临床技术评测第 01 期 / 2026 年 9 月
查看结果 →

结果 · 发布于

2026 年澳大利亚最佳 AI 医疗记录员

Hanah 是我们为澳大利亚诊所测试过的表现最好的 AI 医疗记录员。 我们让六款 AI 医疗记录员录制同样的 12 次问诊,每款每次至少 5 轮,并对照问诊中所述的临床事实对每份病历进行盲评。在我们发布的 20 项指标中,Hanah 在 19 项上排名第一。Heidi 在病历定稿用时和幻觉两项上排名第二。

大多数 AI 医疗记录员的比较都按功能、价格和集成来排名,因为这些信息很容易从网站上读到。但临床医生真正从记录员那里得到的是一份病历,而病历恰恰是最难比较的部分。两款记录员在演示中可能看起来一模一样,但遗漏或编造的事实数量却可能相差五倍。因此,我们设计了一项测试:让问诊保持不变,只衡量病历。

本文介绍 AI 医疗记录员如何节省时间、我们测试了哪些记录员、我们如何判断哪款最好、它们的价格、Ahpra、RACGP 和 TGA 对你的要求,以及如何自行开展试用。每个数据都链接到其所依据的录音、转录稿和病历,文中引用的研究列于文末。

AI 医疗记录员如何工作,节省的时间从何而来

AI 医疗记录员通过手机或电脑麦克风听取问诊,将音频转为转录稿,然后用语言模型根据转录稿撰写一份结构化的临床病历,通常采用 SOAP 格式或你选择的模板。你审阅草稿,修正错误,再将其粘贴或同步到诊所管理系统中。

节省的时间来自以审阅代替撰写。根据 Apathy 等(2023)对 203,728 名医生的研究,医生手写一份病历的中位用时为 8.1 分钟。如果草稿质量好,阅读并修改它只需其中的一小部分时间。如果草稿遗漏了事实,或加入了没有说过的内容,临床医生就必须逐一找出并修正,节省的时间也随之缩水。这就是我们衡量病历、而不只衡量转录稿的原因。

需求是真实存在的。在 RACGP 的 Health of the Nation 2025 调查中,77% 的全科医生表示对工作中的行政事务量不满意,高于一年前的 70%。

指标数据来源
对行政工作量不满意的全科医生77%(2025 年),高于 70%RACGP Health of the Nation
使用 AI 医疗记录员的全科医生(newsGP 投票)40%(2025 年 11 月),高于 22%(2024 年 8 月)newsGP
使用 AI 医疗记录员的 Avant 会员19%(2025 年 2 月),高于 11%(2024 年 8 月)Avant
手写一份病历的中位用时每次就诊 8.1 分钟Apathy et al. 2023

newsGP 的数据来自读者自愿参与的投票,因此应将其视为趋势而非普查。Avant 的数据涵盖的时间更短,人群也不同。两者都显示,采用率在一年或更短时间内大约翻了一番。

使用 AI 医疗记录员的全科医生(newsGP 读者投票)
  1. 2024 年 8 月22%
  2. 2025 年 11 月40%

来源:newsGP 投票,分别有 1,170 和 1,516 名读者参与。属自愿参与的投票,应视为趋势而非普查。

我们测试的 AI 医疗记录员

我们测试了澳大利亚临床医生目前可以注册使用的六款 AI 医疗记录员。

记录员免费方案测试中使用的病历模板在我们的基准测试中最突出的表现
Hanah有我们的 SOAP 指令病历错误最少、覆盖率最高、幻觉最少、病历最快
Heidi有我们的 SOAP 指令病历定稿速度第二快,幻觉第二少
Lyrebird有我们的 SOAP 指令按下停止后生成病历的速度第二快,为 21 秒
Freed未说明默认病历病历错误第二少,覆盖率第二高
CliniScripts未说明默认病历词错误率第二低,压力测试中内存占用最少
PatientNotes未说明我们的 SOAP 指令按原样即可定稿的病历比例第二高,为 3%

Freed 和 CliniScripts 不像其他记录员那样接受病历指令,因此按其默认病历进行评分。Lyrebird 不支持那次法语问诊,因此只录制了 12 次问诊中的 11 次。每款记录员支持哪些问诊的完整列表见结果页面。

