首页›洞察›老医生不会打字:中医 AI 的语音录入能用到什么程度

老医生不会打字:中医 AI 的语音录入能用到什么程度

2026 年 11 月 4 日

语音录入能用到什么程度,不取决于语音识别本身,而取决于识别之后有没有一套接得住口语的证候词典与结构化规则。只做声音转文字,医生得到的是屏幕上的一段话,还得自己分段、挑词、填字段;做到口述即结构化,医生说完一段主诉,主症、兼症、病程、诱因已经各自落位,剩下的只是核对。这两者之间的差距,比识别率高几个点重要得多。

一、语音能力其实有三层,价格差在第三层

层次 系统做什么 医生还要做什么 典型表现
转文字 把语音变成整段文本 自己删改、自己填字段 省了打字,没省脑子
转半结构化 按句切分,粗分主诉与现病史 逐项确认、补舌脉 快了一些,仍要逐条点
转结构化并校验 落到证候字段,触发规则检查 只做确认与修改 说完即可核对

多数号称支持语音的产品停在两层之间。判断方法很简单:让医生连续口述一段真实门诊对话,看系统输出的是「一段话」还是「一组带标签的字段」。如果是前者,它就只是输入法;如果是后者,它才进得了辨证链路。

二、中医口述为什么比通用语音难

难处不在普通话识别,而在中间那层语义映射。

同音与近音的药名。 药名里同音的很多,白术与白蔹、桂枝与肉桂、生地与大生地,念快了容易混。系统必须结合上下文和方剂结构判断,不能只按音写字。

方言与口音。 基层医生口述常带地方口音,一些症状词是本地说法,不是教材词。词典里既要有标准证候名,也要有地方俗称的映射。

古语与简省。 「胃脘痞满」「胸胁苦满」这类表达,年轻医生未必说得顺,老医生又常省略主语和连接词,一句话里可能只有三个症状词。

口头更正。 医生说「不对,是隐痛不是刺痛」,这一句必须被理解为对前一句的修正,而不是新增一个症状。

剂量与单位。 「二钱」「十克」「三剂」混着说,还常带口误,需要在录入时规范成统一单位,否则后面的剂量校验都建立在错数上。

辨证云的做法是把 30000 余条症候、3500 余条证型方证做成一张可检索的映射表,口述的每一段先在这张表里找落点,找不到的保留原文并标为待确认,而不是硬猜一个近义词塞进去。

三、门诊里真正用得上的四个位置

位置 口述内容 结构化目标 是否可全自动
主诉与现病史 哪儿不舒服、多久、什么情况下重 主症、病程、诱因、加重缓解因素 需医生确认
既往与用药 吃过什么、有没有停 既往史、用药史、过敏史 需医生确认
舌脉与查体 舌质舌苔、脉象 舌象、脉象字段 仅辅助录入
医嘱与交代 煎法、服法、复诊时间 医嘱条目 可直接生成草稿

舌脉这一段靠口述的可靠性有限,因为描述本身就有主观性,系统能做的是把医生说的话标准化成字段,而不是替他判断舌象,否则语音会被误解成自动采集四诊。

一个务实的顺序是:先在主诉、现病史、医嘱这三段上做,因为这三段本来就是医生要说的话;舌脉继续用手点或设备,不强求语音。辨证云在配置时会把这个顺序固定下来,避免医院一上线就要求全字段都走语音。

四、结构化之后必须过的三道校验

口述落成字段只是完成了录入,决定这套东西能不能进门诊的,是后面的校验。

一是漏项校验。 主症有了,病程、诱因、既往史是不是空着。空着的字段要显式提示,不能默认「没问就是没有」,否则后面的证型参考建立在残缺信息上。

二是逻辑校验。 症状组合与候选证型是否自洽。医生口述了「畏寒」又说「口渴喜冷」,系统应当把这个矛盾摆出来让医生看,而不是自己挑一个权重高的。

三是安全校验。 药味是否落在十八反、十九畏的范围,毒性药味是否超量,妊娠相关是否提示。这一层与语音无关,但必须挂在同一条链路上。

三道校验的意义,是把「说得快」换成「说得准」。如果语音只是让病历写得更快而没有被校验,医院得到的是更多待整理的文本,不是更好的数据。辨证云把这三道校验放在录入之后、方剂建议之前,是为了不让未核对的口述直接往下走。

五、话术与验收:落地时容易漏掉的两件事

不少医院上线语音后推进不下去,原因不是技术,而是没人告诉医生该怎么说话。

话术约定可以很短:先说部位与性质,再说时间与诱因,再说伴随症状,最后说既往与用药;一句话不要塞两个系统;更正时明确说「改为」。辨证云在培训环节会把这份约定做成一张单页,贴在诊室而不是放进手册。

旌德 40 个村卫生室用了七年,村医的场景里键盘输入本来就是门槛,这类场景对语音的需求是真实的,但需求真实不等于可以跳过话术约定。宁夏固原那家地市级中医院做六经辨证,两年日常使用下来,医生形成了自己的表达习惯,系统要去适配它,而不是要求医生改成另一种腔调。

浙江省中医院把中医 AI 辅诊集成进 HIS,用于青年医师培养与复杂病例分析,那里的语音偏重记录思路,与基层偏重完成文书不是一回事,配置也该分开。

验收则不要看演示,只看三件事:

  1. 用本院真实医生的口音、本科室真实病种,现场口述三段,看落到几个字段。
  2. 故意说错一次,看系统是新增症状还是执行更正。
  3. 断开网络再试一次,看是降级为纯文本,还是直接不可用。

第三件事常被忽略。语音如果完全依赖云端,门诊网络抖动时就会变成不可用功能,医院要提前知道这个边界。

写在最后

语音录入的天花板,不在麦克风,而在词典和规则。声音转文字是成熟能力,把一句带方言口音的口述拆成主症、兼症、病程、诱因,再送去校验,才是中医 AI 需要自己解决的部分。

辨证云在这条路上的取舍是:宁可让医生多说一句确认,也不让系统替他把话「理解」成另一个意思。录入快一秒的价值有限,录错一个症状的代价要大得多。

相关阅读

把 40 年的中医 AI,接入你的机构

预约演示 · 合作咨询 · 在线体验