Abridge 如何用 GPT-5.5 支援更好的臨床筆記 ☕ Buy me a coffee

🧑‍🏫 這支影片是醫療 AI 公司 Abridge 的工程主管，說明他們改用 GPT-5.5 之後，從醫生和病人的看診對話裡能抓到更多正確資訊，寫出來的看診紀錄品質也跟著變好。如果你常用 AI 整理對話或會議內容，這支片能讓你知道模型在整理長對話時最容易卡在哪裡。

• 00:02 使用 GPT 5.5 後，能從醫療提供者（provider）與病患對話中直接擷取的事實數量增加，直接影響筆記品質
  ↳ 用 GPT 5.5 後，從看診對話直接抓出來的事實變多了。provider 指跟病患對話、要寫看診紀錄的醫療人員。抓到的事實越多，紀錄就越完整。
• 00:02 講者 Matt Sanders，是 Abridge 的 engineering manager of per note generation（職稱照字幕原文）
  ↳ 講者是 Matt Sanders，職稱照字幕是 engineering manager of per note generation，字面上看是負責筆記生成這塊的工程主管。
• 00:02 Abridge 的做法：從醫病對話中擷取最重要的資訊，協助醫療提供者為這次看診產出最好的紀錄
  ↳ Abridge 不是把對話逐字抄下來，而是挑出最關鍵的資訊，幫醫療人員寫好這次的 clinical note，也就是看診後留存的紀錄文件。
• 00:34 GPT 5.5 在對話的 fact extraction 上有更多 first-pass coherence（第一次處理就連貫一致）
  ↳ fact extraction 是從對話裡把事實資訊抽出來。影片說 GPT 5.5 做這件事時，第一次處理的結果就比較連貫一致。影片沒有再進一步定義這個說法。
• 00:34 常見情境：醫病先粗略談到某件事，對話後段又深入回頭談；這是模型常搞混的地方，GPT 5.5 在這類情境的事實擷取好很多
  ↳ 例如病人一開始隨口提到頭痛，後面才細講什麼時候開始、吃過什麼藥。同一件事散在前後兩處，模型容易搞混或漏接，GPT 5.5 在這種情況好很多。
• 00:34 ambient documentation 能大幅減輕醫療提供者的負擔，讓紀錄更完整，也更能記下臨床對話實際發生的事
  ↳ ambient documentation 是看診時系統在背景自動做紀錄。醫療人員不用邊看診邊打字，負擔變輕，紀錄也更完整、更貼近當下實際談了什麼。
• 01:04 Abridge 認為 OpenAI 對他們很有價值，最終讓他們能交付整體更好的筆記
  ↳ 對 Abridge 來說，OpenAI 的模型很有幫助。他們看重的不是模型本身多厲害，而是最後交到醫療人員手上的筆記整體品質更好。

根據影片，哪種對話情境常讓模型搞混，而 GPT 5.5 在這類情境表現好很多？