我们如何判断哪款 AI 医疗记录员最好

“最好”需要先有定义才有意义。我们的定义是:能让临床医生在问诊结束后,用最短时间得到一份正确、完整病历的记录员。我们称之为病历定稿用时,它由两部分组成:按下停止后的等待时间,以及临床医生阅读草稿并修正错误所需的时间。

问诊样本。 基准测试使用 12 次录制的问诊。其中 8 次是来自公开数据集 PriMock57 的模拟全科问诊,涵盖胸痛、心力衰竭、疑似 TIA、湿疹、胃肠炎、过敏反应、情绪低落和泌尿系统症状。其余几次分别是一次全程使用印地语的问诊、一次法语和英语混合的问诊、一段简短的疼痛管理口述,以及一次 50 分钟的肌肉疗法(myotherapy)疗程,录音背景中有电视声和从另一个房间传来的人声。每段录音都可以在其测试页面上播放。

临床医生实际使用的产品。 脚本在一个可见的浏览器中驱动每款记录员自己的网页应用,按下录制,将问诊音频播放到麦克风输入,再按下停止。每款记录员听到的音频完全相同,并且每款记录员对其支持的每次问诊都至少录制了 5 次,因为结果会因轮次而异。

对照事实进行盲评。 每次问诊都有一份事实清单,列出所述的与患者病情、症状或体征相关的每一条事实,12 次问诊共计 358 条事实。这一做法遵循 Weiner 等(2020),他们将 105 名医生的病历与就诊录音进行了核对。同一次问诊的病历被打乱混合,并去除产品名称。每条事实被判定为完整记录、部分记录或遗漏,另有一轮单独审查会标记出病历中记载、但问诊内容并不支持的任何内容。遗漏或部分记录的事实计为一处病历错误,每个幻觉标记同样计为一处病历错误。

临床医生用时。 我们按以下方式估算审阅用时:以每分钟 190 个词的速度阅读病历,回忆并输入每一条遗漏的事实,以及核查并删除每一个幻觉标记。再加上实测的按下停止后的等待时间,即得到病历定稿用时。完整方法见方法论页面和我们的基准测试文章。

结果:12 次问诊中的最佳 AI 医疗记录员

排名记录员病历定稿用时每份病历的病历错误覆盖率每份病历的幻觉标记词错误率
1Hanah1 分 33 秒1.298%0.3612.8%
2Heidi3 分 25 秒+1 分 52 秒9.0+7.881%−17%1.013.6%
3CliniScripts4 分 03 秒+2 分 30 秒9.7+8.580%−18%1.413.0%
4Lyrebird4 分 06 秒+2 分 33 秒11.6+10.482%−16%3.417.7%
5Freed4 分 40 秒+3 分 07 秒8.3+7.187%−11%2.523.1%
6PatientNotes5 分 39 秒+4 分 06 秒18.0+16.861%−37%2.619.5%
病历定稿用时(越低越好)
  1. Hanah1分33秒
  2. Heidi3分25秒
  3. CliniScripts4分3秒
  4. Lyrebird4分6秒
  5. Freed4分40秒
  6. PatientNotes5分39秒
  7. 自己撰写病历8分6秒

按下停止键后的等待时间加上估算的审阅时间,为 12 次问诊、每次至少五轮的平均值。自己撰写病历:中位数 8.1 分钟,Apathy 等 2023。

在全部 12 次问诊中,问诊结束后 Hanah 病历平均在 1 分 33 秒后即可定稿。它捕获了 98% 的临床事实,每份病历有 1.2 处病历错误和 0.36 个幻觉标记,30% 的病历完全无需修改。其他记录员按原样即可定稿的病历比例都没有超过 3%。审阅并修改一份 Hanah 病历所用的时间比自己撰写少 83%。

无需修改即可定稿的病历(越高越好)
  1. Hanah30%
  2. PatientNotes3%
  3. CliniScripts2%
  4. Heidi0%
  5. Freed0%
  6. Lyrebird0%
  7. 医生撰写的病历10%

完整捕获所有事实且无幻觉标记的病历。医生数据:10% 的病历无错误,Weiner 等 2020。

Heidi 以 3 分 25 秒排名第二,每份病历 1.0 个幻觉标记,为第二少。它的病历捕获了 81% 的事实,因此其大部分审阅时间都花在补充遗漏内容上。CliniScripts 和 Lyrebird 紧随其后,用时约四分钟。Freed 的病历错误第二少,覆盖率第二高,但按下停止后病历生成较慢,平均 49 秒,而且其转录稿的词错误率是六款产品中最高的。

