---
title: "AI 病历助手基准测试：Hanah 对比 Heidi、Lyrebird、Freed 等"
description: "我们将相同的 13 段诊疗录音播放给七款 AI 病历助手，并对每份病历和转录稿进行盲评。Hanah 的病历没有重大幻觉标记，涵盖了 93.7% 的必要临床细节（平均为 84.2%），其转录稿中具有临床意义的错误少 66%。每一份转录稿、病历和评分均已公开。"
source: https://hanah.health/zh/blog/hanah-vs-the-rest-benchmark/
---

1.  [首页](https://hanah.health/zh/)
2.  [博客](https://hanah.health/zh/blog/)
3.  Hanah 与其他产品对比：一项客观、透明的基准测试

文章

# Hanah 与其他产品对比：一项客观、透明的基准测试

作者：[Ahmed](https://hanah.health/zh/blog/authors/ahmed/) · 阅读约 5 分钟  
发布于 2026年10月6日 · 更新于 2026年10月16日

## 要点

-   2026年10月的对比测试把同样的 13 次诊疗录音分别输入七款 AI 病历助手，并对照录音为输出评分。
-   **除 AI 病历助手外，Hanah 还提供居家训练计划和带诊所品牌的患者端应用。**患者可以在两次就诊之间查看双方商定的居家计划。
-   在所报告的测试中，Hanah 记录到 93.7% 的必需临床细节，其评分病历中没有重大幻觉标记。
-   本测试由供应商执行，评分时隐藏了产品身份。解读结果时，其样本和采集方面的局限很重要。
-   请查看录音、输出和评分理由；基准测试结果好，并不意味着临床草稿可以免于审阅。

我们把同样的 13 段诊疗录音分别输入 Hanah、Heidi、Lyrebird、Freed、PatientNotes、CliniScripts 和 Preve，然后对照实际所说的内容为每一份病历评分。完整结果，包括每一份转录稿、病历和评分，都在我们的[基准测试页面](https://hanah.health/zh/benchmark/)上。

100%的 Hanah 病历没有重大幻觉标记Hanah_100%_平均_48%_少 66%具有临床意义的转录错误Hanah_0.59_平均_1.75_多 11%已涵盖的必要临床细节Hanah_93.7%_平均_84.2%_多 46%每份病历节省的时间Hanah_6 分 04 秒_平均_4 分 09 秒_

## 结果

| AI 病历助手 | 已涵盖的临床细节 | 每份病历的重大幻觉标记 | 每次诊疗的显著转录错误 |
| --- | --- | --- | --- |
| Hanah | 93.7% | 0.00 | 0.59 |
| Heidi | 91.4% −2.3% | 0.23 +0.23 | 1.15 +0.56 |
| CliniScripts | 90.8% −2.9% | 0.23 +0.23 | 0.69 +0.10 |
| Lyrebird | 90.2% −3.4% | 0.62 +0.62 | 1.92 +1.33 |
| Freed | 85.7% −8.0% | 0.83 +0.83 | 1.25 +0.66 |
| PatientNotes | 74.7% −19.0% | 2.77 +2.77 | 1.92 +1.33 |
| Preve | 72.2% −21.5% | 1.10 +1.10 | 3.54 +2.95 |

Hanah 的病历记录到的必需临床细节比 AI 病历助手（AI scribe）的平均水平多 11%。Hanah 的 13 份病历中没有一份出现重大幻觉标记，而其他 AI 病历助手的病历中，没有重大幻觉标记的不到一半。Hanah 的转录稿中具有临床意义的错误比平均水平少 66%，在英语诊疗中少 76%。具有临床意义的转录错误，是指可能误导临床医生的错误：药物、剂量、数字、侧别或症状错误，否定词或红旗征丢失，或临床内容被遗漏。

## 重大幻觉标记是什么样的

重大幻觉标记，是指病历中出现了没有说过、并且可能改变诊疗的内容。以下例子来自本次基准测试中的病历，每一个都与其来源转录稿一起公开。

-   在一次 ICU 交接班中，PatientNotes 把 dapagliflozin 写成了患者酮症酸中毒的原因，而临床医生说的是 empagliflozin。在同一段带有病房噪音的口述录音中，PatientNotes 记录的心率为 91。而 91 其实是患者的血氧饱和度，这一项在病历中被遗漏了。
-   对于一名哮喘患儿，临床医生说的是 dexamethasone，PatientNotes 却写成 betamethasone；家长描述的是黄色呕吐物，它却记录为黄色痰液。
-   一位从四轮摩托车上摔下来的患者，在 Heidi 的摘要中变成了骑自行车摔倒，在 Lyrebird 的病历中变成了骑摩托车摔倒。Lyrebird 还把损伤写在了右侧，而这从未被提到过。

转录稿也会出错。在一次时长 50 分钟、在嘈杂治疗室中进行、其中只有约七分钟说话的肌肉治疗（myotherapy）中，Freed 的转录稿在安静的时段里填入了没有人说过的话，包括“Thank you for watching!”（感谢观看！）和一段关于某个小镇历史的文字。Lyrebird 对同一次就诊的转录稿中出现了 Zolmitriptan，一种没有人提到过的偏头痛药物。Hanah 对这段录音的转录稿没有具有临床意义的错误。

## 普通话与英语

其中一次诊疗是颌骨手术复诊，主要用普通话进行，临床术语用英语。所有提供输入语言设置的 AI 病历助手都为这次诊疗设为普通话，Heidi 和 Hanah 各运行了三次。

