De ce recunoașterea vocală nu este suficientă pentru documentația medicală

De la pix la computer: o lecție pe care am mai învățat-o

Înainte ca speech-to-text să schimbe modul în care este redactat un raport medical, medicina a trecut printr-o transformare mult mai amplă: trecerea de la documentația pe hârtie la documentația electronică.

Nici acea tranziție nu a fost lipsită de rezistență.

Încă din 1999, cercetările privind adoptarea electronic medical records arătau că experiența cu computerul, anxietatea legată de utilizarea lui și percepția sprijinului organizațional influențau modul în care medicii priveau introducerea EMR.[1] Un review sistematic publicat ulterior, care a analizat literatura dintre 1998 și 2009, a identificat bariere financiare, tehnice, de timp, psihologice, sociale, juridice, organizaționale și legate de procesul schimbării.[2]

Problema nu era pur și simplu că medicii „preferau pixul”.

Se schimba modul în care era făcută munca.

Un gest simplu și familiar —

iei foaia și scrii

— era înlocuit de o succesiune de interacțiuni:

te autentifici → găsești pacientul → deschizi documentul → găsești câmpul potrivit → introduci informația → salvezi

Digitalizarea aducea avantaje incontestabile: informație lizibilă, accesibilă simultan, reutilizabilă și disponibilă în cadrul unui sistem informatic.

Dar introducea și o nouă categorie de fricțiune.

Un review sistematic dedicat efectului EHR asupra timpului de documentare a arătat tocmai cât de diferit putea fi distribuit câștigul de eficiență. În studiile analizate, anumite sisteme au redus timpul de documentare pentru asistente, în timp ce sistemele point-of-care au crescut în medie timpul de documentare al medicilor cu 17,5%. Autorii concluzionau că obiectivul unei reduceri generale a timpului de documentare prin simpla introducere a EHR era puțin probabil să fie atins.[3]

Lecția este mai generală decât tehnologia respectivă:

digitalizarea unei activități nu elimină automat munca. Uneori doar o mută.

Astăzi, întoarcerea la documentația exclusiv pe hârtie ar părea pentru majoritatea organizațiilor medicale un regres.

Dar dosarul electronic nu a devenit valoros doar pentru că medicii „s-au obișnuit cu computerul”.

Valoarea lui vine din ceea ce informația digitală permite în jurul documentului: acces, reutilizare, căutare, distribuție și integrare cu alte procese clinice.

Speech-to-text trebuie privit în același fel.

La început, câștigul este evident:

nu mai tastezi — vorbești.

Dar, după ce acest avantaj devine rutină, medicul nu mai evaluează sistemul doar după momentul spectaculos în care textul apare.

Îl evaluează după ceea ce a mai rămas de făcut.

De ce efectul „wow” al speech-to-text se stinge în utilizarea de zi cu zi

La prima întâlnire cu un sistem speech-to-text, beneficiul este concentrat într-un singur moment foarte vizibil:

medicul vorbește → textul apare.

Este o schimbare de interfață ușor de înțeles și ușor de apreciat.

După utilizare repetată, însă, acel moment încetează să mai fie noutatea produsului. Devine pur și simplu o etapă normală a raportării.

În schimb, devin mai vizibile lucrurile pe care tehnologia nu le-a eliminat:

• verificarea raportului;
• schimbarea aplicației;
• identificarea pacientului;
• identificarea examinării;
• transferul textului;
• recuperarea informațiilor anterioare;
• validarea rezultatului.

Percepția valorii se mută astfel de la performanța locală a transcrierii la efortul total al workflow-ului.

La început, întrebarea este:

„Cât de bine îmi înțelege vocea?”

După utilizare repetată, întrebarea devine:

„Câtă muncă mi-a eliminat, de fapt?”

Literatura despre speech recognition clinic susține această distincție.

Review-ul sistematic realizat de Blackley și colaboratorii a analizat 122 de studii publicate între 1990 și 2018. Toate cele 19 studii care au evaluat report turnaround time au raportat o reducere, însă rezultatele privind timpul de documentare și eficiența clinicianului au fost mai heterogene.[4]

În radiologie, review-ul sistematic al lui Hammana și colaboratorii a evaluat separat erorile, productivitatea departamentului și productivitatea radiologului și a găsit o variație importantă între studii.[5]

Iar un studiu realizat într-un centru academic a arătat că voice recognition a redus turnaround time pentru întreg departamentul și pentru 28 dintre cei 30 de radiologi analizați, dar variația individuală a rezultatului s-a corelat cu obiceiurile de lucru ale radiologilor.[6]

Aceste rezultate nu sunt contradictorii.

