在诊所部署 AI：签约前要问的六个问题

要点

• 询问每位临床医生的完整费用，包括集成、模板及其他必需功能。
• 根据实际的子处理方信息和合同条款，核实音频、转录稿和记录在哪里处理。
• 检查准确率的测评方法，并把遗漏的信息和编造的信息分开看待。
• 在做出决定前，用您自己的工作流程测试多语言诊疗和网络中断的情况。

每一款 AI 病历助手的演示看起来都一样。

差别要到之后才显现：多语言对话、说话人区分、软件集成这类基础功能的隐性收费、数据透明度，以及当上门就诊刚开始就没了信号、或诊所 Wi-Fi 断网时的离线录音。

Hanah 为真实世界而打造。下面这些问题，我们认为您应该拿去问市面上每一款 AI 病历助手（AI scribe），我们自己的答案也一并写在这里。

1. 开通所需全部功能后，每位临床医生的真实价格是多少？

定价页面上的标价，很少就是诊所实际支付的金额，因为让产品真正可用的部分往往单独收费。最需要留意的是与诊所管理系统的连接。无法把病历归档到诊所管理系统的 AI 病历助手，只是多开一个标签页、多养成一个复制粘贴的习惯。所以，如果集成功能要升级到更高套餐或作为附加项另购，宣传的价格从来就不是真实价格。

请仔细查看定价页面，确认您获得了真正改善工作流程所需的一切；否则，您只是把文书工作换成了在浏览器标签页之间来回切换。

我们认为，对诊所管理系统集成这类基础功能额外加价是不道德的。我们的价格包含免费的基础版，提供患者门户、运动处方和结局指标，无需信用卡。诊所版为每位从业者每月 $100（澳元），按年计费为 $80，并提供 1 个月免费试用；该套餐包含 AI 病历助手、文档生成，以及与 Cliniko、Halaxy、Nookal 和 Zanda 的浏览器扩展和 API 集成。

2. 数据究竟流向哪里？全部数据都算在内。

“数据主权”通常被包装成地图上的一面旗帜，但一面旗帜并不是答案。环境式 AI 产品是由一连串公司组成的链条：应用本身、数据库、对象存储、备份、语音转文字引擎、语言模型、邮件发送服务，以及位于这一切之前的边缘网络。

请索取信任中心信息、每一个子处理方（软件所依赖的第三方）、它的用途、哪些类别的数据会到达它，以及它在哪个国家处理数据。然后再问第二个问题，它能把谨慎的供应商和过度自信的供应商区分开来：链条中哪一环会离开本国？对此采取了什么措施？几乎每条链都有这样一环。如果供应商的回答是干脆的“一切都留在境内”，就值得追问。

Hanah 的每个区域，即澳大利亚、英国和美国，都运行在各自的服务器上，拥有各自的数据库、对象存储和备份。记录从不跨区域汇集。每个区域都在各自的信任中心公布自己的子处理方列表，因为各区域的答案确实不同。

下面是我们那尴尬的一环，我们把它公布在自己的信任页面上，而不是留给您在安全审查中自己发现：在澳大利亚部署中，流式语音转文字在美国处理。音频是临时性的，生成转录稿后即不再保留，我们的条款禁止用其训练模型，生成的转录稿存储在澳大利亚。但根据澳大利亚隐私原则第 8 条，这仍属于跨境披露，您的隐私影响评估需要写明这一点。我们宁愿您在某个普通的周二从我们这里读到这件事，也不愿您在签约前一周从尽职调查问卷中才得知。

向每一家供应商索取子处理方列表。能随时拿出来的，才是认真考虑过这件事的。

3. 您能复现他们的准确率说法吗？

这个市场上人人都说自己准确。几乎没有人公布一个您能核实的数字，而无法复现的数字只是披着白大褂的营销，我们 7 月曾就此写过一篇文章。

满意度统计不是准确率测量。“97% 的用户认为病历质量优秀”说明的是一次问卷调查的结果，而不是转录稿出错的频率。当供应商向您报出一个百分比时，请问四件事：基于什么语料库测量、用什么方法评分、由谁评分，以及上一次的结果在哪里。

最后一点最重要。任何供应商都能公布一个好的季度。把不好的那次结果也并列公布，才让数字有意义。我们的测评方法、当前结果（每一份转录稿、每一份生成的病历、每位评分者的推理过程）以及历次结果全部公开，完全保留测量当天的原样。

4. 他们的模型宁愿犯哪一类错误？

这是几乎没有人会问的问题，而在临床记录中，它恰恰最重要。

AI 病历出错有两种方式：漏掉说过的内容，或写出从未说过的内容。两者都是错误，但不是同一种错误。遗漏的细节是看得见的，临床医生对照自己对诊疗的记忆审阅草稿时就能发现。编造的细节，比如左右侧别、剂量、一次从未发生过的症状否认，读起来完全合理，而这正是它在病历签署并留存在记录中之后变得危险的原因。

因此，每一轮评分我们都同时测量两者：对照逐字记录的标准参照转录稿计算词错误率，再由一组语言模型对生成的病历从两方面评分，即覆盖率（是否记录了事先登记的每一项事实？）和幻觉（AI 编造内容，即是否包含转录稿不支持的说法？）。

