[논문 리뷰] Consumer-to-Clinical Language Shifts in Ambient AI Draft Notes and Clinician-Finalized Documentation: A Multi-level Analysis

Ha Na Cho, Yawen Guo외 6명|arXiv (Cornell University)|2026. 03. 18.

Electronic Health Records Systems인용 수 0

한 줄 요약

본 연구는 임상가가 주변 AI 초안 노트를 편집하여 소비자 용어를 표준 임상 용어로 정규화하는 정도를 정량화하고, 소비자 용어의 현저한 감소와 Assessment and Plan 섹션에서 가장 큰 변환이 나타났음을 대규모 데이터셋에서 보여준다.

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.

연구 동기 및 목표

• 실제 업무 흐름에서 주변 AI 초안 노노가 임상 용어와 어떻게 차이가 나는지 이해를 촉진한다.
• 의사 편집 중 소비자 용어에서 임상 용어로의 변환의 범위와 분포를 측정한다.
• 가장 많은 변환이 나타나는 노트 섹션과 임상의 간 행동 차이가 어떻게 나타나는지 식별한다.

제안 방법

• 동일 노트 섹션 내에서 소비자 용어를 임상 용어로 대체하는 것을 탐지하기 위해 사전 확인된 변환 프레임워크를 사용한다.
• 34,726회의 만남에서 71,173개의 AI-초안 및 최종 노트 섹션 쌍을 분석한다.
• 변환 수, 소비자 용어의 밀도, 섹션별 변환 용량을 계산한다.
• 의사 간 변이를 통계적 검정으로 특성화하고 유의성을 평가한다(p-값 보고).
• 가장 많이 변환된 섹션을 식별하고 전반적인 변환 강도를 정량화한다.

실험 결과

연구 질문

• RQ1 의사가 주변 AI 초안 노트를 편집할 때 소비자 용어에서 임상 용어로의 언어 정규화 정도는 어느 정도인가?
• RQ2 소비자 용어에서 임상 용어로 가장 많은 변환이 일어나는 노트 섹션은 어느 것인가?
• RQ3 개별 임상의 간 변환 강도는 어떻게 달라지는가?
• RQ4 주변 AI 초안이 최종 노트의 용어 밀도에 미치는 전반적 영향은 무엇인가?

주요 결과

• 편집은 모든 섹션에서 용어 밀도를 유의하게 감소시켰다(p < 0.001).
• Assessment and Plan은 가장 큰 변환 부피를 차지했다(59.3%).
• 7,576건의 변환 이벤트가 4,114개의 노트 섹션에 걸쳐 발생했다(5.8%).
• 이러한 변환은 소비자 용어 삭제의 1.2%를 차지했다.
• 임상의 개별 간 변환 강도는 다양했고(p < 0.001).