Dokumentowanie wizyt pacjentów stanowi jeden z najważniejszych, ale też najbardziej obciążających elementów pracy klinicznej. Lekarze w USA spędzają średnio dwie godziny na dokumentacji na każdą godzinę spędzoną z pacjentem, co znacząco zwiększa ryzyko wypalenia zawodowego i obniża jakość pracy. Najnowsze randomizowane badanie kliniczne UCLA Health, opublikowane w NEJM AI, sugeruje, że narzędzia oparte na sztucznej inteligencji – tzw. ambient AI scribes – mogą realnie odciążyć lekarzy, skracając czas dokumentowania, zmniejszając obciążenie poznawcze i poprawiając satysfakcję z pracy.
Z tego artykułu dowiesz się…
- Jak narzędzia AI skracają czas dokumentowania i dlaczego Nabla zapewniła 9,5% większą oszczędność czasu niż standardowa praktyka.
- W jaki sposób AI wpływa na wypalenie zawodowe lekarzy, obciążenie poznawcze i jakość pracy klinicznej.
- Jakie ograniczenia i ryzyka wiążą się z dokumentacją generowaną przez AI, w tym kliniczne nieścisłości i konieczność nadzoru.
- Co badanie UCLA Health oznacza dla przyszłości opieki zdrowotnej oraz jakie działania są konieczne przed szerokim wdrożeniem AI.
Dlaczego dokumentacja kliniczna obciąża lekarzy?
Elektroniczna dokumentacja medyczna miała ułatwić leczenie, jednak w praktyce często tworzy dodatkowe obciążenia. Wymogi regulacyjne, konieczność dokładnego raportowania i utrwalanie informacji dla wielu interesariuszy powodują, że:
- lekarze pracują dłużej po godzinach,
- rośnie ryzyko błędów,
- maleje czas na rozmowę z pacjentem,
- zwiększa się ryzyko wypalenia.
Jak podkreśla dr Paul Lukac:
Obciążenie dokumentacją stało się głównym czynnikiem przyczyniającym się do wypalenia zawodowego lekarzy. Lekarze często spędzają dwie godziny na papierkowej robocie na każdą godzinę opieki nad pacjentem.
To właśnie ten problem technologie AI mają pomóc rozwiązać.
Jak działa AI w dokumentowaniu wizyt pacjentów?
W badaniu oceniono dwa komercyjne narzędzia:
- Microsoft DAX,
- Nabla.
Technologie te rejestrują rozmowę lekarza z pacjentem i automatycznie generują szkic notatki klinicznej, którą lekarz następnie weryfikuje i edytuje. Badanie objęło:
- 238 lekarzy,
- 14 specjalizacji,
- ponad 72 000 pacjentów,
- okres dwóch miesięcy (XI 2024 – I 2025).
Wyniki badania – znacząca oszczędność czasu
Z badanego duetu najlepiej wypadło narzędzie Nabla:
- lekarze korzystający z Nabla skrócili średni czas tworzenia jednej notatki o 41 sekund,
grupa kontrolna (bez AI) skróciła czas o 18 sekund, - całkowita oszczędność czasu dzięki Nablai wyniosła 9,5% więcej niż w grupie kontrolnej,
- wynik był istotny statystycznie.
W przypadku Microsoft DAX zaobserwowano trend poprawy, jednak nie osiągnął on istotności statystycznej. Badanie wykazało również, że 37% notatek AI było krótszych, ale zachowywały niezbędną treść kliniczną.
Wpływ na wypalenie zawodowe i obciążenie poznawcze
Choć AI nie zastąpi dokumentacji, może zmienić sposób jej tworzenia. Oba narzędzia AI – Nabla i DAX – przyniosły:
- około 7% poprawę wskaźników wypalenia,
- redukcję poczucia zmęczenia,
- mniejsze obciążenie poznawcze,
- większe poczucie kontroli nad pracą.
