ഇന്ത്യയിലെ ഡോക്ടർമാർക്കുള്ള AI സ്ക്രൈബുകൾ: തെളിവുകൾ എന്തു പറയുന്നു, എന്തൊക്കെ ചോദിക്കണം

മിക്ക ഡോക്ടർമാരും ആദ്യം പരിചയപ്പെടുന്ന AI ഉപകരണം ആംബിയന്റ് AI സ്ക്രൈബുകളാണ് (ambient AI scribes). അതിന്റെ വാഗ്ദാനം ലളിതമാണ്: സ്ക്രൈബ് കൺസൾട്ടേഷൻ കേൾക്കുന്നു, നോട്ടിന്റെ കരട് തയ്യാറാക്കുന്നു, ഡോക്ടർ ടൈപ്പ് ചെയ്യുന്നത് നിർത്തുന്നു. ഒരു ഔട്ട്‌പേഷ്യന്റ് സെഷനിൽ അറുപത് രോഗികളെ കാണുന്ന ഡോക്ടർക്ക്, ഓരോ രോഗിയിലും ലഭിക്കുന്ന ചെറിയ ലാഭം പോലും കൂട്ടിവരുമ്പോൾ വലുതാകും.

സ്ക്രൈബുകൾ യഥാർത്ഥത്തിൽ എന്തു ചെയ്യുന്നു, എന്തു ചെയ്യുന്നില്ല എന്നു പറയാൻ മതിയായ തെളിവുകൾ ഇപ്പോൾ ലഭ്യമാണ്. ഈ ലേഖനം അവയെ സംഗ്രഹിക്കുന്നു, ഇന്ത്യൻ കൺസൾട്ടേഷനുകളിൽ എന്താണ് വ്യത്യസ്തമെന്ന് വിശദീകരിക്കുന്നു, ഒന്ന് തിരഞ്ഞെടുക്കുന്നതിനു മുമ്പ് ചോദിക്കേണ്ട ചോദ്യങ്ങൾ പട്ടികപ്പെടുത്തുന്നു.

ആംബിയന്റ് സ്ക്രൈബ് എങ്ങനെ പ്രവർത്തിക്കുന്നു

1. കൺസൾട്ടേഷൻ റെക്കോർഡ് ചെയ്യുമെന്ന് രോഗിയെ അറിയിക്കുന്നു, രോഗി സമ്മതിക്കുന്നു.
2. സംഭാഷണം റെക്കോർഡ് ചെയ്ത് എഴുത്തുരൂപത്തിലാക്കുന്നു.
3. ആ എഴുത്തുരൂപത്തിൽ (ട്രാൻസ്ക്രിപ്റ്റ്) നിന്ന് ഒരു ഭാഷാ മോഡൽ (ലാംഗ്വേജ് മോഡൽ) ക്ലിനിക്കൽ നോട്ടിന്റെ കരട് തയ്യാറാക്കുന്നു: പരാതികൾ, രോഗചരിത്രം, പരിശോധനയിലെ കണ്ടെത്തലുകൾ, വിലയിരുത്തൽ, ചികിത്സാ പദ്ധതി.
4. ഡോക്ടർ കരട് വായിച്ച്, തിരുത്തി, ഒപ്പിടുന്നു. അതിനു ശേഷം മാത്രമേ അത് റെക്കോർഡിന്റെ ഭാഗമാകൂ.

അവസാനത്തെ ഘട്ടമാണ് പ്രധാനം. സ്ക്രൈബ് തയ്യാറാക്കുന്നത് ഒരു കരടാണ്, റെക്കോർഡല്ല.

ട്രയലുകളിൽ കണ്ടെത്തിയത്

ലാഭിക്കുന്ന സമയം: യഥാർത്ഥമാണ്, പക്ഷേ നേരിയത്. ഏറ്റവും ശക്തമായ തെളിവ് UCLA-യിൽ നടന്ന, 2025-ൽ NEJM AI-ൽ പ്രസിദ്ധീകരിച്ച ഒരു ക്രമരഹിത പരീക്ഷണമാണ് (റാൻഡമൈസ്ഡ് ട്രയൽ). 14 സ്പെഷ്യാലിറ്റികളിലെ 238 ഡോക്ടർമാരിൽ, രണ്ട് വാണിജ്യ സ്ക്രൈബുകളെ സാധാരണ രീതിയുമായി (usual care) അത് താരതമ്യം ചെയ്തു. ഒരു സ്ക്രൈബ് സാധാരണ രീതിയെ അപേക്ഷിച്ച് നോട്ടുകൾ എഴുതാനുള്ള സമയം 9.5% കുറച്ചു; മറ്റേതു കൊണ്ട് കാര്യമായ വ്യത്യാസമൊന്നും ഉണ്ടായില്ല.

