הטיוטה שלפני ההחלטה

אחד הרגעים המתסכלים ביותר ברפואה המודרנית אינו מתרחש בהכרח ליד מיטת החולה, אלא מול המסך. הביקור מסתיים, המטופל יוצא, והרופא נשאר עם המשימה להפוך את השיחה לרשומה. הרשומה הרפואית האלקטרונית אמנם הפכה את המידע הקליני לנגיש, מסודר ורציף יותר, אך לצד זאת, היא הפכה גם למקור משמעותי של עומס, שחיקה ועבודה שנמשכת הרבה לאחר שהמפגש עצמו הסתיים.

על הרקע הזה נכנסו לחדר הבדיקה ה-AI scribes, מערכות בינה מלאכותית שמאזינות למפגש בין רופא למטופל, מתמללות אותו ומייצרות טיוטת רשומה רפואית. עבודות מהשנים האחרונות מציעות כי כלי תיעוד מבוססי AI יכולים להפחית עומס, לקצר את משך העבודה, ולהקל על תחושת השחיקה. למשל, מחקר שפורסם ב-JAMA Network Open ב-2025 מצא כי שימוש בכלי תיעוד מבוסס AI במשך 30 יום היה קשור לשיפור במדדי שחיקה,

לצד הקלה בעומס הקוגניטיבי ושיפור ביכולת להקדיש למטופל תשומת לב בלתי מחולקת [1]. במחקר נוסף שפורסם ב-JAMA, השימוש ב-AI scribes היה קשור לירידה של 13.4 דקות במשך העבודה הכולל במערכת האלקטרונית ושל 16 דקות בזמן התיעוד, לכל שמונה שעות של טיפול מתוכנן [2]. מחקרים אחרים מצאו השפעות מתונות יותר, כך שלא כל מדד משתפר באותה מידה [3], ובכל זאת, התמונה ברורה למדי: הכלים הללו עונים על צורך אמיתי ומצליחים לפתור לפחות חלק מהבעיה.

לא כל מה שנכתב הוא בירוקרטיה
חלק גדול מן התיעוד הרפואי נראה כמו מועמד טבעי לאוטומציה. פורמט, קודים, רשימות תרופות, תיעוד שגרתי וניסוחים שחוזרים על עצמם ולעיתים גוזלים זמן בלי להוסיף בהכרח להבנת המקרה. עם זאת, כאשר רופא מגבש את ההערכה הקלינית ואת תוכנית הטיפול, הוא צריך להחליט מה חשוב, מה קשור למה, אילו פרטים משנים את התמונה, מה חסר ומה מחייב פעולה. לא תמיד מדובר במחשבה שכבר הושלמה ורק מחכה להיכנס למסמך.

לעיתים הארגון והניסוח עשויים להיות חלק מן הסינתזה. במהלך ההכשרה הרפואית, כתיבת הרשומה מתוארת לעיתים קרובות כזרז לחשיבה קלינית, משום שהיא מחייבת תעדוף, הצדקה וחיבור בין נתונים מפוזרים. במחקר של Torti, Bowker ו-Goldszmidt, שפורסם ב-2023, שבו בחנו במשך כ-110 שעות כיצד סטודנטים לרפואה ומתמחים משתמשים בכתיבה במהלך העבודה הקלינית, נמצא כי הכתיבה שימשה לא רק לתיעוד, אלא גם להבנת המקרה, לזיהוי פערים, לסינתזה של מידע, ולגיבוש של אבחנה ותוכנית טיפול [4].

במובן הזה, הרשומה הייתה תוצר של חשיבה, אבל גם אחד הכלים שבאמצעותם החשיבה התקדמה. אין פירוש הדבר שבכל דקה של כתיבה רפואית יש ערך קוגניטיבי. חלק גדול מן העומס הוא אכן בירוקרטי. אולם כיצד ניתן להבחין בין עומס קוגניטיבי מיותר לבין מאמץ שלוקח חלק בחשיבה הקלינית עצמה? או במילים אחרות, מה בדיוק הכלים האלה חוסכים מהרופא?