同时测量两者，就迫使您在两者之间做出取舍，而我们已经做了选择。我们 7 月更换模型时，把编造细节放在首位，而新模型在两方面都有所改进：词错误率从 5.9% 降至 1.6%，经确认的编造细节从 5 处减至 1 处，记录到的临床事实从 91.5% 升至 94.7%。在临床场景中，完整性不应以准确性为代价。模型漏掉的细节，临床医生可以补上；模型编造的细节，他们却无法可靠地“忘掉”。

问问您的供应商，他们在这一取舍上做了什么选择，以及他们是否测量过。

5. 诊疗不是用英语进行时会怎样？

澳大利亚和英国的诊所是多语言的，而它们使用的软件大多不是。在我们自己的基准测试语料库中，有两段录音分别是社区护士探访一个说越南语的家庭，以及职业治疗师探访一个说印地语的家庭。这不是为了让数字好看，而是因为一个只有自信的英语使用者在安静房间里说话的语料库，无法告诉我们北部郊区一个普通周二的真实情况。

这里有三件重要的事，而且它们彼此独立。

• 诊疗。Hanah 会自动识别所说的语言，而不需要事先指定，因此即使一次就诊在一句话中途切换语言，也能顺畅处理，而不是与之对抗。这是我们吃过亏才学到的：早期版本带有一份固定的预期语言列表，它在每个区域、每次就诊中都悄悄造成了偏差，并且在一句带口音的英语上，生成了一句幻觉出来的阿拉伯语开头。我们移除了这些提示。单靠自动检测，好过对所有人套用同一个猜测。
• 记录。临床病历用英语书写，因为那是记录的语言，也是您所属的专业学会和保险公司期望的医疗法律文件。
• 患者的副本。这一部分才会改变疗效。患者可以设置偏好语言（共 38 种），其护理计划和文档会翻译成该语言。原文永远不会被改动；系统会另外生成一份翻译副本，并在临床医生每次编辑计划时自动保持同步，因此患者在家阅读的版本永远不会悄悄偏离临床医生所写的版本。临床医生还可以在主页上列出自己会说的语言，让诊所能把患者匹配给一个人，而不只是一份翻译。

既然这是一篇关于提出尖锐问题的文章，也说一个我们有意留下的空缺：Auslan（澳大利亚手语）和 BSL（英国手语）出现在临床医生的语言列表中，但不在患者翻译功能的范围内，因为文本翻译无法服务手语，假装可以比直说更糟。

6. 诊疗中途 Wi-Fi 断了会怎样？

每一场 AI 病历助手的演示都在良好的 Wi-Fi 下进行。真实的诊所工作包括地下室、上门就诊、乡村诊所、医院走廊，以及后面那间信号从来没好过的治疗室。如果对这个问题的回答只是耸耸肩，那这个产品只是一个演示品。

大家想象中的故障是一个转个不停的加载图标。真正让您付出代价的故障却悄无声息：录音看起来正常，临床医生接着看下一位患者，而音频已经没了。已经发生过的诊疗，无法再找回来。

Hanah 的设计正好相反。每段录音在录制过程中都会写入设备的本地存储，采用无损压缩，而且不只在断网时这样做，而是始终如此，因此本地副本在需要之前就已存在。网络正常时，各个片段实时转录，并在结束时上传。网络中断时，录音照常继续写入本地存储，断网期间录下的片段会被标记为待补传。

网络恢复后，这些片段会上传并转录，转录稿随之补全。上传会以逐渐拉长的间隔重试，并且永不放弃，因为凭猜测丢弃音频是唯一无法挽回的结果。如果标签页崩溃，或浏览器在诊疗中途被关闭，下一次会话会找到这段遗留的录音并将其恢复，而不是把它当作残留垃圾。在我们自己的测试中，一次 50 分钟、全程经历完整断网的诊疗录音，在临床医生按下停止后 13 秒，全部 80 个音频块就已上传并完成转录。

请您正在评估的每一家供应商在飞行模式下录一次诊疗，然后给您看生成的病历。这个测试只需两分钟，而且很难作假。

简要版

这些问题没有一个是不公平的。把它们拿去问您候选名单上的每一家供应商，用具体事实回答的，比用形容词回答的更值得重视。然后，在做出决定之前，用真实诊疗做一次真实试用。

如果您想更详细地探讨我们的答案，或者您认为其中某一条是错的，请写信给我：hello@hanah.health。

常见问题

AI 病历助手试用应该包括哪些内容？

使用您日常文书工作中的真实案例，包括音质较差的录音、多语言诊疗和一次网络中断。既要检查草稿，也要检查把草稿录入记录系统所需的工作量。

应该如何比较准确率说法？

索取测试方法、录音或参考语料库、错误定义和结果。把遗漏和编造的细节分开比较，并检查病历需要多少修改。

只看标价就足以比较费用吗？

不够。请核实您的集成、模板、文档和使用量所需的套餐，以及任何附加项。比较完整工作流程的费用。