门诊语音录入与通用听写差别明显：医生常边走边说，背景有叫号广播与器械噪声；关键信息又高度依赖专业表述与上下文（如“阿司匹林 100mg qd”）。直接套用通用识别模型，实体错误集中在药名、剂量与频次上，而这些恰是病历里最不能错的部分。
我们以一家三甲医院的门诊为实验场景，把链路拆成三段：前端用麦克风阵列做远场拾音与轻量降噪；中间在解码阶段加入医学词表偏置，提升术语命中；后端用规则加小模型，把口述内容映射到病历的结构化字段，无法确定归属的片段标为待确认，而非直接写入。
要点：
- 进展：在约 200 小时脱敏门诊录音上，加入术语纠错后，药名、剂量、频次三类关键实体的字准从约 89% 提升至 96.3%；医生端单份病历录入耗时平均缩短约四成。
- 下一步：接入科室级自定义词表与实时回填校验，并把“否定表述、既往史、家族史”这类语义边界单独建评测集，避免只看得懂词、读不懂句。
目前的结论是：语音入口的价值不在转写本身，而在转写之后能否安全地落到结构化字段上。
评论