2026-ൽ JAMA-യിൽ പ്രസിദ്ധീകരിച്ച, ഇതിലും വലിയ ഒരു നിരീക്ഷണ പഠനം (ഒബ്സർവേഷണൽ സ്റ്റഡി), അഞ്ച് അക്കാദമിക് കേന്ദ്രങ്ങളിലെ 8,581 ചികിത്സകരെ (ക്ലിനീഷ്യന്മാർ) പിന്തുടർന്നു; അവരിൽ 1,809 പേർ സ്ക്രൈബ് ഉപയോഗിക്കാൻ തുടങ്ങി. രോഗികളെ കാണാൻ ഷെഡ്യൂൾ ചെയ്ത ഓരോ എട്ടു മണിക്കൂറിനും, ഉപയോഗിച്ചവർ ഡോക്യുമെന്റേഷനിൽ ഏകദേശം 16 മിനിറ്റും EHR-ൽ 13 മിനിറ്റും കുറവു ചെലവഴിച്ചു; ഓരോ ആഴ്ചയും ഏകദേശം അര വിസിറ്റ് കൂടുതൽ കണ്ടു. ഈ ഫലങ്ങൾ നേരിയതാണെന്ന് രചയിതാക്കൾ വിശേഷിപ്പിച്ചു. ജോലിസമയത്തിനു ശേഷം റെക്കോർഡുകളിൽ ചെലവഴിച്ച സമയത്തിൽ കാര്യമായ മാറ്റമുണ്ടായില്ല.

ജോലിത്തളർച്ച (ബേൺഔട്ട്): മിക്കവാറും മെച്ചം. UCLA ട്രയലിൽ, ബേൺഔട്ട്, ജോലിഭാരം, ജോലിമൂലമുള്ള ക്ഷീണം എന്നിവയുടെ അളവുകൾ രണ്ടു സ്ക്രൈബുകളിലും മെച്ചപ്പെടൽ സൂചിപ്പിച്ചു. 2025-ൽ തന്നെ NEJM AI-ൽ പ്രസിദ്ധീകരിച്ച, സ്റ്റെപ്പ്ഡ്-വെഡ്ജ് (stepped-wedge) രീതിയിലുള്ള മറ്റൊരു ട്രയലിൽ, ജോലിമൂലമുള്ള ക്ഷീണം കുറഞ്ഞു, എന്നാൽ തൊഴിൽപരമായ സംതൃപ്തി കൂടിയില്ല; ഡോക്യുമെന്റേഷൻ സമയം കുറഞ്ഞു, എന്നാൽ നോട്ടിന്റെ ഗുണനിലവാരം കുറഞ്ഞില്ല.

തെറ്റുകൾ: വല്ലപ്പോഴും, പക്ഷേ അവ പ്രധാനമാണ്. UCLA ട്രയലിൽ, ക്ലിനിക്കലായി പ്രാധാന്യമുള്ള തെറ്റുകൾ “വല്ലപ്പോഴും” ഉണ്ടായതായി ചികിത്സകർ റിപ്പോർട്ട് ചെയ്തു; ട്രയലിൽ നേരിയ ഒരു പ്രതികൂല സംഭവം രേഖപ്പെടുത്തി. AI എഴുതിയ ക്ലിനിക്കൽ സംഗ്രഹങ്ങളെക്കുറിച്ചുള്ള പഠനങ്ങൾ ഇതിന്റെ തോതിനെക്കുറിച്ച് ഒരു ധാരണ നൽകുന്നു: 2025-ൽ npj Digital Medicine-ൽ പ്രസിദ്ധീകരിച്ച ഒരു പഠനം, 1.47% വാക്യങ്ങളിൽ പറയാത്ത ഒരു കാര്യം ഉണ്ടായിരുന്നുവെന്നും 3.45% വാക്യങ്ങളിൽ എന്തെങ്കിലും വിട്ടുപോയിരുന്നുവെന്നും കണ്ടെത്തി.

സത്യസന്ധമായ സംഗ്രഹം ഇതാണ്: സ്ക്രൈബ് കുറച്ചു സമയം ലാഭിക്കുന്നു, ബേൺഔട്ട് കുറച്ചേക്കാം, അത് എഴുതിയത് വായിക്കുന്ന ഒരു ഡോക്ടർ അതിന് ആവശ്യമാണ്.

ഇന്ത്യൻ കൺസൾട്ടേഷനുകളിൽ എന്താണ് വ്യത്യസ്തം

ആ പഠനങ്ങളെല്ലാം നടന്നത് അമേരിക്കയിലാണ്; ഫലത്തെ ഏതു ദിശയിലേക്കും മാറ്റാവുന്ന തരത്തിൽ ഇന്ത്യൻ ചികിത്സാരീതി വ്യത്യസ്തമാണ്.

