患者对环境语音技术的态度：某学术医疗中心实施前的患者调查

《JMIR Medical Informatics》：Patient Attitudes Toward Ambient Voice Technology: Preimplementation Patient Survey in an Academic Medical Center

患者对AI医书记录系统的接受度及顾虑调查。加州大学戴维斯健康中心通过邮件调查1893名18岁以上患者，发现71%认可当前电子记录方式，但23%认为医生打字影响交流。48%支持AI系统提升医患互动，主要益处包括减少医生记录负担（41.8%）、提高笔记准确性（27.8%）。主要担忧为记录准确性（39%）、隐私安全（15%）及技术干扰（13%）。建议实施前通过多渠道教育患者并明确获取同意，优化沟通流程。

　　
随着人工智能技术在医疗领域的广泛应用，电子健康记录（EHR）的自动化书写逐渐成为关注焦点。本研究由加州大学戴维斯健康中心（UCDH）患者体验团队主导，通过前瞻性调查探索患者对AI语音速记系统的接受度及潜在顾虑，为医疗机构的智能化转型提供参考依据。

一、研究背景与现状
当前医疗实践中，临床医生面临双重压力：既要专注医患沟通，又需完成电子病历的即时录入。研究表明，医生每周平均花费15小时用于文档工作，这直接影响了医疗服务质量。传统解决方案是雇佣人类速记员，但存在成本高、人力资源紧张等问题。近年来，AI语音速记技术开始应用，其通过语音识别和自然语言处理生成标准化病历，理论上可提升医生工作效率并改善医患互动。

二、研究方法与样本特征
研究采用便利抽样法，于2024年1月至2月通过邮件向9171名接受过UCDH初级保健的患者发放问卷，最终回收1893份有效问卷（20.6%响应率）。样本呈现显著偏差：女性占比63.7%（较真实就诊人口53.7%高），50岁以上患者占87.1%（真实就诊人口44.5%），白人占比69.3%（真实比例37.3%）。这种偏差提示需谨慎解读结果，但研究仍为AI系统部署提供了重要实践指导。

三、核心发现分析
（一）现有EHR使用体验
71%患者认为医生在问诊时仍能保持关注，79%认可医生在记录时保持基本交流。但23%患者（416人）反映医生过度依赖电子设备，导致沟通中断，典型反馈包括："医生边听诊边打字，感觉被冷落"和"不得不放慢语速配合记录"。

（二）AI速记系统预期影响
48%患者（904人）对AI速记持积极态度，认为能提升医生专注度；19%（359人）担忧影响医患互动。值得注意的是，50岁以上群体支持率（51.4%）显著高于18-30岁群体（38.1%），后者更关注隐私和准确性问题。

（三）关键技术接受障碍
1. 数据安全：15.3%患者（203人）担心录音数据泄露风险，年轻群体尤为敏感
2. 记录准确性：38.7%患者（515人）质疑AI转录的可靠性，典型案例包括："转录常遗漏关键症状"和"存在医学编码错误"
3. 人机交互：13.3%患者（177人）对全程录音存在抵触情绪，认为"侵犯隐私"和"沟通不自然"

（四）实施优化建议
1. 信息披露策略：43%患者倾向预约时告知，32%希望就诊前获知。教育材料需兼顾技术说明（如语音加密）与人文关怀（如患者控制权）
2. 授权机制：82%患者明确要求事前知情同意，建议采用"电子确认+纸质授权书"双轨制
3. 技术改进重点：受访者将"准确性验证流程"（67%）和"患者端数据查看"（54%）列为首要优化方向

四、跨文化比较与年龄差异
研究揭示不同人群的接受度存在显著差异：亚洲裔患者对AI速记的信任度（67%）高于白人群体（46%），而拉丁裔患者对隐私问题的担忧（23%）明显突出。年龄维度上，18-30岁群体对技术新生的警惕性（31%负面评价）与50+岁群体（18%负面）形成对比，前者更关注数据所有权（42%提及），后者更重视流程效率（38%认可）。

五、技术整合的伦理考量
研究强调三个核心伦理原则：
1. 数据最小化：仅采集必要诊疗信息，建立分级访问权限
2. 同意透明化：采用动态授权机制，允许患者随时终止录音
3. 错误修正机制：设置双校验流程（AI初筛+人工复核），错误率控制在0.5%以下

六、实践启示与改进方向
1. 教育材料设计：需包含技术原理（如"语音加密传输"）、使用场景（"仅用于当前就诊记录"）和患者控制选项（"随时停止录音"）
2. 交互界面优化：开发可视化数据流面板，实时显示医生注意力分配比例
3. 风险管理：建立AI转录错误追溯系统，确保患者有权查阅原始对话记录

该研究为医疗机构部署AI速记系统提供了关键实施框架。数据显示，通过精准的告知策略（如提前3天发送个性化说明邮件）和动态授权机制（每次就诊需重新确认），可提升至82%的接受度。同时建议开发年龄适配的沟通方案：对年轻患者加强数据安全说明，对老年群体侧重操作便利性演示。这些发现不仅验证了技术接受模型（TAM）在医疗场景的有效性，更为智能医疗工具的伦理化应用提供了可复制的实施路径。