Ele descriu două lucruri diferite:

cât de repede devine disponibil raportul și câtă muncă trebuie să depună medicul pentru a-l finaliza.

Speech recognition poate îmbunătăți dramatic primul indicator fără să îmbunătățească în aceeași măsură al doilea.

Aici se află aparentul paradox.

Efectul „wow” aparține momentului în care apare textul. Valoarea pe termen lung aparține întregului workflow.

Într-un articol separat am discutat o altă dimensiune a problemei — fidelitatea clinică a transcrierii și limitele metricilor clasice precum Word Error Rate — prin conceptul Clinical Interpretation Fidelity (CIF).

Să presupunem însă că problema acurateței este rezolvată.

Raportul este corect.

Ce urmează?

Problema nu dispare. Se mută.

Când speech-to-text funcționează bine, una dintre cele mai vizibile fricțiuni ale documentării medicale dispare: tastarea.

Dar dispariția unei fricțiuni face mai vizibile fricțiunile care rămân.

Medicul nu mai pierde timp scriind raportul caracter cu caracter. În schimb, începe să observe mai clar timpul petrecut găsind informația necesară, schimbând aplicații, identificând examinarea corectă, recuperând un raport anterior sau transferând documentul pe care tocmai l-a dictat.

Când o etapă a unui proces este optimizată foarte bine, celelalte etape devin noul factor limitativ.

În cazul dictării medicale, problema nu mai este doar producerea textului.

Problema devine ceea ce medicul trebuie să facă înainte și după producerea lui.

Un raport medical nu este doar text

Aceasta este probabil limita fundamentală a unui sistem speech-to-text privit izolat.

Pentru motorul de recunoaștere, rezultatul final este textul.

Pentru medic, textul este doar o componentă a rezultatului.

Raportul aparține unui pacient, unei examinări și unui context clinic. Poate trebui comparat cu o investigație precedentă. Poate conține informații care există deja într-un alt document. Trebuie să ajungă într-un anumit sistem și să fie asociat fără ambiguitate examinării pentru care a fost produs.

De aceea există o diferență importantă între:

a termina dictarea

și

a termina raportul.

Un sistem poate face primul lucru extrem de eficient și să lase aproape neschimbat al doilea.

Putem descrie munca rămasă printr-un concept simplu: reporting friction.

În sensul folosit aici, termenul descrie operațiile care nu contribuie direct la raționamentul medical, dar sunt necesare pentru ca informația produsă de medic să devină un raport clinic final, aflat în contextul corect și în sistemul potrivit.

Nu propunem în acest articol reporting friction drept o metrică validată. Îl folosim ca pe un cadru conceptual pentru a privi întregul workflow, nu doar transcrierea.

Și fricțiunea nu înseamnă doar timp.

Înseamnă și atenție.

Un radiolog poate fi concentrat asupra unei întrebări precum:

Leziunea a crescut față de examinarea precedentă?

Iar câteva secunde mai târziu să fie obligat să se gândească:

Unde este fereastra RIS?

Este acesta pacientul corect?

Aceasta este examinarea potrivită?

După care trebuie să revină la problema clinică.

Literatura privind EHR descrie acest fenomen prin concepte precum documentation burden, workflow fragmentation și task switching. Un studiu publicat în JAMIA în 2023 a identificat printre factorii percepuți ca generând documentation burden munca manuală suplimentară, blocajele de workflow și designul neadaptat activității clinicianului. Autorii au definit workflow fragmentation prin frecvența schimbărilor între sarcini și întreruperi și au identificat efecte percepute asupra eficienței și încărcării cognitive.[7]

De aceea nu toate secundele economisite au aceeași valoare.

Eliminarea unei operații care întrerupe raționamentul clinic poate conta mai mult decât durata acelei operații măsurată cu cronometrul.

Fricțiunea devine mai vizibilă tocmai când speech-to-text devine foarte bun

La prima vedere, pare o contradicție.

Cu cât recunoașterea este mai bună, cu atât sistemul ar trebui să fie mai satisfăcător.

Și este.

Dar când diferența dintre ceea ce spune medicul și ceea ce apare pe ecran devine foarte mică, următorul câștig important nu mai vine neapărat din îmbunătățirea transcrierii.

Un progres suplimentar al motorului poate elimina câteva corecții.

În schimb, eliminarea necesității de a identifica din nou pacientul, de a transfera raportul într-o altă aplicație sau de a recupera manual o examinare precedentă poate elimina o operație întreagă din workflow.

