النتائج · نُشر في
أفضل كاتب طبي بالذكاء الاصطناعي للأطباء العامين
كان Hanah أفضل كاتب طبي بالذكاء الاصطناعي اختبرناه في استشارات الأطباء العامين. وجاء أولًا في الوقت حتى اعتماد الملاحظة في كل واحدة من الاستشارات الست، وسجّل أقل عدد من أخطاء الملاحظة في كل منها. وجاء Heidi ثانيًا وLyrebird ثالثًا.
الاختبارات
الاستشارات مواعيد بالفيديو لدى طبيب عام من PriMock57، وهي مجموعة بيانات عامة لاستشارات محاكاة في الرعاية الأولية. سجّل ستة كتبة طبيين بالذكاء الاصطناعي كل استشارة خمس مرات عبر تطبيقات الويب الخاصة بهم، وقُيّمت كل ملاحظة تقييمًا معمّى في مقابل الحقائق السريرية التي قيلت في الاستشارة. ونرتّب الكتبة حسب الوقت حتى اعتماد الملاحظة، أي مدة الانتظار بعد الضغط على زر الإيقاف مضافًا إليها الوقت الذي يحتاجه الطبيب لمراجعة الملاحظة وتصحيح ما فيها من أخطاء.
يضم الاختبار المعياري ثماني استشارات من PriMock57. ويشمل هذا الترتيب الست التي نشر كل الكتبة ملاحظات لها: التهاب المعدة والأمعاء، والإكزيما، وألم الصدر، والتفاعل التحسسي، وانخفاض المزاج، والأعراض البولية. ولم تُدرج بعد ملاحظات Hanah لاستشارتَي قصور القلب والاشتباه بنوبة إقفارية عابرة في النتائج المنشورة، ولذلك استُبعدت هاتان الاستشارتان من متوسط كل كاتب. وأُعيد توليد ملاحظات Hanah المنشورة في 11 أكتوبر 2026، ومدة الانتظار لديه بعد الضغط على زر الإيقاف تقدير مبني على زمن التوليد المقيس.
النتائج
| الترتيب | الكاتب | الوقت حتى اعتماد الملاحظة | أخطاء الملاحظة لكل ملاحظة | التغطية | إشارات الهلوسة لكل ملاحظة | معدل خطأ الكلمات |
|---|---|---|---|---|---|---|
| 1 | Hanah | 1 د 50 ث | 1.5 | 98% | 0.4 | 14.0% |
| 2 | Heidi | 3 د 31 ث+1 د 41 ث | 9.9+8.4 | 79%−19% | 1.3+0.9 | 14.6%+0.6% |
| 3 | Lyrebird | 3 د 56 ث+2 د 06 ث | 11.2+9.7 | 83%−15% | 3.7+3.4 | 17.5%+3.5% |
| 4 | CliniScripts | 4 د 24 ث+2 د 34 ث | 11.6+10.1 | 75%−23% | 1.5+1.1 | 14.8%+0.8% |
| 5 | Freed | 4 د 51 ث+3 د 01 ث | 8.5+7.0 | 87%−11% | 2.5+2.1 | 19.5%+5.5% |
| 6 | PatientNotes | 5 د 56 ث+4 د 06 ث | 19.6+18.2 | 58%−40% | 2.9+2.5 | 19.6%+5.6% |
كانت ملاحظة Hanah جاهزة للاعتماد في المتوسط بعد دقيقة و50 ثانية من انتهاء الاستشارة، عبر الاستشارات الست. والتقطت 98% من الحقائق، بمتوسط 1.5 خطأ في الملاحظة و0.4 إشارة هلوسة لكل ملاحظة. واستغرقت مراجعتها وتصحيحها وقتًا أقل بنسبة 79% من كتابة الملاحظة بنفسك، وكانت 30% من ملاحظات Hanah جاهزة للاعتماد كما كُتبت. واستغرق أبطأ تشغيلات Hanah في أي من الاستشارات الست دقيقتين و46 ثانية، وهو أسرع من متوسط كل كاتب آخر.
وجاء Heidi ثانيًا بـ3 دقائق و31 ثانية، بمتوسط 9.9 أخطاء في الملاحظة وتغطية 79%، وسجّل ثاني أقل عدد من إشارات الهلوسة بواقع 1.3 لكل ملاحظة. وجاء Lyrebird ثالثًا بـ3 دقائق و56 ثانية. وسجّل Freed ثاني أقل عدد من أخطاء الملاحظة بواقع 8.5 وثاني أعلى تغطية بنسبة 87%، واستغرق 4 دقائق و51 ثانية حتى اعتماد الملاحظة.
وسجّل Hanah أدنى معدل لخطأ الكلمات بنسبة 14.0%، يليه Heidi بنسبة 14.6% وCliniScripts بنسبة 14.8%.
