[論文レビュー] Consumer-to-Clinical Language Shifts in Ambient AI Draft Notes and Clinician-Finalized Documentation: A Multi-level Analysis

Ha Na Cho, Yawen Guo+6 more|arXiv (Cornell University)|Mar 18, 2026

Electronic Health Records Systems被引用数 0

ひとこと要約

研究は、臨床医が ambient AI のドラフトノートを編集して消費者向け語の用語を標準的な臨床語へ正規化する方法を定量化し、消費者用語の大幅な削減と「Assessment and Plan」セクションでの最大の変換を大規模データセットで示しています。

ABSTRACT

Ambient AI generates draft clinical notes from patient-clinician conversations, often using lay or consumer-oriented phrasing to support patient understanding instead of standardized clinical terminology. How clinicians revise these drafts for professional documentation conventions remains unclear. We quantified clinician editing for consumer-to- clinical normalization using a dictionary-confirmed transformation framework. We analyzed 71,173 AI-draft and finalized-note section pairs from 34,726 encounters. Confirmed transformations were defined as replacing a consumer expression with its dictionary-mapped clinical equivalent in the same section. Editing significantly reduced terminology density across all sections (p < 0.001). The Assessment and Plan accounted for the largest transformation volume (59.3%). Our analysis identified 7,576 transformation events across 4,114 note sections (5.8%), representing 1.2% consumer-term deletions. Transformation intensity varied across individual clinicians (p < 0.001). Overall, clinician post-editing demonstrates consistent shifts from conversational phrasing toward standardized, section- appropriate clinical terminology, supporting section-aware ambient AI design.

研究の動機と目的

• ambient AI のドラフトノートが実世界のワークフローで臨床語と乖離する理解を動機づける。
• 臨床医の編集中に起こる消費者語彙から臨床語彙への変換の程度と分布を測定する。
• どのノートセクションが最も変換を示すか、および臨床医の挙動が practitioners ごとにどう異なるかを特定する。

提案手法

• 同一ノートセクション内での消費者語→臨床語の語彙置換を検出する辞書確認型変換フレームワークを使用する。
• 34,726 件の encounters から 71,173 の AIドラフトと確定ノートセクションペアを分析する。
• 変換数、消費者語の密度、セクション別の変換量を計算する。
• 統計検定で臨床医間のばらつきを特徴づけ、有意性を評価する（p値を報告）。
• 最も変換されたセクションを特定し、全体の変換強度を定量化する。

実験結果

リサーチクエスチョン

• RQ1 臨床医が ambient AI のドラフトノートを編集する際、消費者語彙から臨床語彙への正規化の程度はどの程度か。
• RQ2 どのノートセクションが消費者語から臨床語彙へ最も多く変換されるか。
• RQ3 個々の臨床医間で変換強度はどのように異なるか。
• RQ4 確定ノートにおける用語密度に対する ambient AIドラフトの全体的影響はどの程度か。

主な発見

• 編集は全セクションで用語密度を有意に低減させた（p < 0.001）。
• Assessment and Plan が最大の変換量を占めた（59.3%）。
• 4,114 ノートセクションで 7,576 件の変換イベントが発生した（5.8%）。
• これらの変換は 1.2% の消費者語の削除に相当した。
• 変換強度は個々の臨床医間で異なりうる（p < 0.001）。