每份病历的错误数(越低越好)
  1. Hanah1.2
  2. Freed8.3
  3. Heidi9.0
  4. CliniScripts9.7
  5. Lyrebird11.6
  6. PatientNotes18.0
  7. 医生撰写的病历5.0

遗漏和仅部分记录的事实加上幻觉标记,盲评。医生数据:Weiner 等 2020,其计数标准比我们宽松。

差距在最差情况下最为明显。在所有轮次中,Hanah 审阅用时最长的一份病历为 2 分 36 秒。其他每款记录员都至少有一份病历的审阅用时超过七分半钟,几乎与从头撰写一样长。

各专科和语言的结果

平均值可能掩盖这样的情况:某款记录员在全科问诊中表现出色,但在长时间疗程或其他语言中表现很差。因此,我们还对每次问诊单独排名。Hanah 在每一次问诊中的病历定稿用时都排名第一。

领先幅度差异很大。在简短的疼痛管理口述中,领先的几款记录员非常接近,部分差异处于轮次间波动的范围内。在完整的全科问诊中,Hanah 的领先幅度很大:在这六次问诊中,它每份病历有 1.5 处病历错误,而其他记录员为 8.5 处到 19.6 处。全科医生文章列出了完整排名。

AI 医疗记录员的准确度,以及为什么仍要由医生签署病历

我们测试的每款 AI 医疗记录员都会不时记下问诊中没有说过的内容。以下是我们录音中的例子:在心力衰竭问诊中,患者已纠正医生说是比索洛尔(bisoprolol),但 Heidi 在 5 份病历中有 4 份写的是美托洛尔(metoprolol)。在全部 5 轮心力衰竭测试中,Lyrebird 的转录稿都出现了没有人说过的奥美拉唑(omeprazole)。在胸痛问诊中,Heidi、Freed 和 Lyrebird 在每一轮中都把“swell up”(肿起来)听成了“swallow”(吞咽)。每个案例都可以在其测试页面上查看,转录稿与病历并排显示。

已发表的研究也指向同一方向。研究结果在很大程度上取决于产品、场景和研究的开展方式,其中有几项研究与厂商存在关联。

研究场景发现
Lukac et al., NEJM AI 2025随机试验,238 名医生,约 72,000 次就诊使用其中一款记录员后,每份病历用时从 4 分 30 秒降至 3 分 49 秒;职业倦怠改善约 7%;病历偶尔存在具有临床意义的不准确之处
Duggan et al., JAMA Netw Open 2025美国某医疗系统,前后对照每次预约的病历用时减少 20%,下班后工作时间减少 30%
Olson et al., JAMA Netw Open 2025263 名临床医生,6 个美国医疗系统,无对照组30 天后职业倦怠率从 51.9% 降至 38.8%
Palm et al., Frontiers in AI 202597 次就诊,比较 AI 病历与医生病历31% 的 AI 病历和 20% 的医生病历中存在幻觉
Memon et al., BMC Health Serv Res 2026黄金海岸门诊,7,499 次问诊约 58% 的 AI 输出未经修改即被使用;47% 的受访员工报告遇到过幻觉
Biro et al. 202520 名全科医生审阅 AI 起草的患者回复每处预设的错误都有 65–75% 的审阅者未予纠正
每份病历的幻觉标记(越低越好)
  1. Hanah0.36
  2. Heidi1.00
  3. CliniScripts1.40
  4. Freed2.47
  5. PatientNotes2.58
  6. Lyrebird3.42
  7. 医生撰写的病历1.72

病历中记录了但问诊内容不支持的任何内容。医生数据:记录了未发生的事情,Weiner 等 2020。

最后这项研究最值得记住。审阅并不是完美的安全网。如果像 Biro 等所发现的那样,约 70% 的错误能在常规审阅后留存下来,那么每 100 份 Hanah 病历将有约 85 处错误进入病历档案,而医生亲自撰写的病历为 500 处,其他五款记录员为 583 处到 1,262 处。这是一个估算值,其依据在方法论页面上有说明,但它说明了即使每份病历都经过审阅,草稿的错误率依然很重要。