• ഭാഷ. പല ഇന്ത്യൻ കൺസൾട്ടേഷനുകളും ഇംഗ്ലീഷിനും ഹിന്ദി, തമിഴ്, തെലുങ്ക് അല്ലെങ്കിൽ മറ്റൊരു ഭാഷയ്ക്കും ഇടയിൽ മാറിമാറി നീങ്ങുന്നു, ചിലപ്പോൾ ഒരേ വാക്യത്തിനുള്ളിൽ തന്നെ. ഇങ്ങനെ ഭാഷകൾ കലർന്ന (കോഡ്-മിക്സ്ഡ്) ക്ലിനിക്കൽ സംസാരത്തിനുള്ള സംസാരം തിരിച്ചറിയൽ സാങ്കേതികവിദ്യയെക്കുറിച്ച് (സ്പീച്ച് റെക്കഗ്നിഷൻ) ഇംഗ്ലീഷിനെ അപേക്ഷിച്ച് വളരെ കുറച്ചേ പഠനം നടന്നിട്ടുള്ളൂ; സിസ്റ്റങ്ങൾ ഏറ്റവുമധികം പരാജയപ്പെടുന്നത് ഇവിടെയാണെന്ന് പ്രാരംഭ ഗവേഷണം സൂചിപ്പിക്കുന്നു.
• രോഗികളുടെ എണ്ണം. തിരക്കേറിയ ഒരു OPD, ഒരു അമേരിക്കൻ ക്ലിനിക്കിനെക്കാൾ വളരെയധികം രോഗികളെ, വളരെ ചെറിയ കൺസൾട്ടേഷനുകളിൽ കാണുന്നു. ഇവിടെ സ്ക്രൈബ് ഓരോ രോഗിക്കും ഏതാനും സെക്കൻഡുകൾ ലാഭിക്കുന്നു, എന്നാൽ അറുപത് രോഗികൾക്കായി കൂട്ടുമ്പോൾ അതിന് കൂടുതൽ പ്രാധാന്യമുണ്ടായേക്കാം.
• നോട്ട് ആരാണ് എഴുതുന്നത്. പല ആശുപത്രികളിലും ഒരു ജൂനിയർ ഡോക്ടറോ സഹായിയോ ആണ് നോട്ടുകൾ എഴുതുന്നത്. സ്ക്രൈബ് കൺസൾട്ടന്റിന്റെ ജോലിയെക്കാൾ അവരുടെ ജോലിയെയാവാം കൂടുതൽ മാറ്റുന്നത്.
• മരുന്നുകളുടെ പേരുകൾ. ഇന്ത്യൻ കുറിപ്പടികൾ ബ്രാൻഡ് പേരുകളും കോമ്പിനേഷൻ മരുന്നുകളും നിറഞ്ഞതാണ്. സ്ക്രൈബ് ഇവ കൃത്യമായി ശരിയാക്കണം, കാരണം “Dolo 650” എന്നതും തെറ്റായി കേട്ട മറ്റൊരു പേരും പരസ്പരം പകരം വയ്ക്കാവുന്നവയല്ല.

ഇവയൊന്നും ഇന്ത്യയിൽ പ്രസിദ്ധീകരിച്ച ഒരു ട്രയലിലും ഇതുവരെ അളന്നിട്ടില്ല; അതിനാൽ സമയം ലാഭിക്കുമെന്ന ഏത് അവകാശവാദവും നിങ്ങളുടെ സ്വന്തം ക്ലിനിക്കിൽ പരീക്ഷിക്കേണ്ട ഒരു അനുമാനമായി കാണുക.

