摘要：在美国匹兹堡大学医学中心，一位急诊医生刚结束一场普通的问诊，他没有动手敲一个字，电脑上的病历却已经写好。

在美国匹兹堡大学医学中心，一位急诊医生刚结束一场普通的问诊，他没有动手敲一个字，电脑上的病历却已经写好。

秘诀就是AI系统Abridge，它能把医生和患者的对话实时转成结构化病历，甚至连计费代码都配好了。

而这样的场景已经在越来越多的医院变成了现实，医生不必再被困于文书工作，护士也能独立完成心脏超声检查，病人不再被动等待检查结果。

AI已经不再只作为医疗系统的“外挂”，真正的开始参与核心流程，甚至影响部分决策。

这到底是效率革命，还是另一个“技术焦虑”的开始？医生、护士、患者，真的准备好了吗？

医生写病历历来都是医疗工作中最繁琐却又无法省略的一环。

病人多、时间紧，医生还要面对越来越复杂的EHR系统（电子病历）。而Abridge这家公司，想要解决的正是这个问题。

它的做法是：用专门为医疗打造的AI语言模型，把医生和病人的对话实时转录，自动提取诊断信息、主诉、用药记录，最后生成SOAP格式的标准病历。

并且是结构化、带逻辑的病历文档，医生只需要核对一遍，大多数时候连修改都不用。

截止今年6月，Abridge已经接入了Epic等100多家医疗系统，为数千名医生服务。

据公开数据，它帮助每位医生每天节省约2小时的文书时间。

不过，也有人担心，病历是否完整？会不会漏掉重要信息？毕竟医疗不是流水线，每句话都有可能是关键。

从医院反馈来看AI生成的病历准确率已经足够高，医生仍然保留最后的确认权。

真正的变化是，医生能把更多时间放在患者沟通、诊断判断上，而不是对着电脑写文档。

过去做心脏超声检查通常需要专业的超声医生，既麻烦又排队久，但现在一些美国社区诊所，护士也能完成这项操作，而且只需要30秒。

这项技术来自Caption Health，它把AI模型嵌入便携式超声设备中，护士只需按照提示操作，AI会自动识别心脏结构，指导扫描，生成关键指标（EF、LVEDD等），并将结果写入电子病历系统。

它让操作步骤更清晰，避免人为失误，也减少了对超声专科的依赖。

在功能慢病管理中，如心衰、房颤等疾病，它的效率优势明显，对于基层诊所来说，这意味着更快的初筛、更早的干预。

OpenEvidence的出现，把AI医疗又推向了一个新高度，它的目标很直接：让医生在问诊时能快速查到权威诊疗建议。

它的AI系统连接了JAMA、NEJM等1.2万本医学期刊，医生只需在系统里提问，例如“糖尿病合并高血压的首选药物是什么”，3秒内就能得到一条带出处的答案，还能直接查看原始文献。

这个功能在临床工作中非常实用，医生不用翻检厚重的指南，也能避免凭经验误判。

7月OpenEvidence完成2.1亿美元B轮融资，估值35亿美元，医生端永久免费，平台通过药企投放的学术广告盈利，目前已覆盖美国40%的执业医生，月均咨询量超850万条。

这类AI系统的出现，并不意味着医生不思考了，而是多一个“可查证”的信息支持工具。

而医院床位紧张，是全球医疗系统的共性问题，Qventus这家公司，做的就是床位调度的“智能大脑”。

它的系统会提前24小时预测住院区是否会“爆仓”，再根据数据自动建议出院安排、手术时间调整等等，很多医院通过它，把平均住院天数缩短了0.6天。

听起来不多，但对大医院来说0.6天就是几十张床的空出，能接收更多病人，直接带来收益。

Qventus的商业模式也很直接：床位年费+节约分成。

今年1月，它完成了1.05亿美元D轮融资，估值超过4亿美元。

Freenome则是一家做癌症早筛的公司，它的做法是：抽一管血，通过AI分析cfDNA、蛋白、免疫反应等多组学数据，判断是否存在早期癌症风险。

这种方式相比传统影像筛查操作更简单，患者负担更小，尤其在结直肠癌等高发癌种中，早筛意义重大。

2024年Freenome完成了2.54亿美元融资，累计融资超过10亿美元，它的检测产品目前正与多家药企合作开发“伴随诊断”，收费模式也清晰：检测+里程碑付款。

当然任何早筛技术都要面对“假阳性”问题，AI也不例外，关键在于筛查只是第一步，后续还需要确诊和干预。

对于医疗系统来说，AI早筛的价值在于把“发现问题”的时间点往前推，为疾病管理赢得时间窗口。

来源：龙医生讲科普