Examine Clinicians' Modification of Hedging Language in Ambient AI Documentation: A Comparative Study of AI Drafts and Final Notes
本研究分析了 62,811 组配对的 AI 生成环境草案与临床医生编辑后的笔记，旨在揭示临床医生在修订过程中会系统性地引入更多模棱两可的语言并转向更大的不确定性，且在不同的 AI 供应商和临床专业领域之间观察到了显著差异。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，一次医生问诊就像是一场由一个非常快速、非常聪明的机器人速记员记录的对话。这个机器人，也就是“环境人工智能”（Ambient AI），倾听医生与患者之间的聊天，并立即写出一份病历草稿。然而，在这些笔记成为患者永久记录的正式部分之前，医生必须阅读并修改它们。
这项研究就像是一个“找不同”的游戏。研究人员查看了数千份这些 AI 草稿以及医生最终签字认可的版本。他们的核心问题是：当医生修改机器人的文字时，他们是让笔记听起来更自信了，还是更不确定了？
以下是他们发现的研究结果，使用了简单的类比：
1. “安全网”效应
在医学领域，医生经常使用“对冲”（hedging）语言。你可以把这想象成一种语言上的安全网。医生不会说，“你肯定得了流感”，而是可能会说，“看起来像是流感”，或者“我们无法排除流感的可能性”。这并不是因为他们感到困惑；而是因为医学很少有 100% 的确定性，而这些词汇可以保护医生，以免在未来出现新信息时出错。
研究发现，当医生编辑 AI 的草稿时，他们增加了更多这类“安全网”。
- 类比： 想象 AI 写了一个句子：“患者腿部骨折。”医生将其改为：“患者可能腿部骨折。”
- 结果： 医生比起删除这些词，更倾向于添加像“可能”、“疑似”或“也许”之类的词。他们正在将 AI 那些确定的陈述转化为更谨慎、更符合医学准确性的表述。
2. “模棱两可”的倾向
当研究人员仔细观察医生替换掉的具体词汇时，他们看到了一个清晰的模式。
- 类比： 如果 AI 说：“这肯定是个问题，”医生通常会将其改为：“这可能是个问题。”
- 结果： 编辑过程始终将笔记推向更大的不确定性。医生并不是试图让 AI 听起来更果断，而是试图让它听起来更谦逊、更谨慎。
3. 不同的机器人，不同的草稿
研究调查了两家不同的 AI 公司（供应商 A 和供应商 B）。
- 类比： 把它们想象成两位不同的厨师。厨师 A 写的食谱可能有 90% 的正确率，而厨师 B 写的则有 85%。
- 结果： 两位厨师都需要医生为他们的食谱添加更多“也许”和“可能”之类的词。然而，所需的编辑量在两者之间略有不同。其中一个 AI 系统生成的草稿需要更多的“谨慎处理”，但整体趋势是一致的：医生让这两个系统都变得更加不确定。
4. 不同的专业，不同的细微差别
研究人员还检查了不同领域的医生（例如心脏科专家与皮肤科医生）是否编辑方式不同。
- 类比： 木匠和油漆匠都可能会修正机器人的蓝图，但他们修正的部分可能不同。
- 结果： 虽然全科医生（初级保健）和专科医生通常做的是同样的事情（增加不确定性），但其具体细节因专业领域而异。某些医学领域天生涉及更多的猜测，因此他们的笔记最终呈现出不同程度的“对冲”语言。
总结
AI 非常擅长倾听和打字，但它往往在猜测时显得过于自信。医生充当了质量控制经理的角色，介入其中，加入必要的“波动”和“也许”，以确保笔记能够反映现实医疗中那种混乱且具有不确定性的真实情况。他们不仅仅是在修正拼写错误；他们是在修正笔记的信心水平，确保最终的记录是安全、准确，并且诚实地对待已知事实与尚在猜测之间的界限。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。