النتائج حسب الاستشارة
| الاستشارة | الأول | الثاني | المقال |
|---|---|---|---|
| التهاب المعدة والأمعاء | Hanah، 1 د 44 ث | Heidi، 3 د 19 ث | اقرأ |
| الإكزيما | Hanah، 2 د 01 ث | Heidi، 3 د 17 ث | اقرأ |
| ألم الصدر | Hanah، 1 د 31 ث | CliniScripts، 2 د 58 ث | اقرأ |
| التفاعل التحسسي | Hanah، 2 د 21 ث | Heidi، 4 د 44 ث | اقرأ |
| انخفاض المزاج | Hanah، 1 د 37 ث | Heidi، 2 د 45 ث | اقرأ |
| الأعراض البولية | Hanah، 1 د 46 ث | Lyrebird، 3 د 34 ث | اقرأ |
الأوقات هي متوسط الوقت حتى اعتماد الملاحظة لدى كل كاتب في تلك الاستشارة.
النتائج التفصيلية
- في استشارة ألم الصدر، قال المريض إنه لا يعاني من أي حساسية سوى الحساسية من الأسبرين. وسجّل Hanah ذلك في كل تشغيل، وأغفله كل كاتب آخر في كل تشغيل.
- قال المريض نفسه إن الأسبرين يسبّب له تورّمًا. ففرّغ Heidi وFreed وLyrebird عبارة "swell up" (يتورّم) على أنها "swallow" (يبلع) في التشغيلات الخمسة كلها. وسمعها Hanah وCliniScripts على نحو صحيح في كل مرة.
- في استشارة التهاب المعدة والأمعاء، قال الطبيب إن المضادات الحيوية غير لازمة. وسجّل Hanah ذلك في كل تشغيل، وLyrebird في أربعة من خمسة. وأغفله Heidi وFreed وPatientNotes في كل تشغيل.
- في استشارة انخفاض المزاج، قال المريض إنه لم يُشخَّص سابقًا بأي اضطراب نفسي. وسجّل Hanah ذلك في كل تشغيل، ولم يسجّله أي كاتب آخر كاملًا في أي تشغيل.
- قال الطبيب في استشارة الأعراض البولية إن العدوى يمكن علاجها دون فحص البول. وسجّل Hanah ذلك في كل تشغيل، ولم يسجّله أي كاتب آخر في أي تشغيل.
- فرّغ Heidi كلمة الفوروسيميد على أنها "fruit" (فاكهة) في تشغيلات قصور القلب الخمسة كلها. وذكرت النصوص المفرَّغة لدى Lyrebird دواء الأوميبرازول، الذي لم يذكره أحد، في التشغيلات الخمسة كلها، وأغفلت البيسوبرولول في كل منها.
تتناول مراجعتنا لـHeidi أداء Heidi في الاستشارات الاثنتي عشرة كلها، مع جولة مصوّرة بالفيديو.
الأسئلة الشائعة
ما أفضل كاتب طبي بالذكاء الاصطناعي للأطباء العامين؟
في اختبارنا لستة كتبة طبيين بالذكاء الاصطناعي على ست استشارات مسجّلة لدى طبيب عام، كان Hanah الأفضل. فقد كانت ملاحظاته جاهزة للاعتماد في أقرب وقت بعد الاستشارة، بعد دقيقة و50 ثانية في المتوسط، وسجّلت أقل عدد من أخطاء الملاحظة في كل استشارة. وجاء Heidi ثانيًا وLyrebird ثالثًا.
ما مدى دقة الكتبة الطبيين بالذكاء الاصطناعي في استشارات الأطباء العامين؟
في ست استشارات لدى طبيب عام، التقط الكتبة ما بين 58% و98% من الحقائق السريرية التي قيلت. وتراوحت أخطاء الملاحظة، وهي الحقائق المُغفلة والادعاءات غير المسنودة معًا، بين 1.5 لكل ملاحظة لدى Hanah و19.6 لدى PatientNotes. وتظل كل ملاحظة بحاجة إلى مراجعة الطبيب قبل اعتمادها.
هل يختلق الكتبة الطبيون بالذكاء الاصطناعي معلومات في ملاحظات الأطباء العامين؟
أضاف كل كاتب اختبرناه إلى ملاحظاته بعض التفاصيل التي لم تُقل في الاستشارة. ونحتسب هذه التفاصيل إشارات هلوسة. وسجّل Hanah أقل عدد منها بواقع 0.4 لكل ملاحظة، وLyrebird أكبر عدد بواقع 3.7.
كم من الوقت يوفّر الكاتب الطبي بالذكاء الاصطناعي للطبيب العام؟
يقضي الطبيب في كتابة الملاحظة يدويًا 8.1 دقيقة بالوسيط (Apathy et al. 2023). واستغرقت مراجعة ملاحظة Hanah وتصحيحها وقتًا أقل من ذلك بنسبة 79%. ووفّر الكتبة الآخرون ما بين 34% و62%.
كيف اختُبر الكتبة الطبيون بالذكاء الاصطناعي؟
سجّل كل كاتب استشارات الطبيب العام نفسها من مجموعة PriMock57 خمس مرات عبر تطبيق الويب الخاص به. وقُيّمت كل ملاحظة تقييمًا معمّى في مقابل قائمة بالحقائق السريرية التي قيلت في الاستشارة. وتُنشر التسجيلات والنصوص المفرَّغة والملاحظات وأسباب التقييم في صفحة كل اختبار.
الأرقام الواردة في هذا المقال مأخوذة من الاختبار المعياري لـ ScribeStandard. اطّلع على النتائج الكاملة وكل اختبار وكيف نختبر.