Dr Paul Lukac podkreślił:
To pierwsze randomizowane badanie, które rygorystycznie ocenia, czy osoby odpowiedzialne za pisanie w oparciu o sztuczną inteligencję spełniają obietnicę rozwiązania tego problemu.
Ryzyko i ograniczenia – AI nadal wymaga nadzoru
Badanie wskazało również na istotne wyzwania:
- sporadycznie pojawiały się istotne klinicznie nieścisłości,
- najczęstsze błędy dotyczyły:
– pominięcia informacji,
– nieprawidłowych zaimków, - odnotowano jedno łagodne zdarzenie zagrażające bezpieczeństwu pacjenta.
Jak skomentował Dr John N. Mafi:
Ta technologia wymaga aktywnego nadzoru lekarza, a nie biernej akceptacji.
Podkreślił również:
Nasze badanie wykazało, że chociaż sztuczna inteligencja (AI) przyniosła wymierne korzyści, czasami generuje klinicznie istotne nieścisłości. Lekarze muszą zachować czujność podczas analizowania dokumentacji generowanej przez AI. Droga naprzód wymaga wdrażania innowacji przy jednoczesnym zachowaniu fundamentalnego dla medycyny zaangażowania w bezpieczeństwo pacjenta poprzez rygorystyczną ocenę i stały monitoring.
Perspektywa lekarzy i pacjentów
Z ankiet wynika, że:
- lekarze ocenili oba systemy jako łatwe do nauki,
- narzędzia pozwoliły im bardziej angażować się w rozmowę z pacjentem,
- pacjenci w przeważającej większości byli otwarci na stosowanie AI – mniej niż 10% odmówiło.
To sugeruje, że akceptacja technologii w opiece zdrowotnej może być wyższa, niż dotychczas przypuszczano.
Co oznaczają wyniki badania dla przyszłości systemu ochrony zdrowia?
Wypalenie lekarzy dotyczy już prawie połowy medyków w USA, a w wielu krajach sytuacja jest równie trudna. Badanie UCLA Health wskazuje na realny potencjał AI w:
- zmniejszaniu obciążenia biurokratycznego,
- poprawie efektywności opieki,
- zwiększeniu satysfakcji zawodowej,
- lepszym zaangażowaniu w rozmowę z pacjentem.
Jednocześnie autorzy podkreślają potrzebę:
- długoterminowych badań,
- testowania AI w różnych środowiskach klinicznych,
- stałego monitorowania bezpieczeństwa,
- dokładnego audytowania generowanej dokumentacji.
Jak powiedział Lukac:
Wprowadzając randomizowane badanie do rutynowej praktyki, dostarczyliśmy wysokiej jakości, rzeczywiste dowody, które powinny stanowić podstawę decyzji o wdrożeniu sztucznej inteligencji w opiece zdrowotnej.
Główne wnioski
- Nabla skróciła czas dokumentowania o 41 sekund na notatkę, co dało 9,5% większą oszczędność czasu niż w grupie kontrolnej; Microsoft DAX wykazał mniejszą, nieistotną statystycznie poprawę.
- Oba narzędzia AI zmniejszyły wypalenie zawodowe o ok. 7%, poprawiając obciążenie poznawcze i satysfakcję z pracy, co potwierdza ich potencjał wspierający lekarzy.
- AI generowała sporadyczne, klinicznie istotne nieścisłości, co wymaga aktywnego nadzoru lekarza i potwierdza konieczność dalszych badań nad bezpieczeństwem.
- Badanie UCLA Health dostarcza pierwszych wysokiej jakości danych pokazujących, że ambient AI scribes mogą zmniejszyć obciążenie dokumentacyjne i poprawić pracę kliniczną, ale technologia wymaga ostrożnego i odpowiedzialnego wdrażania.
Źródło:
- University of California, Los Angeles
- https://ai.nejm.org/doi/10.1056/AIoa2501000