Heidi 的转录效果最好，三次运行中每次都有 3 处具有临床意义的错误。CliniScripts 出现 4 处，Hanah 出现 4 或 5 处。Hanah 的错误出在普通话中夹杂的英语临床词汇上，例如“pus”被写成“pass”，chlorhexidine 被写成“hexadene”。PatientNotes 出现 9 处，Freed 7 处，Lyrebird 14 处。Preve 没有输入语言设置，出现 24 处。Hanah 根据这次复诊生成的病历仍然没有重大幻觉标记。

## 我们如何进行测试

这些录音来自 Hanah 的准确率语料库，与我们[透明度页面](https://hanah.health/zh/au/trust/transparency/)上版本发布结果所用的 13 段录音相同。其中包括口述、物理治疗、营养治疗、职业治疗、肌肉治疗和社区护理诊疗，一名家长英语有限的患儿，一段户外录音，以及那次普通话复诊。每段录音都有逐字的参考转录稿，以及一份病历必须记录内容的核对清单。

每款 AI 病历助手都在其自己的网页应用中运行，使用标准账户和默认设置。同一个音频文件输入每一款 AI 病历助手，同样的提示词逐字输入。除上述普通话重复运行外，每款 AI 病历助手对每段录音运行一次，时间为 2026年10月6日。

病历由 Anthropic 的模型 Claude 评分。对于每段录音，每款 AI 病历助手的病历都被打乱顺序、以字母代替，并移除产品名称，然后按照固定的评分标准对照参考转录稿评分。直到全部 13 段录音评分完毕后，字母才与产品重新对应。每份转录稿都与参考转录稿逐词比较，Claude 在不知道产品身份的情况下逐一判断每处差异是否具有临床意义。评分标准以及每项评分背后的规则都在我们的[测评方法](https://hanah.health/zh/au/trust/wer-methodology/#mth-comparative)中。

## 亲自核查

[基准测试页面](https://hanah.health/zh/benchmark/#evidence)上的每一项评分都附有理由。您可以播放每段录音，阅读参考转录稿，并与每款 AI 病历助手写下的内容进行比较。

## 常见问题

**这是一项独立的临床研究吗？**

不是。这是由 Hanah 执行的对比测试，评分时隐藏了产品身份。测评方法和原始证据均附有链接，供读者查验结果。

**没有重大幻觉标记，是否意味着每份病历都完美无缺？**

不是。这只说明在本次运行中，Hanah 的评分病历里没有发现重大标记。遗漏和其他错误仍需注意，每一份草稿都需要审阅。

**在哪里可以核查某一项具体评分？**

[基准测试证据](https://hanah.health/zh/benchmark/#evidence)链接了录音、参考转录稿、产品输出以及评分背后的理由。

## 本文引用的来源

-   [基准测试页面](https://hanah.health/zh/benchmark/) —— hanah.health
-   [透明度页面](https://hanah.health/zh/au/trust/transparency/) —— hanah.health
-   [测评方法](https://hanah.health/zh/au/trust/wer-methodology/#mth-comparative) —— hanah.health
-   [基准测试页面](https://hanah.health/zh/benchmark/#evidence) —— hanah.health

## 关于作者

[Ahmed](https://hanah.health/zh/blog/authors/ahmed/) · Hanah 联合创始人兼 CEO

Ahmed 是 Hanah 的联合创始人兼 CEO。他的背景横跨游戏开发、体育数据分析、金融科技和 AI，曾任职于 Electronic Arts、Catapult Sports 和 Commonwealth Bank，经营过一家独立游戏工作室，并担任治理、风险与合规公司 sixclicks 的 AI 负责人。他将在游戏中设计参与和留存机制的经验，用于打造反馈闭环，帮助患者持续参与自身诊疗，朝着积极的健康结果努力。[查看文章](https://hanah.health/zh/blog/authors/ahmed/)。

**更新说明：**在要点中突出介绍了居家训练计划和带诊所品牌的患者端应用。来源核查和基准测试日期仍以文中所述为准。

[我们如何撰写、引用来源和审核文章](https://hanah.health/zh/blog/editorial-policy/)

## 相关阅读

-   [Accuracy over inference: your AI scribe should not fill in the blanks](https://hanah.health/zh/blog/accuracy-over-inference/)
    
    A plausible clinical detail is still an invented detail if the encounter never established it. Real examples from our testing explain why Hanah prioritises faithful documentation, and why we measure consistency across repeated runs.
    
-   [在严格的行业基准测试中，Hanah 被评为最佳 AI 病历助手](https://hanah.health/zh/blog/hanah-best-ai-scribe-benchmark/)
    
    ScribeStandard 让六款 AI 病历助手处理相同的 12 段诊疗录音，并对每份病历进行盲评。Hanah 的错误最少、审阅最快，在 19 项指标中有 18 项排名第一。每一段录音、每一份病历和评分均已公开。
    
-   [更新为新的模型和转录算法。](https://hanah.health/zh/blog/benchmark-update-july-2026/)
    
    我们更新了起草病历的模型和转录诊疗的算法。我们的基准测试显示，词错误率从 5.9% 降至 1.6%，编造的细节从 5 例已确认案例降至 1 例。本文说明哪些有变化，哪些没有。
    

在您自己的诊所中体验 Hanah。

[预约演示](https://hanah.health/zh/#demo)