സ്ക്രൈബ് തിരഞ്ഞെടുക്കുന്നതിനു മുമ്പ് ചോദിക്കേണ്ട ചോദ്യങ്ങൾ

1. ഇത് കരട് തയ്യാറാക്കുകയാണോ, അതോ നേരിട്ട് റെക്കോർഡിൽ എഴുതുകയാണോ? ഡോക്ടർ ഒപ്പിടുന്നതുവരെ രോഗിയുടെ റെക്കോർഡിൽ ഒന്നും എത്തരുത്.
2. നിങ്ങളും നിങ്ങളുടെ രോഗികളും സംസാരിക്കുന്ന ഭാഷകൾ ഇത് എങ്ങനെ കൈകാര്യം ചെയ്യുന്നു? ഡെമോയ്ക്കുള്ള സ്ക്രിപ്റ്റിലല്ല, യഥാർത്ഥ കൺസൾട്ടേഷനുകളിൽ ഇത് പരീക്ഷിക്കുക.
3. മരുന്നുകളുടെ പേരുകൾ, ഡോസുകൾ, ചുരുക്കെഴുത്തുകൾ എന്നിവ ഇത് എങ്ങനെ കൈകാര്യം ചെയ്യുന്നു? കരടുകൾ വായിക്കുമ്പോൾ കൃത്യമായി ഇവ തന്നെ ശ്രദ്ധിക്കുക.
4. രോഗി എന്തു കാണുന്നു, എന്തിനാണ് സമ്മതിക്കുന്നത്? ഓരോ തവണയും സമ്മതം ചോദിക്കുകയും രേഖപ്പെടുത്തുകയും വേണം.
5. ഓഡിയോ എവിടേക്കു പോകുന്നു, എത്ര കാലം സൂക്ഷിക്കുന്നു? ഡാറ്റ ഇന്ത്യയിൽ തന്നെ തുടരുന്നുണ്ടോ? വെണ്ടർ കമ്പനിയുടെ മോഡലുകളെ പരിശീലിപ്പിക്കാൻ അത് ഉപയോഗിക്കുന്നുണ്ടോ?
6. കരട് എളുപ്പത്തിൽ തിരുത്താനും വീണ്ടും തയ്യാറാക്കാനും കഴിയുമോ? പരിശോധനാ ഘട്ടം വേഗത്തിലായിരിക്കണം, അല്ലെങ്കിൽ അത് ഒഴിവാക്കപ്പെടും.
7. ട്രാൻസ്ക്രിപ്റ്റിന് എന്തു സംഭവിക്കുന്നു? യഥാർത്ഥത്തിൽ എന്താണ് പറഞ്ഞതെന്ന് ഉറപ്പാക്കാൻ, നോട്ടിനൊപ്പം അത് വായിക്കാനാകുമോ?
8. ഇത് അളക്കാനാകുമോ? ട്രയൽ തുടങ്ങുന്നതിനു മുമ്പ് ഒരു അടിസ്ഥാന അളവ് (ബേസ്‌ലൈൻ) ധാരണയാക്കുക (ഓരോ നോട്ടിനുമുള്ള മിനിറ്റുകൾ, അതേ ദിവസം പൂർത്തിയാക്കിയ നോട്ടുകൾ), ഒരു മാസത്തിനു ശേഷം വീണ്ടും അളക്കുക.

92health എവിടെ യോജിക്കുന്നു

92health കൺസൾട്ടേഷൻ വർക്ക്‌സ്‌പേസിൽ ഒരു ആംബിയന്റ് സ്ക്രൈബ് ഉൾപ്പെടുന്നു. രോഗിയുടെ സമ്മതത്തോടെ കൺസൾട്ടേഷൻ റെക്കോർഡ് ചെയ്ത് എഴുത്തുരൂപത്തിലാക്കുന്നു; ഡോക്ടർക്ക് തിരുത്താനും ഒപ്പിടാനുമായി നോട്ടിന്റെ ഒരു കരട് തയ്യാറാക്കുന്നു. യഥാർത്ഥത്തിൽ എന്താണ് പറഞ്ഞതെന്ന് ഉറപ്പാക്കാൻ ട്രാൻസ്ക്രിപ്റ്റ് കരടിനൊപ്പം വായിക്കാം. നേത്ര കൺസൾട്ടേഷനുകളിൽ, കരട് ഡോക്ടർ സ്വന്തം തീരുമാനപ്രകാരം റെക്കോർഡിൽ ചേർക്കുന്ന ഒരു ക്ലിനീഷ്യൻ നോട്ടാണ്; അത് ഒരിക്കലും സ്വയമേവ ചേർക്കപ്പെടുന്നില്ല. ഡോക്ടർമാർക്ക് ഒരു നോട്ടിലേക്ക് നേരിട്ട് പറഞ്ഞുകൊടുത്ത് എഴുതിക്കാനും (ഡിക്റ്റേറ്റ്), അല്ലെങ്കിൽ ഒരു മരുന്നിന്റെ പേര് പറഞ്ഞ് കുറിപ്പടിയിലെ ഒരു വരി തിരികെ ലഭിക്കാനും കഴിയും.

92health-ലെ എല്ലാ AI ഫീച്ചറുകളെയും പോലെ, സ്ക്രൈബ് കരട് തയ്യാറാക്കുന്നു, തീരുമാനമെടുക്കുന്നത് ഒരു മനുഷ്യനാണ്. പൂർണ്ണ പട്ടിക ഞങ്ങളുടെ AI പേജിൽ കാണാം.

സ്രോതസ്സുകൾ

• Lukac PJ et al. Ambient AI scribes in clinical practice: a randomized trial. NEJM AI, 2025;2(12). doi:10.1056/AIoa2501000
• Afshar M et al. NEJM AI, 2025;2(12). doi:10.1056/aioa2500945
• Rotenstein LS et al. JAMA, 2026;335(16):1408-1417.
• Asgari E et al. A framework to assess clinical safety and hallucination rates of LLMs for medical text summarisation. npj Digital Medicine, 2025;8:274. doi:10.1038/s41746-025-01670-7