כשהרופא מקבל טיוטה במקום דף ריק
כאשר מערכת מספקת לרופא טיוטה מוכנה, במקום שהוא ייצור את כל הייצוג בעצמו, הרופא בודק, עורך ומתקן ייצוג שכבר נבנה עבורו. זה לא שונה באופן מוחלט ממה שקרה טרם עידן ה-AI. גם ללא AI רופאים עבדו עם תבניות, שדות מובנים והעתקה מרשומות קודמות, וגם עם AI הם עדיין צריכים לקרוא, לערוך ולחתום. ההבדל בין העבר להווה נע איפשהו על הרצף שבין סינתזה ובנייה עצמאית של המקרה לבין בדיקה של גרסה קיימת שלו.

הספרות על יחסי גומלין בין בני אדם לאוטומציה מספקת סיבה לבחון אם ההבדל הזה חשוב. מחקר שפורסם ב-CHI ב-2021 בחן 18 מומחים קליניים שעבדו על סימון ותיוג של טקסט רפואי. כאשר חלק מן התיוגים סופקו מראש על ידי המערכת, המומחים עדיין ידעו במידה רבה מתי לסמוך על המערכת ומתי לא, אולם בכל זאת, ההתנהגות שלהם השתנתה: הם הותירו תיוגים שגויים רבים יותר שהמערכת הציעה ויזמו פחות תיוגים חדשים [5].

כלומר, האוטומציה לא ביטלה את המומחיות שלהם, אבל היא כן שינתה את נקודת המוצא שממנה הם פעלו. גם הספרות על הטיית אוטומציה מראה שאנשים עשויים להעניק משקל יתר להמלצה או ייצוג שמציגה מערכת אוטומטית, גם כאשר עומד ברשותם מידע סותר [6]. מערכות AI scribes אינן מערכות לקבלת החלטות קליניות, ולכן לא ניתן להשליך עליהן את הממצאים הללו ישירות.

עם זאת, השאלה שעולה היא דומה: מה משתנה כאשר הרופא מקבל את ייצוג המקרה כשהוא כבר מסודר ומנוסח? במובן הזה, ה-AI scribe אינו רק מאזין ומתעד את מה שנאמר, אלא משתתף גם בבניית הטקסט שהרופא יתבסס עליו לשם קבלת החלטות. השאלה היא האם הדרך שבה הייצוג הזה נבנה יכולה להשפיע גם על מה שנעשה איתו בהמשך. מחקר שפורסם בינואר 2026 ב-JAMA Psychiatry נתן לשאלה הזאת ממד אמפירי [7].

הפער בין מה שמתועד למה שנעשה
החוקרים בחנו תיעוד וניהול של תסמינים פסיכיאטריים במחקר עוקבה רטרוספקטיבי שהתבסס על יותר מ-20 אלף רשומות מביקורי רפואה ראשונית שנתיים בבתי חולים.החוקרים השוו בין ארבע קבוצות: ביקורים שבהם נעשה שימוש במערכת AI לתיעוד אוטומטי של המפגש, ביקורים שבהם השתתף אדם נוסף שתיעד את המפגש עבור הרופא,ביקורים מאותה תקופה שבה כבר הוטמעה מערכת ה-AI, אך שבהם הרופא תיעד ללא scribe כלל, וביקורים ללא scribe מהתקופה שקדמה להטמעת מערכת תיעוד מבוססת AI [7].

החוקרים השתמשו במודל שפה כדי לנתח את הטקסט החופשי של הרשומות לפי תחומי RDoC, מסגרת מחקרית שמנסה לאפיין תפקודים נפשיים והתנהגותיים לפי שישה תחומים, ובהם מערכות ערכיות חיוביות ושליליות, מערכות קוגניטיביות, תהליכים חברתיים, וויסות, עוררות, ומערכות סנסומוטוריות. הם מצאו כי רשומות שנוצרו בסיוע AI היו ארוכות יותר וכללו תיעוד רב יותר של תסמינים נוירו-פסיכיאטריים מרשומות שנוצרו ללא scribes [7].

