广之前，我们需要证明LLM摘要的质量。”他说。罗斯纳补充说，UCSF还计划试用自己的LLM放电摘要工具。
拉古·苏巴纳尼亚（Raghu Subramanian）说，研究人员将需要测试开发出用于创建排放摘要的任何AI工具的安全性，准确性和可行性。
``在实践中，当我使用工具时，我会确定它的有效性，安全性和易于使用的方式。任何LLM放电摘要工具仍然需要一个非常精明的，专心的人。它仍然需要由临床医生进行审查。
罗尼·罗宾斯（Roni Robbins）是自由记者，也是医学医学业务的前编辑。她还是《亚特兰大杂志宪法》的自由健康记者。她的写作出现在WebMD，HuffPost，Forbes，New York Daily News，Biopharma Dive，MNN，Adweek，Healthline等。她还是屡获殊荣的小说《黄金之手》的作者：一个人寻求在不幸中找到一线希望。