Aici se schimbă întrebarea de proiectare.

Nu mai este doar:

Cum transcriem mai bine ceea ce spune medicul?

Ci:

Ce îl obligăm pe medic să facă în continuare, deși sistemul ar putea face acel lucru în locul lui?

Istoria implementării speech recognition în radiologie arată că problema workflow-ului a fost observată de mult. Lucrări dedicate implementării au avertizat că tranziția către speech recognition poate reduce eficiența și perturba fluxul de lucru dacă sistemul nu este introdus și integrat corespunzător.[8]

Medicul nu ar trebui să fie API-ul dintre două aplicații

Aici integrarea încetează să mai fie un detaliu tehnic.

Un sistem speech-to-text standalone poate fi foarte performant și, totuși, workflow-ul să arate astfel:

medic → speech-to-text → text → medic → RIS/HIS/EHR

Medicul apare de două ori în lanț.

Prima dată este firesc: produce și validează informația clinică.

A doua oară apare într-un rol pe care nu ar trebui să îl aibă: transferă manual informația între două sisteme informatice.

Cu alte cuvinte:

medicul devine API-ul dintre două aplicații.

Integrarea nu este, din această perspectivă, un feature suplimentar.

Este mecanismul prin care medicul este eliminat din rolul de intermediar tehnic.

Un sistem de dictare nu ar trebui evaluat doar după cât de bine transformă vocea în text.

Trebuie evaluat și după cât de puține operații inutile lasă în urmă.

Integrarea bună începe cu eliminarea operațiilor inutile

Primul pas este evident: raportul trebuie să ajungă direct acolo unde este necesar.

Dar integrarea poate merge mai departe.

Dacă sistemul știe deja pacientul și examinarea pentru care se dictează, medicul nu ar trebui să le selecteze din nou.

Dacă există un raport anterior relevant, nu ar trebui să fie nevoie ca medicul să îl caute manual într-o altă aplicație.

Dacă anumite informații există deja în documentația pacientului, nu ar trebui să fie reintroduse doar pentru că aplicațiile nu comunică între ele.

În acest punct, integrarea încetează să mai însemne doar export de text.

Începe să însemne context.

Iar contextul schimbă din nou problema.

După ce ai făcut dictarea mai rapidă, poți începe să reduci ceea ce mai trebuie dictat

Să luăm exemplul unei examinări imagistice de control.

Raportul precedent conține deja o parte importantă din informația relevantă: leziuni cunoscute, descrieri anatomice, măsurători și comparații anterioare.

Modelul clasic de speech-to-text încearcă să îl ajute pe medic să producă din nou acel raport cât mai repede.

Dar un sistem care are acces la context poate pune o întrebare diferită:

De ce trebuie dictate din nou informațiile pe care sistemul le deține deja?

În loc de:

raport nou de la zero

workflow-ul poate deveni:

raport anterior → context actual → medicul descrie modificările → raport actualizat

Aici câștigul nu mai vine doar din faptul că medicul vorbește mai repede decât tastează.

Vine din faptul că sistemul îi cere mai puțină muncă.

Aceasta este diferența dintre a face mai rapidă o sarcină și a elimina o parte din sarcină.

Aceasta este logica din spatele Smart Import în DictaMed.

Informația disponibilă deja poate constitui punctul de plecare, iar medicul se poate concentra asupra constatărilor actuale și a modificărilor relevante.

În acest punct, integrarea nu mai este doar o cale de transport pentru raport.

Devine parte din procesul de raportare.

De la speech-to-text la workflow

Privită în perspectivă, evoluția documentării medicale are o logică interesantă.

pix → tastatură → voce

Fiecare etapă a redus o formă de fricțiune.

Dar fiecare a lăsat în urmă altele.

Vocea rezolvă foarte bine problema introducerii textului. Nu rezolvă automat toate problemele documentării digitale.

Următorul pas nu trebuie să fie neapărat un motor care scrie și mai repede.

Poate fi un sistem care înțelege suficient de bine contextul încât să reducă numărul de operații pe care medicul trebuie să le execute.

Astfel, evoluția devine:

pix → tastatură → voce → context

și, mai departe:

context → acțiune

Într-un asemenea sistem, vocea poate fi utilizată nu numai pentru redactarea raportului, ci și pentru interacțiunea cu informația clinică:

„Asistent, caută ultima examinare CT.”

„Asistent, compară cu examinarea precedentă.”

„Asistent, caută diagnosticul diferențial pentru această leziune.”

Speech-to-text devine astfel o componentă a unui workflow clinic mai larg, nu destinația finală a acestuia.