לאחר מכן החוקרים הגדירו מדד משולב של שלוש פעולות הקשורות לדיכאון: אבחנה חדשה, מרשם חדש לנוגד דיכאון או הפניה להערכה או לטיפול פסיכיאטרי. בהשוואה לביקורים בני אותה תקופה ללא scribe, בביקורים עם מתעד AI נמצאה ירידה של כ-17% בסיכויים לכך שהביקור יסתיים באחת משלוש הפעולות האלה. בקרב ביקורים עם מתעד אנושי לא נמצאה ירידה מובהקת דומה [7].

לפיכך, למרות כמות גבוהה יותר של תסמינים מתועדים, הסבירות לאחת מפעולות הניהול שנבדקו הייתה נמוכה יותר בביקורים עם AI scribe. הפער הזה מבטא את המרחק בין מידע שמיוצג ברשומה לבין מידע שנכנס לאבחנה, לתוכנית או לפעולה קלינית. בדיכאון קל לראות כיצד פער כזה יכול להיווצר. עייפות, הפרעת שינה, ירידה בתפקוד, כאבים וסטרס יכולים להופיע כולם ברשומה בלי להפוך מעצמם לבעיה קלינית. נוכחות של מידע ברשומה אינה מבטיחה שהוא יהיה מספיק בולט בתוך תהליך ההחלטה כדי
להוביל לבירור או לפעולה.

הרגע שבו הטקסט הופך לשיקול דעת
הפיתוי בשלב הזה הוא לחבר את הממצאים בקו ישר: ה-AI כתב יותר, הרופא חשב פחות, ולכן פעל פחות. אולם המחקר אינו מאפשר את המסקנה הזאת. מדובר במחקר רטרוספקטיבי ולא בניסוי אקראי. ייתכן שרופאים שבחרו להשתמש ב-AI scribes שונים מרופאים שלא השתמשו בהם בדרכים שלא נמדדו, ויתכנו הבדלים בסוגי הביקורים ובארגון העבודה שגם שיטות ההתאמה הסטטיסטית אינן מסירות לחלוטין.

גם המדידה עצמה מורכבת. מערכת AI הייתה מעורבת ביצירת הרשומה, ומערכת AI אחרת דירגה את הרשומה שנוצרה. פירוט או נפח טקסט רב יותר עשויים להוביל לזיהוי של יותר תסמינים בטקסט, גם בלי שינוי באבחנה הקלינית או בתוכנית הטיפול. גם מדד הפעולה במחקר היה מוגדר היטב, אך באופן צר: אבחנה של דיכאון, מרשם חדש לנוגד דיכאון או הפניה פסיכיאטרית. הוא אינו מודד את כל מה שהרופא עשה בהקשר של בריאות הנפש, ובוודאי אינו מודד את תהליך החשיבה הקליני. המחקר גם לא בדק אם הרופאים זכרו פחות, סינתזו פחות, היו פחות מודעים לתסמינים או הסתמכו יותר על הטיוטה.

מחקר נוסף שפורסם ביוני 2026 ב-JMIR Medical Education מסבך עוד יותר את התמונה. המחקר כלל 104 סטודנטים לרפואה בשנה הראשונה שכתבו תחילה רשומה בעצמם לאחר בחינה קלינית מובנית (OSCE), המדמה מפגש רפואי. חלק מהסטודנטים קיבלו לאחר מכן טיוטת AI ויצרו ממנה רשומה היברידית. בתנאים הללו, לא נמצאה פגיעה כוללת באיכות הרשומה או במדדים של חשיבה קלינית שהוערכו באמצעותה, ויותר ממחצית מהסטודנטים זיהו השמטות בטיוטת ה-AI [8].

החוקרים הציעו כי סדר עבודה שבו קודם מתבצעת סינתזה עצמאית ולאחר מכן מתווסף ה-AI עשוי לפעול כאילוץ קוגניטיבי, משום שהלומד נדרש לבנות ייצוג משלו לפני שנחשף להצעת המערכת [8]. זה רחוק מלהוכיח שזו הדרך האופטימלית להשתמש בכלי תיעוד מבוססי AI ברפואה. מדובר בסטודנטים בשנה הראשונה ובסביבת OSCE ולא ברופאים בעומס של מרפאה אמיתית.