每 100 份病历中可能进入病历档案的错误(估算)
  1. Hanah85
  2. Freed583
  3. Heidi628
  4. CliniScripts678
  5. Lyrebird809
  6. PatientNotes1,262
  7. 医生撰写的病历500

每份病历错误数 × 100,再乘以 Biro 等 2025 中审阅后仍未被纠正的 70% 错误。医生病历归档时不经审阅。

Ahpra、RACGP 和 Avant 对谁承担风险的看法一致:临床医生。记录员起草病历,而你在签署时要对病历内容负责。

在澳大利亚,AI 医疗记录员要多少钱

以下是我们在 2026 年 11 月 16 日查看时,各厂商自己的价格页面上列出的价格。价格经常变动,购买前请先确认。

记录员免费方案付费方案(按所列)标示货币所述数据存储地点
Hanah有(Basic)每位从业者每月 A$100,按年付费为 A$80;Specialist 方案每月 A$250 起AUD澳大利亚、英国或美国
Heidi有每月 A$120,按年付费为 A$85;另有 Practice 和 Enterprise 方案AUD澳大利亚(合规页面)
Lyrebird有,且对 Best Practice 用户免费Pro 方案每月 $240,按年付费为 $160;诊所方案每月 $299 起 + GST$,未注明Enterprise 方案列有澳大利亚托管
Freed未说明每月 $39 到 $119$,未注明未说明
CliniScripts未说明每月 US$29 到 US$69;诊所方案每位用户每月 US$59USD 或 CAD未说明
PatientNotes未说明据报道每月 US$29 起;价格页面无法加载USD未说明

标价只是较小的成本。一位每天看 20 名患者的临床医生,花在审阅上的时间成本远高于订阅费。在我们的基准测试中,审阅一份 Hanah 病历用时 1 分 24 秒,一份 Heidi 病历用时 2 分 58 秒。按每天 20 份病历计算,这一差距约为半小时,而且每天如此,其价值超过表中任何一个方案。

每份病历的审阅用时(越低越好)
  1. Hanah1分24秒
  2. Heidi2分58秒
  3. Lyrebird3分43秒
  4. CliniScripts3分50秒
  5. Freed4分5秒
  6. PatientNotes5分11秒
  7. 自己撰写病历8分6秒

阅读草稿并修正每个遗漏事实和幻觉标记的估算用时,为 12 次问诊的平均值。

有免费的 AI 医疗记录员吗?

有。Hanah、Heidi 和 Lyrebird 都列出了免费方案,Lyrebird 还表示使用 Best Practice 的临床医生可免费使用。免费方案是用自己的问诊试用记录员的好方法,但通常会限制功能、模板或用量,而且限制条件会变化。在对每位患者都依赖它之前,请先确认免费方案包含哪些内容。

我们的基准测试使用的是每款记录员的普通登录账户,因此结果反映的是你从产品中得到的病历,而不特指免费或付费的某一档方案。

隐私、知情同意与 TGA

知情同意。 Ahpra 要求在使用 AI 医疗记录员前取得患者的知情同意,并记录在病历中。Avant 建议第一次进行详细说明,之后每次问诊进行口头确认,并且每次都加以记录。RACGP 表示,可根据你所在医疗责任保险机构的建议,采用书面或口头同意。

数据。 这三个机构都建议你弄清楚音频、转录稿和病历存储在哪里、保存多长时间,以及厂商是否使用患者数据训练其模型。数据存储在海外会带来《隐私法》(Privacy Act)下的额外义务。在我们测试的六款记录员中,Heidi 表示其数据托管在澳大利亚,Lyrebird 在其 Enterprise 方案中列有澳大利亚托管,Hanah 则将澳大利亚列为其存储地区之一。其他三款没有在价格页面上说明存储地点,请直接向它们询问。

TGA。 根据 TGA 的数字记录员指南,仅进行录音和转录的记录员不属于医疗器械。如果记录员会建议诊断或治疗、对患者进行分诊或得出临床结论,则很可能属于医疗器械,免责声明并不能解决这一问题。TGA 在 2026 年审查了 12 款数字记录员,据 Medical Republic 报道,其中 8 款很可能具有医疗器械功能。TGA 没有公布具体名称。RACGP 的页面仍然表示记录员不属于医疗器械,因此应以 TGA 的指南为准。