Două probleme diferite: fidelitatea și fricțiunea

Rămâne o condiție fundamentală: ceea ce spune medicul trebuie transcris corect.

În articolul despre Clinical Interpretation Fidelity (CIF) am discutat de ce Word Error Rate nu este suficient pentru evaluarea unui sistem medical de speech-to-text și de ce trebuie luată în considerare păstrarea sensului clinic.

CIF încearcă să răspundă la întrebarea:

A păstrat sistemul corect informația clinică exprimată de medic?

Articolul de față pune o altă întrebare:

După ce informația a fost transcrisă corect, câtă muncă mai rămâne în sarcina medicului?

Prima problemă este una de fidelitate.

A doua este una de fricțiune.

Un sistem poate avea o fidelitate clinică excelentă și un workflow slab.

Poate transcrie aproape perfect și, în același timp, să oblige medicul să copieze, să mute, să caute, să navigheze și să reintroducă informație.

După un anumit nivel de acuratețe, eliminarea acestor operații poate deveni cel puțin la fel de importantă ca îmbunătățirea suplimentară a motorului de speech recognition.

Un sistem modern de dictare medicală trebuie să le trateze pe amândouă.

Raportul nu se termină când apare textul

Efectul „wow” al speech-to-text este real.

Și este justificat.

Transformarea aproape instantanee a vocii în text elimină una dintre cele mai repetitive componente ale documentării medicale.

Dar după ce această capacitate devine rutină, utilizatorul începe să judece sistemul după un criteriu mai exigent:

Câtă muncă mi-a eliminat în total?

Aici se decide valoarea pe termen lung.

Nu doar în acuratețea transcrierii.

Nu doar în viteza cu care apare textul.

Ci în cât de bine este integrată dictarea în restul procesului clinic și în câte operații inutile dispar odată cu ea.

Privită astfel, evoluția documentării medicale nu este doar o succesiune de instrumente:

pix → tastatură → voce

Este o reducere progresivă a distanței dintre intenția clinică a medicului și documentul final.

Iar următorul pas nu trebuie să fie neapărat o modalitate și mai rapidă de a introduce text.

Poate fi eliminarea progresivă a nevoii de a muta, căuta, reintroduce și reconstrui manual informația care există deja.

Poate că aceasta este, în final, întrebarea corectă pentru evaluarea unui sistem modern de dictare medicală:

După ce medicul s-a oprit din vorbit, câte lucruri mai trebuie să facă până când raportul este cu adevărat gata?

Referințe

1. Dansky KH, Gamm LD, Vasey JJ, Barsukiewicz CK. Electronic medical records: are physicians ready? Journal of Healthcare Management. 1999;44(6):440–454. PMID: 10662431.Sursa originală ↗
2. Boonstra A, Broekhuis M. Barriers to the acceptance of electronic medical records by physicians from systematic review to taxonomy and interventions. BMC Health Services Research. 2010;10:231. DOI: 10.1186/1472-6963-10-231. PMID: 20691097.Sursa originală ↗
3. Poissant L, Pereira J, Tamblyn R, Kawasumi Y. The impact of electronic health records on time efficiency of physicians and nurses: a systematic review. Journal of the American Medical Informatics Association. 2005;12(5):505–516. DOI: 10.1197/jamia.M1700. PMID: 15905487.Sursa originală ↗
4. Blackley SV, Huynh J, Wang L, Korach Z, Zhou L. Speech recognition for clinical documentation from 1990 to 2018: a systematic review. Journal of the American Medical Informatics Association. 2019;26(4):324–338. DOI: 10.1093/jamia/ocy179. PMID: 30753666.Sursa originală ↗
5. Hammana I, Lepanto L, Poder T, Bellemare C, Ly MS. Speech recognition in the radiology department: a systematic review. Health Information Management Journal. 2015. PMID: 26157081.Sursa originală ↗
6. Krishnaraj A, Lee JK, Laws SA, Crawford TJ. Voice Recognition Software: Effect on Radiology Report Turnaround Time at an Academic Medical Center. AJR American Journal of Roentgenology. 2010. PMID: 20566816.Sursa originală ↗
7. Moy AJ, Hobensack M, Marshall K, et al. Understanding the perceived role of electronic health records and workflow fragmentation on clinician documentation burden in emergency departments. Journal of the American Medical Informatics Association. 2023;30(5):797–808. DOI: 10.1093/jamia/ocad038.Sursa originală ↗
8. Houston JD, Rupp FW. Experience with implementation of a radiology speech recognition system. PMID: 15359751.Sursa originală ↗