如果問(wèn)醫(yī)生想要哪種形式的人工智能，答案很可能是電子病歷語(yǔ)音轉(zhuǎn)錄。國(guó)內(nèi)的語(yǔ)音識(shí)別技術(shù)直到最近兩三年才取得突飛猛進(jìn)式的發(fā)展，識(shí)別準(zhǔn)確率從80%多提升到了95%以上，達(dá)到了實(shí)用化的水準(zhǔn)，并逐漸發(fā)展出了面向醫(yī)療等行業(yè)的定制化模型。目前，國(guó)內(nèi)從事語(yǔ)音技術(shù)的企業(yè)還相對(duì)較少，掌握語(yǔ)音核心技術(shù)的公司更是有限。

為何如此期待電子病歷語(yǔ)音轉(zhuǎn)錄？

1 節(jié)省手寫(xiě)病歷的時(shí)間

國(guó)內(nèi)醫(yī)生除了跟病人溝通交流，還要花費(fèi)大量時(shí)間和精力書(shū)寫(xiě)病歷和醫(yī)療文書(shū)。利用語(yǔ)音識(shí)別技術(shù)將醫(yī)生和病人的對(duì)話自動(dòng)轉(zhuǎn)錄成文本，可以幫助醫(yī)生騰出時(shí)間來(lái)為更多患者服務(wù)，提升工作效率。

2 為醫(yī)患糾紛提供材料佐證

醫(yī)患糾紛是醫(yī)療行業(yè)的一大難題，一旦出現(xiàn)醫(yī)患糾紛。醫(yī)院現(xiàn)有的HIMSS系統(tǒng)只能記錄患者的基本信息，簡(jiǎn)單描述患者的基本癥狀，以及醫(yī)生用了什么藥。這種記錄的完整性還遠(yuǎn)遠(yuǎn)不夠。語(yǔ)音錄入病歷不僅是將醫(yī)生和病人的對(duì)話轉(zhuǎn)成文字和結(jié)構(gòu)化的數(shù)據(jù)進(jìn)行存儲(chǔ)，便于后期查詢(xún)和智能化分析，同時(shí)也會(huì)作為處理醫(yī)患糾紛的證明材料。

3 緩解醫(yī)療資源不足

國(guó)內(nèi)的病人看病都喜歡去大醫(yī)院掛專(zhuān)家號(hào)，但專(zhuān)家號(hào)很難掛，原因在于醫(yī)療資源不足。假如我們利用結(jié)構(gòu)化的醫(yī)療數(shù)據(jù)搭建一個(gè)醫(yī)療大數(shù)據(jù)平臺(tái)，讓經(jīng)驗(yàn)不足的醫(yī)生可以通過(guò)它學(xué)習(xí)專(zhuān)家的診斷經(jīng)驗(yàn)，培養(yǎng)更多的醫(yī)學(xué)人才，就能在一定程度上緩解國(guó)內(nèi)醫(yī)療資源不足和不均衡的問(wèn)題。

國(guó)內(nèi)市場(chǎng)不容樂(lè)觀

1.國(guó)內(nèi)語(yǔ)音識(shí)別技術(shù)起步較晚有關(guān)

2.國(guó)內(nèi)的醫(yī)療資源稀缺

3.醫(yī)院之間的數(shù)據(jù)鏈路也很難打通

如何解決這一困境？

現(xiàn)在大多數(shù)語(yǔ)音識(shí)別公司采用的都是深度學(xué)習(xí)算法，各家在語(yǔ)音識(shí)別基礎(chǔ)算法的差距并不會(huì)特別大，主要的差距在于數(shù)據(jù)的規(guī)模、歸集和行業(yè)化的定制。通常掌握的數(shù)據(jù)規(guī)模越大，加上資金和人力方面的優(yōu)勢(shì)，可以做適應(yīng)性更強(qiáng)的語(yǔ)音識(shí)別模型。雖然目前語(yǔ)音轉(zhuǎn)錄病歷還處于市場(chǎng)培育階段，但是我們相信未來(lái)發(fā)展會(huì)非常迅速，這片市場(chǎng)未來(lái)規(guī)模也值得我們關(guān)注。