环境AI临床记录工具作为自动化的临床文档记录方案，正变得越来越有前景，目前已有数十种企业解决方案可供选择。然而，具有领域特定优化的模型是否能优于“开箱即用”的普通模型仍不明确。本研究评估了五种商业AI临床记录工具、一个基于未微调的GPT-o1基础模型的定制解决方案，以及一名经验丰富的专业人工记录员，在一系列模拟临床场景中的表现。这些生成的笔记由大型语言模型（LLMs）使用评分标准进行评估，该标准涵盖完整性、组织性、准确性、复杂性处理、简洁性和适应性六个维度。研究发现，未经优化的基础模型方案在所有评分维度上均达到了与行业领先解决方案相当的成绩。这些结果表明，相较于基础模型，针对环境AI医疗记录工具的领域特定训练所带来的附加价值可能较为有限。
利益冲突声明
作者声明不存在利益冲突。
资助声明
本研究未接受任何资助。
作者声明
我确认已遵循所有相关的伦理准则，并获得了必要的IRB和/或伦理委员会批准。
是的。
我确认已获得所有必要的患者/参与者同意，并将适当的机构表格归档，且任何患者/参与者/样本标识符均未被研究组以外的人员知晓（例如医院工作人员、患者或参与者本人），因此无法用于识别个人。
是的。
我理解所有临床试验和其他前瞻性干预研究必须在ICMJE批准的注册机构（如ClinicalTrials.gov）注册。我确认文中报告的任何此类研究均已注册，并提供试验注册ID（注意：如果是回顾性注册的前瞻性研究，请在试验ID字段中提供说明解释为何研究未提前注册）。
是的。
我已遵循所有适当的研究报告指南，包括任何相关的EQUATOR网络研究报告清单及其他相关材料（如适用）。
是的。
数据可用性
本研究中产生的所有数据均可在合理请求下向作者索取。
(全文结束)
