2012年4月23日

相互矛盾的消息
Selena Chavis著
郑重声明
第二十四卷第八页

虽然过去的研究吹捧语音识别的成本效益，但一份新的报告表明，传统的转录可能会产生更好的质量。

在过去的十年里，语音识别软件的进步已经把这项技术从医疗领域的默默无闻变成了更大的HIT运动的主流战略。除了该技术能够提供可靠的投资回报(ROI)之外，随着医疗保健组织试图提高效率和标准化患者护理实践，HITECH法案等联邦计划和有意义的使用正在进一步推动该技术的采用。

考虑到KLAS研究小组在其2010年语音识别报告中指出了对未来增长的高期望，该报告当时显示，四分之一的医院已经在使用该技术。很明显，语音识别实践正在获得接受并影响整个医疗保健领域的文档程序。

也就是说，随着电子运动的不断发展，这项技术的使用也在转录领域引起了不止一个人的关注，因为相关的专业人士希望定义他们的角色。对于该领域的发展方向，人们众说纷纭，从一些行业专业人士预测它的消亡，到另一些人认为转录员的角色会提升，他们可以变成编辑。

虽然许多研究称赞消除传统转录实践的效率，以获得语音识别的好处，但最近的一项研究表明，多年来人们对潜在错误的担忧可能需要重新审视。发表于2011年10月号的美国x线学杂志研究显示，使用自动语音识别系统生成的乳房成像报告包含重大错误的可能性是使用传统听写记录生成的报告的8倍。

这是近年来进行的几项研究之一，其他研究也揭示了语音识别的显著好处。医院和临床医生面临的问题是如何权衡利弊。下面概述了三项研究，其中包括对该技术利弊的专业见解以及最佳实践建议。

研究
•“乳房成像报告中的错误率:自动语音识别和听写转录的比较”;上述研究发表在美国x线学杂志回顾了某乳腺成像中心多学科小组查房的615例复杂病例，其中308例报告采用自动语音识别生成，307例报告采用传统听写转录生成。在语音识别的情况下，放射科医生会口述报告，软件会立即将信息转录到电脑屏幕上。

根据多伦多大学健康网络的合著者Anabel Scaranelo博士，医学博士，该研究揭示了“23%的自动语音识别报告中至少发现了一个主要错误，而传统听写报告中这一比例为4%。”她将重大错误描述为那些影响对报告的理解或影响患者管理的错误。错误可能包括错误的测量单位(例如，毫米而不是厘米)，或者在报告应该读为“无恶性肿瘤”的情况下遗漏了“no”这样的单词。

研究发现，当单独查看乳房MRI报告时，错误率会增加。在这种情况下，语音识别报告的主要错误率为35%，传统报告的主要错误率为7%。斯卡拉内罗在一份新闻稿中说:“我们认为这是因为核磁共振报告更复杂，有更多的描述。”

过去，语音识别技术的批评者指出，该技术无法理解重口音或外国口音。在这种情况下，Scaranelo指出放射科医生口述的母语对自动语音识别报告错误率没有影响。她说:“我们认为非英语母语者的错误率可能更高，因为该软件与语音识别一起工作，但事实并非如此。”

报告指出，在研究之前，语音识别系统接受了放射科医生几个小时的口述，并从输入的语音数据中“学习”。

•语音识别技术在外科病理学中的效用和成本效益Walter Henricks，医学博士，克利夫兰诊所的病理学家，2002年发表在现代病理学他指出，虽然语音识别在放射学方面取得了重大进展，但它尚未成功地整合到病理学工作流程中。这项研究的起源是研究人员相信语音识别有可能提高效率，减少病理手术中的转录延迟和成本。

该团队调查了靶向语音识别在外科病理学中的效用和成本效益，特别关注了总收入过程。病理过程从患者组织到达实验室开始，此时“大体”描述是为了报告的目的。报告还包括病理学家更具描述性的发现和诊断。

“很多粗略的描述都是重复的，”Henricks说，并补充说，在语音识别系统中设置提供锅炉板描述的模板并不困难。“我们在进行这项研究时并没有期望必须使用自由文本描述。”

专家们不再每次都口述报告的大致描述，而是能够说出与锅炉板描述相对应的数字。Henricks注意到，较小的标本——大约三分之二属于这种不太复杂的类别——更容易适应这个过程。

为所有报告开发了语音识别模板，并使用自由文本语音输入来输入模板未涵盖的信息。编写了一个计算机程序来分析输入的文本行数，并根据外部机构的每行成本计算与转录服务相关的总体成本节约。

根据Henricks的说法，这项研究在18个月的时间内完成，在此期间，使用语音识别技术平均每月输入5617个标本的粗略描述。对于在前一天处理截止时间之后收到的标本，实现了当日处理，平均每天35个标本。

通过只关注总体描述模板过程，通过使用该技术平均生成23,864行文本，每月节省了2,625美元。Henricks说，病理学机构估计这项技术的成本可以在1.9年内实现完全的投资回报率。

