如果問醫生想要哪種形式的人工智能，答案很可能是電子病歷語音轉錄。國內的語音識別技術直到最近兩三年才取得突飛猛進式的發展，識別準確率從80%多提升到了95%以上，達到了實用化的水準，并逐漸發展出了面向醫療等行業的定制化模型。目前，國內從事語音技術的企業還相對較少，掌握語音核心技術的公司更是有限。

為何如此期待電子病歷語音轉錄？

1 節省手寫病歷的時間

國內醫生除了跟病人溝通交流，還要花費大量時間和精力書寫病歷和醫療文書。利用語音識別技術將醫生和病人的對話自動轉錄成文本，可以幫助醫生騰出時間來為更多患者服務，提升工作效率。

2 為醫患糾紛提供材料佐證

醫患糾紛是醫療行業的一大難題，一旦出現醫患糾紛。醫院現有的HIMSS系統只能記錄患者的基本信息，簡單描述患者的基本癥狀，以及醫生用了什么藥。這種記錄的完整性還遠遠不夠。語音錄入病歷不僅是將醫生和病人的對話轉成文字和結構化的數據進行存儲，便于后期查詢和智能化分析，同時也會作為處理醫患糾紛的證明材料。

3 緩解醫療資源不足

國內的病人看病都喜歡去大醫院掛專家號，但專家號很難掛，原因在于醫療資源不足。假如我們利用結構化的醫療數據搭建一個醫療大數據平臺，讓經驗不足的醫生可以通過它學習專家的診斷經驗，培養更多的醫學人才，就能在一定程度上緩解國內醫療資源不足和不均衡的問題。

國內市場不容樂觀

1.國內語音識別技術起步較晚有關

2.國內的醫療資源稀缺

3.醫院之間的數據鏈路也很難打通

如何解決這一困境？

現在大多數語音識別公司采用的都是深度學習算法，各家在語音識別基礎算法的差距并不會特別大，主要的差距在于數據的規模、歸集和行業化的定制。通常掌握的數據規模越大，加上資金和人力方面的優勢，可以做適應性更強的語音識別模型。雖然目前語音轉錄病歷還處于市場培育階段，但是我們相信未來發展會非常迅速，這片市場未來規模也值得我們關注。