在我们的评分中,只有当临床医生说出了某项诊断时,该诊断才计为一条事实。如果记录员加入了没有人作出的诊断,就会被计一个幻觉标记,这正是 TGA 所关注的行为。

如何开展一次真正能做出决定的两周 AI 医疗记录员试用

大多数诊所试用记录员的方式是用上几天,然后问问自己是否感觉更快了。这样很难区分两款好产品,因为真正重要的差异,比如遗漏了一种药物或编造了一个症状,在逐份查看病历时很容易被忽略。

更好的试用方式是在同样的问诊上比较各款记录员。你可以从我们的问诊开始:基准测试中的每段录音都可以播放或下载,因此你可以用同样的音频测试你正在考虑的任何记录员,并将它的病历与我们评分过的病历进行比较。然后再用你自己的工作进行测试。

推荐的试用方案

  1. 选择两到三款记录员,其中包括我们排名前两位中的一款。
  2. 第一周,用每款记录员处理我们同样的五段录音,并对照转录稿统计遗漏和编造的事实。
  3. 第二周,在取得同意的前提下将每款记录员用于真实问诊,并记录你在签署前修改每份病历所花的时间。
  4. 统计无需修改即可签署的病历数量,并查看每款记录员生成的最差病历,而不只是看平均值。
  5. 在做出选择之前,以书面形式确认数据存储、知情同意措辞以及与诊所软件的集成。

关于澳大利亚最佳 AI 医疗记录员的总结

根据我们现有的证据,Hanah 是澳大利亚诊所的最佳 AI 医疗记录员。在我们的 12 次问诊中,它的病历定稿用时次次排名第一;其病历错误约为排名第二的记录员的七分之一;它也是唯一一款每份病历错误数低于已发表的医生亲自撰写病历数据的记录员。

Heidi 排名第二。它在速度和幻觉上均排名第二,数据存储在澳大利亚,并提供免费方案,但其病历遗漏了约五分之一的事实。Lyrebird、CliniScripts 和 Freed 彼此接近,PatientNotes 在大多数指标上排名最后。我们的 Heidi 评测和 Hanah 结果提供了更多细节。

本基准测试存在局限。审阅用时是根据固定的阅读和输入速度估算的;无论临床后果如何,每个幻觉标记都只计一次;我们也没有测试用户体验或与诊所软件的集成。每段录音、转录稿、病历和评分理由都发布在一个 JSON 文件中,因此任何拥有这些记录员账户的人都可以核查我们的数据。

常见问题

澳大利亚最好的 AI 医疗记录员是哪一款?

我们用 12 次录制的问诊对六款 AI 医疗记录员进行了基准测试,Hanah 表现最好。它的每份病历有 1.2 处错误,而其他记录员为 8.3 处到 18.0 处;问诊结束后 1 分 33 秒,它的病历即可定稿。Heidi 的病历定稿用时排名第二。

你们如何判断哪款 AI 医疗记录员最好?

每款记录员都通过自己的网页应用,对同样的 12 次问诊各录制至少 5 次。每份病历都对照一份包含 358 条临床事实的清单进行盲评,并按病历定稿用时对记录员排名,即按下停止后的等待时间,加上临床医生审阅并修改病历所需的时间。

在澳大利亚,AI 医疗记录员要多少钱?

根据 2026 年 11 月各厂商的价格页面,面向个人临床医生的付费方案约为每月 $80 到 $240,按年付费更便宜。Heidi、Lyrebird 和 Hanah 都列出了免费方案。Freed、CliniScripts 和 PatientNotes 以美元或未注明的货币标价。

有免费的 AI 医疗记录员吗?

有。Heidi、Lyrebird 和 Hanah 都列出了免费方案,Lyrebird 还表示 Best Practice 用户可免费使用。免费方案通常会限制功能或用量,因此在依赖某一款之前,请先用自己一周的问诊对它们进行比较。

AI 医疗记录员的准确度如何?

不同产品之间差异很大。在我们的 12 次问诊中,各记录员捕获了所述临床事实的 61% 到 98%,每份病历有 1.2 处到 18.0 处病历错误。已发表的研究也发现了幻觉:一项 2025 年的评估发现,31% 的 AI 病历和 20% 的医生病历中存在幻觉。

AI 医疗记录员会编造内容吗?