尽管这项研究已经进行了10年，但Henricks相信这些发现仍然具有相关性。他说:“我认为研究结果和结果在今天普遍适用。”有很多方法可以让这项技术更好地集成到部门系统中，而不是作为一个第三方接口，但我认为其他考虑因素通常也适用。”

•“实施声音识别文件的经验教训”:当西佛罗里达大学联合健康与生命科学学院的医生Bob Hoyt博士意识到海军已经购买了大量的语音识别许可证时，他觉得这是一个研究该技术有效性的绝佳机会。霍伊特当时是彭萨科拉海军医院的一名医生，他说这是一次大规模的部署，涉及几个专业。

2010年出版于健康信息管理的观点在彭萨科拉海军医院(Naval Hospital Pensacola)及其12个外围诊所，该研究(没有考虑投资回报率)评估了在电子病历系统中部署语音识别来记录门诊情况的实施过程。霍伊特说，75名临床医生自愿采用语音识别技术，其中64人回应了一项在线实施后调查，以确定与接受或停止相关的变量。

他说:“如果这(实施)取得了巨大成功，这一过程可以在其他军队医院推广。”

该研究分析了用户特征、培训经验、物流和效用等变量。结果显示，退出率为31%，其余69%继续使用该技术的人表示满意。具体来说，满意的用户发现该软件比打字更准确，更快，允许患者在服务当天结束。他们还觉得整个过程提高了音符的质量。

霍伊特说，辍学率主要与偏远诊所的培训不足以及语音识别错误导致的生产力下降有关。他指出:“我们没有做好后续培训工作。”他指出，尽管研究人员试图尽其所能地培训医生，但在第一阶段的使用后，并没有一个后续的过程。“我怀疑这是典型的，因为医生往往不愿接受新事物。”

这一切意味着什么?
Henricks指出，病理学研究有目的地关注语音识别在非复杂听写中的应用，这些听写可以很容易地存储到模板中，避免了使用语音识别识别自由文本所带来的挑战。他指出:“我们没有在病理学阶段实施(语音识别)，因为我们没有看到它的价值。”“如果我们依赖于自由文本(语音识别)，我认为它在我们的环境中不会如此有效。”

相比之下，乳房成像研究包含了更复杂的病例，放射科医生口述自由文本，软件在计算机屏幕上自动生成报告。“我们的研究结果强调了仔细编辑[语音识别]生成的报告的必要性。他们还显示出对标准化模板和使用结构化报告的强烈需求，特别是对于乳房MRI，”Scaranelo在新闻发布会上说。

目前，在医疗保健环境中使用语音识别有两种方法。前端语音识别是指临床医生直接向语音识别引擎输入指令，并负责编辑文档以确保准确性的过程。在后端语音识别过程中，提供者向一个电子系统口述，该系统起草文档并将文件交付给编辑，编辑在那里完成报告。

虽然许多国家的倡议，如有意义的使用，正在推动行业在语音识别中使用更多的前端工作流程策略，Henricks认为这一运动可能不是最明智的方法。“病理学家需要做病理工作，”他说。“你把越多的文书工作交给医生，他们的效率就越低。这是一种干扰，剥夺了他们作为医生的角色。”

Henricks重申了仔细编辑的必要性，他还指出，语音识别的一个危险是，错误并不总是容易识别的，因为这项技术总是使用“真实的单词”。他解释说:“对人眼来说，这并不像真正的错误那么明显。”

霍伊特指出，在电子病历中使用语音识别的一个前提是，帮助减轻许多医生在研究中发现的输入数据所花费的过多时间，最终导致采用率降低。他说，语音识别的潜在改进可以在速度和准确性方面进行，从而减少电子病历采用的一个关键障碍。

虽然语音识别的前端部署对彭萨科拉海军医院的许多医生来说都是有利的，但霍伊特指出，需要对医生进行持续的监控和培训。他说:“重要的是，你要记住，你每周要为那些挣扎的人做些什么。”他补充说，他相信这样的策略可以将失败的次数减少一半。“每当你推出新事物时，你都会在早期采用者中获得成功。你必须把注意力转向那些不喜欢改变的人。”

虽然外国口音在乳房成像研究中似乎不是一个因素，但霍伊特指出，它们确实在海军医院的研究中发挥了作用。“对于有外国口音的医生来说，这更像是一场斗争，”他说。研究结果显示，停止使用语音识别的人中，有35%的人将“无法识别用户的声音”作为原因。

展望未来，Hoyt和Henricks认为，让转录员承担更多的编辑角色可能会成为语音识别部署的主要内容。霍伊特认为，转录服务的使用将会减少，但不会完全消失，特别是当电子系统开始产生诸如护理连续性文件之类的元素时。

改变医生的习惯也是一个问题。“总会有一些医生更喜欢转录，即使它有缺点，”霍伊特说。“医院是否会使用转录员进行编辑还有待观察。”

- Selena Chavis是佛罗里达州的一名自由撰稿人，她的文章经常出现在各种贸易和消费者出版物上，内容涵盖从企业和管理到医疗保健和旅行的所有主题。