家庭医学的数据描绘了一幅黯淡的图景。到2026年，预计安大略省有440万人（占总人口的四分之一）将没有家庭医生。安大略家庭医生学院的一项调查显示，65%的家庭医生计划在未来五年内离职或减少工作时间。对安大略省1300名家庭医生的调查表明，94%的人因行政和文书工作感到不堪重负，这些工作占据了他们多达40%的时间。家庭医生的职业倦怠和精神疲惫率达到了历史最高水平。自2023年以来，医学院毕业生对家庭医学缺乏兴趣，导致100个家庭医学住院医师职位空缺。
然而，人工智能（AI）的进步为家庭医生提供了一种方法，可以减少行政负担和职业倦怠，同时促进以患者为中心的护理。AI系统是能够执行复杂认知任务的计算机算法和技术。例如，机器学习模型可以在没有明确指令的情况下进行学习。多伦多圣迈克尔医院开发的AI早期预警系统CHARTwatch利用患者的实时生命体征和实验室结果预测院内死亡和ICU入院，从而将意外死亡率降低了26%。
持续的研究和分析估计表明，全面部署AI应用程序每年可减少加拿大医疗卫生支出的4.5%-8%，而不会对患者结果产生负面影响。
自然语言处理（NLP）——AI的一个子集——如AI记录员和临床决策支持（CDS）工具，使计算机和数字设备能够在初级保健中识别、理解、解释和生成文本和语音，帮助通过以下方式减轻行政负担：（i）自动收件箱分类和管理；（ii）简化的临床文档；（iii）辅助工具，提供慢性病的个性化诊断和管理；以及（iv）便捷获取最新的循证临床指南。
AI记录员可以帮助家庭医生花更多时间与患者互动，而减少在临床文档上的时间。医生、患者和家属之间的对话可以被实时捕获和总结，让医生有更多时间专注于面对面的患者交流。
安大略MD的一项研究发现，使用AI记录员后，医生在文书工作上花费的时间减少了70%-90%，每周节省了3-4小时的行政任务时间。事实上，83%的参与者表示他们会长期在实践中使用AI记录员；82%的人表示会向同事推荐AI记录员；79%的人表示能够花更多时间在患者护理上；76%的人报告称在患者咨询过程中信息过载有所减少。
患者对此也表现出热情，84%的患者表示对就诊更加满意，95%的患者注意到临床医生更加专注于他们的互动。
总体而言，家庭医生认为AI生成的笔记及时（73%）且准确（65.8%）。重要的是，近95%的人认为在临床工作流程中学习和实施AI记录员很容易。
各种AI记录员均符合《个人信息保护和电子文件法》（PIPEDA），每个都有自己的月订阅费和分级定价模式，拥有独特的功能，并与电子病历（EMR）供应商兼容。例如，Mutuo Health正在推出一款名为AutoForm的产品，该产品可以读取并填写PDF表格，如血液申请表、残疾证明和保险表格。Quip正在测试一项账单辅助功能，可推荐与患者就诊相关的账单代码。Scribeberry推出了一款名为Ada的自主临床助手，可以进行患者访谈（支持40多种语言），并在医生就诊前准备详细摘要。
大型语言模型（LLM）可以提供基于证据的临床指南，支持诊断和治疗决策，同时还能整理收件箱内容并生成摘要，以便更好地理解患者的临床轨迹。检测结果、转诊信、专科医生更新和处方补充请求都可以被处理，以减少行政和认知负担。例如，WELL AI Inbox Admin创建了定制的工作流程，以优化临床操作并管理传入的文件，如传真——这些文件在我们的医疗生态系统中仍然普遍使用。在涉及六家诊所的试点研究中，超过16,000份传真得到了有效管理，每家诊所每周节省了超过18小时的时间。
交互式、用户友好的搜索引擎可以帮助减少浏览复杂界面或冗长文章的时间，让医生能够快速获取最新研究和临床指南。例如，OpenEvidence提供基于证据的摘要、直接链接到同行评审的研究文章以及关于临床指南、诊断标准和治疗方法的最新信息。然而，仍存在一个担忧，即在来源选择过程和所选证据质量（如继续医学教育认证内容）或排除内容方面可能存在偏见。毫无疑问，更广泛的证据整合和更高的透明度对于优化当前和未来LLM的使用至关重要，这些LLM能够实时合成和访问医学文献。
临床患者摘要对于浓缩慢性病患者、多种共病患者以及与医疗系统多次接触的患者信息至关重要，尤其是考虑到我们日益老龄化的人口。在未来十年内，老年人的比例将从16.9%上升至21%，预计将增加900亿加元的医疗费用。这凸显了对初级保健系统提供更多支持的需求，例如实施CDS工具。例如，Medley是一款基于智能手机的远程监测程序，支持临床医生和患者管理心力衰竭。它使用XGBoost算法，结合患者的生命体征和实验室值（BNP、胆固醇）预测心力衰竭恶化，同时自动调整指南导向的药物治疗。超过90%的患者在六个月的远程调整后达到了目标剂量，门诊访问次数减少了54.5%。重要的是，患者表达了满意度、安心感，并改善了与护理团队的关系。
CDS工具通常可以提供提醒、状况报告、基于证据的指南建议和针对患者的问卷。证据表明，CDS的使用提高了对临床指南的依从性，促进了预防性和公共卫生干预措施，增强了患者安全，并通过减少重复订单和建议具有成本效益的治疗来支持成本控制。这些系统还通过自动化文档简化了行政任务，并通过识别符合条件参与临床研究的患者来促进研究。
尽管技术在改善加拿大的初级保健方面具有巨大潜力，但其整合必须谨慎进行。CDS工具并非没有局限性。警报疲劳——当临床医生被过多的通知压垮时——会降低参与度，49%-96%的警报通常被忽略。
另一个问题是，训练数据不具代表性的AI模型可能会加剧现有的健康差距，特别是对土著、种族化或农村人口。加拿大的监管监督仍在发展中；加拿大卫生部需要调整现有框架，以监控持续学习系统的安全性和性能。
此外，过度依赖AI工具也存在伦理问题，这些工具应作为临床判断的补充而非替代。这些工具目前还无法提供完全量身定制、特定于上下文的建议，因此需要制定明确的指导方针，规范AI工具在临床实践中的使用。为了确保负责任的实施，加拿大医疗系统必须优先考虑透明度、公平性、人工监督和提供者教育。这些原则在加拿大家庭医生学院的一份立场声明中得到了回应。
如果由家庭医生审慎开发并明智使用，AI和NLP应用程序将成为有前途的辅助工具，有助于减轻行政负担和职业倦怠，并增强以患者为中心的护理，造福所有加拿大人。
(全文结束)