我们测试的每款记录员都会不时记下问诊中没有说过的内容。Hanah 平均每份病历有 0.36 个这样的幻觉标记,Heidi 为 1.0 个,CliniScripts 为 1.4 个,Freed 为 2.5 个,PatientNotes 为 2.6 个,Lyrebird 为 3.4 个。

AI 生成的临床病历在法律上由谁负责?

由临床医生负责。Ahpra、RACGP 和 Avant 都表示,从业者必须在病历存入档案前核实其准确性。记录员负责起草,由你签署。

使用 AI 医疗记录员需要患者同意吗?

需要。Ahpra 要求取得知情同意,并记录在病历中。Avant 建议第一次详细说明,之后每次问诊进行口头确认,并且每次都加以记录。

AI 医疗记录员受 TGA 监管吗?

根据 TGA 的指南,仅进行录音和转录的记录员不属于医疗器械。如果记录员会建议诊断或治疗、对患者进行分诊或得出临床结论,则很可能属于医疗器械,免责声明并不能改变这一点。

Heidi 还是 Lyrebird:澳大利亚诊所应该选哪一款?

在我们的基准测试中,Heidi 在病历定稿用时(3 分 25 秒对 4 分 6 秒)、病历错误(9.0 处对 11.6 处)和幻觉标记(1.0 个对 3.4 个)上都领先于 Lyrebird。Lyrebird 对 Best Practice 用户免费。在每一项病历质量指标上,两者都落后于 Hanah。

参考来源

  1. Weiner SJ et al. How accurate is the medical record? A comparison of the physician's note with a concealed audio recording in unannounced standardized patient encounters. JAMIA, 2020. 我们对病历评分所依据的错误标准,以及医生亲自撰写的病历平均每份 5.0 处错误
  2. Apathy NC et al. Documentation dynamics: note composition, burden, and physician efficiency. Health Services Research, 2023. 203,728 名医生每次就诊撰写病历的中位用时为 8.1 分钟
  3. Biro JM et al. Opportunities and risks of artificial intelligence in patient portal messaging in primary care. npj Digital Medicine, 2025. 65–75% 的审阅全科医生未能发现预设的错误,这是我们估算进入病历档案的错误数的依据
  4. Papadopoulos Korfiatis A et al. PriMock57: a dataset of primary care mock consultations. ACL, 2022. 我们 12 次问诊中有 8 次来自该数据集
  5. Lukac PJ et al. Ambient AI scribes in clinical practice: a randomized trial. NEJM AI, 2025 (UCLA Health summary)
  6. Tierney AA et al. Ambient artificial intelligence scribes to alleviate the burden of clinical documentation. NEJM Catalyst, 2024
  7. Olson KD et al. Use of ambient AI scribes to reduce administrative burden and professional burnout. JAMA Network Open, 2025
  8. Duggan MJ et al. Clinician experiences with ambient scribe technology. JAMA Network Open, 2025
  9. Palm E et al. Assessing the quality of AI-generated clinical notes. Frontiers in Artificial Intelligence, 2025
  10. Memon S et al. Ambient listening scribe technology in an outpatient context: a mixed methods trial evaluation. BMC Health Services Research, 2026
  11. UW School of Medicine and Public Health. Ambient AI improves practitioner well-being. 2025
  12. RACGP. Health of the Nation 2025: GP perceptions of the profession
  13. newsGP. GPs' AI scribe use doubles in one year: poll. December 2025
  14. Avant. AI scribes: rapid uptake in 6 months. June 2025
  15. Ahpra. Meeting your professional obligations when using artificial intelligence in healthcare
  16. RACGP. Artificial intelligence (AI) scribes
  17. Avant. AI scribes and patient consent. January 2025
  18. TGA. Digital scribes
  19. Medical Republic. Report on the TGA's digital scribe review outcomes. October 2026
  20. Vendor pricing pages: Heidi, Lyrebird, Hanah, Freed, CliniScripts (checked 16 November 2026). 另见 lyrebirdhealth.com/au/pricing、hanah.health/pricing、getfreed.ai/pricing 和 cliniscripts.com/pricing

本文数据来自 ScribeStandard 基准测试。请查看完整结果、各项测试以及测试方法。