吉莉安·哈马博士
人工智能（AI）不再局限于硅谷的技术中心——它正在解决加纳医疗系统中的关键挑战。
虽然人工智能在全球范围内重塑了各个行业，但在消除医生与患者之间的语言障碍、减少行政负担和自动化医疗编码方面，其影响尤为显著。
本文探讨了人工智能驱动的医疗听写软件如何应对这些问题，并为全球医疗系统提供了经验教训。
问题：语言障碍和繁重的文档记录
在加纳，有超过80种语言被使用，医生和患者之间的沟通障碍非常普遍。2022年的一项研究发现，在城市加纳，64%的患者和81%的医护人员在咨询过程中面临语言障碍，导致误诊、低效护理和保密性泄露。医生们常常依赖手势或未经培训的翻译人员，这增加了错误的风险并削弱了患者的信任。
与此同时，医生们花费数小时手动记录症状并分配医疗代码。加纳的医疗系统使用国际疾病分类（ICD）编码系统来跟踪诊断，但记忆如ICD-10这样的代码非常耗时。医生们经常需要手动搜索症状以分配相关的ICD-10代码，并将其手动输入到Lightwave健康信息管理系统（LHIMS）中。随着该国过渡到更复杂的ICD-11系统，医生面临的压力更大。全球研究表明，医生的职业倦怠是一个重大问题，因为医生花在电子健康记录上的时间是实际看诊时间的两倍，75%的医生认为电子健康记录是导致职业倦怠的原因之一。
人工智能解决方案：语音识别、翻译和自动化编码
想象一下，有一种工具可以在几秒钟内听取患者的症状描述（例如用特维语），将其翻译成英语供医生查看，生成临床笔记，并自动填写正确的ICD代码。现在，这一切都可以通过人工智能驱动的医疗听写软件实现。
具体工作流程如下：
- 自动语音识别（ASR）：软件可以实时转录会话，支持特维语、达格巴尼语、豪萨语和埃维语等多种语言。例如，患者描述“Me yÉm yÉ me yawa”或“Me yafunu yÉ me yawa”（特维语中的“我的胃痛”）可以立即转换为文本。
- 机器翻译（MT）：转录后的文本被翻译成英语，并填充到加纳的Lightwave健康信息管理系统（LHIMS）中供医生审查。LHIMS是一个基于网络的软件平台，旨在管理加纳各医疗机构的电子病历。
- 人工智能驱动的医疗编码：大型语言模型（如Llama 3.1）分析翻译后的文本，识别症状，并自动分配正确的ICD-10或ICD-11代码。这消除了手动搜索的需求并减少了错误。
全球先例和本地潜力
类似的工具已经在全球范围内减少了文档记录时间。例如，在美国医院使用的Nuance公司的Dragon Medical One软件将临床医生的文档记录时间减少了高达67%（来源：Nuance Communications）。在加纳，一个试点项目可以复制这些效率，同时解决独特的本地挑战：
- 多语言环境下的准确性：训练AI模型识别加纳口音和方言，确保可靠的翻译。
- 无缝ICD过渡：自动化编码帮助医生适应ICD-11，而无需记忆数千个新代码。
- 成本节约：由于语言障碍导致的误诊使患者进行了不必要的检查。AI减少了这些费用并保护了隐私。
潜在成果：加纳更健康的未来
整合人工智能驱动的医疗听写工具不仅仅是采用新技术，而是重新定义加纳的医疗服务。通过解决语言障碍、自动化繁琐任务和现代化编码实践，这一创新将在三个方面推进加纳的医疗保健：
- 平稳过渡到ICD-11：全球范围内，手动编码错误占索赔拒绝的30%（来源：美国健康信息管理协会）。保险公司需要详细信息来准确评估和处理索赔，但最常见的索赔拒绝原因是缺少或不正确的信息，包括ICD代码。另一个重要原因是，自动化ICD编码可以减少因初次误诊而导致患者反复住院的情况。较少的重复门诊就诊可以节省时间和金钱。人工智能驱动的医疗编码模型将在ICD-11过渡前后显著提高编码分配的效率和准确性，增强合规性和效率。
- 包容性服务面向语言少数群体：更喜欢使用当地方言交流或说不太常见方言的患者可以获得公平的医疗服务，而不必担心使用翻译人员时的隐私侵犯。AI充当了一个中立的“翻译”，维护了信任和隐私。
- 医生重新获得患者时间：一名医生每天可以看诊80多名患者。在急诊科访问中，医生必须记住多个患者的症状并在事后记录文档。如果AI能够像全球试点项目那样将文档记录时间减少30%，加纳医生每周可以将更多时间用于关键护理，而不是行政工作。
挑战和前进的道路
采用这些技术的障碍包括互联网可靠性、模型训练成本以及对新工作流程的抵触。然而，技术提供商（如Aya Data）、医疗机构和政策制定者之间的合作可以克服这些障碍。例如，离线兼容的ASR模型和本地化训练数据集可以确保可访问性。
总结
加纳的医疗系统正处于一个十字路口——人工智能可以弥合沟通、效率和护理质量方面的差距。开发针对西非独特挑战的人工智能解决方案，从多语言语音识别到无缝ICD编码，将有助于改善患者结果和运营效率。
(全文结束)
