Automatyczne transkrypcje mają odciążać lekarzy, ale w praktyce potrafią wydłużać pracę i wprowadzać groźne przekłamania. Problem nie dotyczy tylko technologii, lecz także odpowiedzialności i jakości dokumentacji medycznej.
Obietnica oszczędności czasu
W ochronie zdrowia automatyzacja dokumentacji kusi prostą obietnicą: lekarz rozmawia z pacjentem, a system sam tworzy notatkę z wizyty. W realiach dyżurów i przeciążonych przychodni brzmi to jak rozwiązanie oczywiste, zwłaszcza gdy presja na „papierologię” rośnie szybciej niż liczba dostępnych rąk do pracy.
Tyle że w praktyce „czas zaoszczędzony” bywa tylko przeniesiony w inne miejsce procesu. Zamiast pisać od zera, klinicysta musi czytać, weryfikować i poprawiać długą transkrypcję, często w warunkach pośpiechu. A jeśli dokument ma posłużyć kolejnemu lekarzowi, weryfikacja wraca jak bumerang – bo zaufanie do zapisu staje się ograniczone.
Gdzie technologia się wykłada
Najpoważniejszy problem nie dotyczy literówek, lecz sensu. Systemy rozpoznawania mowy i narzędzia transkrypcyjne potrafią „dosłyszeć” coś, czego nie było, pomylić nazwy leków, dawki albo rozpoznać diagnozę w sposób sprzeczny z tym, co faktycznie powiedziano. W medycynie taka pomyłka nie jest błędem kosmetycznym – może zmienić decyzję terapeutyczną.
Dochodzi do tego zjawisko wewnętrznej niespójności: w jednym miejscu notatki pojawia się informacja, która w kolejnym akapicie zostaje podważona. Dla osoby, która nie uczestniczyła w rozmowie, taki zapis jest jak mapa z dwiema różnymi legendami. W efekcie rośnie ryzyko, że ktoś oprze się na fragmencie błędnym, bo brzmi wiarygodnie i „jest w dokumentacji”.
Dyżury i triage: podwójna praca
W opiece doraźnej częsty jest scenariusz wieloetapowy: pacjent najpierw przechodzi wstępną ocenę telefoniczną, a dopiero potem trafia do lekarza na miejscu. W takim modelu notatka z triage ma być skrótem, który pozwala szybko zorientować się w sytuacji i zadać właściwe pytania. Jeśli jednak zapis wygenerowany przez agenty AI jest długi, powtarzalny i pełen dygresji, przestaje pełnić funkcję narzędzia, a staje się przeszkodą.
Co gorsza, gdy lekarz widzi, że w takich notatkach regularnie pojawiają się znaczące błędy, przestaje traktować je jako wiarygodne źródło. Wtedy zamiast „oszczędności czasu” mamy powtórkę wywiadu od początku, bo bezpieczniej jest sprawdzić wszystko samemu. To nie tylko wydłuża wizytę, ale też zwiększa frustrację pacjenta, który ma poczucie, że mówi to samo po raz kolejny.
Dlaczego korekta nie jest prosta
Łatwo powiedzieć: „wystarczy sprawdzić przed zatwierdzeniem”. Tyle że korekta własnego tekstu – zwłaszcza tworzonego automatycznie i pod presją czasu – jest zaskakująco trudna. Mózg dopowiada brakujące elementy, przeskakuje powtórzenia, a w natłoku obowiązków łatwo przeoczyć błąd, który wygląda „prawie dobrze”.
W medycynie stawka jest wysoka, a margines na pomyłkę mały. Jeśli narzędzie generuje dłuższy materiał niż potrzeba, z wieloma wariantami tej samej informacji, to ryzyko przeoczenia rośnie. Paradoksalnie więc system, który miał zdejmować obciążenie, może zwiększać obciążenie poznawcze – lekarz nie tylko leczy, ale też prowadzi audyt tekstu.
Utrata kompetencji, której nie widać od razu
Jest jeszcze mniej oczywisty koszt: erozja umiejętności syntetyzowania historii choroby. Przekucie chaotycznej, emocjonalnej opowieści pacjenta w klarowny, zrozumiały dla kolegi zapis to kompetencja, której uczy się latami. To także element bezpieczeństwa – dobra notatka nie jest stenogramem, tylko uporządkowaną informacją kliniczną.
Jeśli dokumentacja zacznie powstawać „sama”, młodsi lekarze mogą rzadziej ćwiczyć tę umiejętność, a starsi – stopniowo ją tracić. Skutek nie pojawi się w statystykach po miesiącu, ale po latach: gorsza komunikacja między personelem, większa liczba nieporozumień i mniej precyzyjne przekazywanie kluczowych danych.
Co powinno się zmienić, zanim stanie się standardem
Jeżeli transkrypcje mają być realnym wsparciem, muszą być projektowane pod kliniczną użyteczność: krótkie, uporządkowane, z wyraźnym rozdzieleniem faktów od hipotez i z mechanizmami sygnalizowania niepewności. Stenogram rozmowy nie zastąpi notatki medycznej, bo cele są inne: rozmowa jest pełna dygresji, a dokumentacja ma prowadzić do decyzji.
Równie ważne są zasady odpowiedzialności i wdrożenia. Narzędzie, które bywa omylne w nazwach leków czy rozpoznaniach, nie może być traktowane jak neutralny „sekretarz”. W praktyce staje się współautorem dokumentacji, a więc wymaga standardów jakości, testów w realnych warunkach i jasnego określenia, kto i jak zatwierdza treść.
Między wygodą a bezpieczeństwem
Anegdotyczne pomyłki w rozpoznawaniu mowy potrafią bawić, bo brzmią absurdalnie. Ale w gabinecie lekarskim absurd może mieć konsekwencje: błędna nazwa leku, dawka albo wskazanie to nie żart językowy, tylko potencjalny błąd medyczny. Dlatego zachwyt nad „automatycznym pisaniem” powinien ustąpić chłodnej ocenie ryzyka.
Wniosek jest prosty: agenty AI mogą pomagać, ale tylko wtedy, gdy poprawiają jakość i skracają pracę bez przerzucania kosztów na korektę oraz bez osłabiania kompetencji klinicznych. W przeciwnym razie zamiast mniej biurokracji dostaniemy więcej niepewności – a na to system ochrony zdrowia nie może sobie pozwolić.
Oryginalny tekst: AI transcriptions are no time-saving measure for doctors | Letters