אולם המחקר כן מראה שעצם השימוש ב-AI אינו שקול בהכרח לאובדן יכולת הסקה קלינית. ייתכן שגם סדר העבודה בין האדם למערכת הוא משתנה חשוב בפני עצמו. אם כך, יש להבין מתי כדאי שהבינה המלאכותית תשתלב בתהליך ולעצב את הממשק בהתאם. אפשרות אחת היא שהרופא יתחיל בעצמו, כלומר ינסח תחילה ייצוג קצר או הערכה עצמאית ורק לאחר מכן ייחשף לטיוטת ה-AI.

אפשרות אחרת היא שהמערכת תשאיר חלק מן האזורים שבהם נדרשת הכרעה ריקים ותדרוש מן הרופא להשלים אותם באופן פעיל. למשל, המערכת תתריע כי תועדו תסמינים של מצב רוח ירוד והפרעות שינה, ותשאל אם נדרש טיפול או מעקב. המטרה אינה להחליף את הרופא, אלא להחזיר אותו לנקודת ההכרעה.

מעבר לזמן שנחסך
עד היום חלק ניכר מן המחקר על AI scribes התמקד במדדים תפעוליים: זמן שנחסך, קיצור משך העבודה במערכת הרשומה האלקטרונית, פחות תיעוד לאחר שעות העבודה וירידה בשחיקה [1-3]. אלה מדדים חשובים, אך התמונה הקלינית רחבה יותר.נדרש לדעת מה קורה למידע לאחר שהוא נכנס לרשומה: האם תסמין שתועד מקבל ביטוי בהערכה הקלינית, האם בעיה שזוהתה מובילה למעקב, להפניה או לשינוי טיפול, והאם לאורך זמן משתנה שיעור האבחנות המוחמצות או התוצאים הקליניים.

ללא המדדים האלה, לא ניתן להבין אם ייעול תהליך התיעוד מלווה גם בשיפור הטיפול. גם איכות הרשומה עצמה מחייבת בחינה רחבה יותר מאורך או שטף. רשומה יכולה להיות מפורטת מאוד ובכל זאת להקשות על זיהוי העיקר. מאמר פרספקטיבה שפורסם ב-NEJM הזהיר כי טקסט שנוצר באופן אוטומטי עלול להאריך את הרשומה בלי להוסיף מידע קליני בעל ערך באותו יחס, ובכך להקשות על הרופא לזהות במהירות את הפרטים החשובים ולהגדיל את כמות הטקסט שעליו לבדוק ולאמת [9].

לכך מצטרפים כשלים אפשריים כמו השמטה, ייחוס שגוי ופירוש מוטעה של ההקשר [10]. לפיכך, ריבוי טקסט אינו בהכרח משפר את הבנת המקרה. לעיתים דווקא היכולת לשמור על היררכיה, להבליט את החריג ולתת לפרט מסוים את המשקל הראוי היא שקובעת אם הרשומה מסייעת בקבלת החלטות. לצד המגבלות האלה, ל-AI scribes יש יתרון שקשה למדוד בדקות.

הכלים הללו יכולים לאפשר לרופא להביט במטופל במהלך המפגש, להקשיב ברצף לדבריו ולשים לב לאופן שבו הם נאמרים. במחקר מ-2026 בקרב מטופלים שנחשפו בפועל ל-AI scribes, רובם תיארו את הכלי כמועיל ורובם גם רצו שישתמשו בו שוב [11]. כאשר הטכנולוגיה מפחיתה את הצורך של הרופא לחלק את הקשב בין המטופל למסך, יש בכך ערך ממשי לאיכות המפגש הקליני.

מכאן שהערכת הכלים האלה צריכה להתרחב מעבר לזמן שנחסך ולאיכות הטקסט שנוצר. פינוי זמן וקשב לרופא הוא הישג חשוב, אך הרשומה עצמה היא רק שלב ביניים. הערך הקליני נוצר כאשר פרטים מקבלים משקל, מתחברים לתמונה אחת ומובילים להכרעה. הבינה המלאכותית יכולה לתעד היטב את המפגש, אולם האחריות לקבוע אילו מן הדברים שתועדו דורשים בירור, מעקב או פעולה צריכה להישאר בידיו של הרופא.