Num caso fictício, uma médica de família atende 22 pessoas num dia de ambulatório. Às oito da noite, depois de pôr os filhos para dormir, ela abre o prontuário eletrônico em casa e ainda tem onze notas por fechar. Na semana seguinte, o serviço oferece um escriba de inteligência artificial (IA): com o consentimento do paciente, o celular grava a conversa e, ao fim da consulta, um rascunho de nota aparece pronto para revisão. Na primeira semana ela fecha as notas no consultório. Na segunda, assina uma nota em que o paciente que disse "não bebo" aparece como alguém que "agora bebe".

Esse contraste resume o debate sobre os chamados escribas ambiente. Os primeiros ensaios randomizados sugerem ganhos modestos no tempo de documentação e sinais de menos esgotamento, enquanto os estudos sobre a qualidade das notas mostram omissões e trocas de sentido que só a leitura atenta do médico consegue pegar (Lukac et al., 2025).

Este texto percorre o que se sabe sobre a carga de documentação, o que os ensaios e os estudos antes e depois mostram sobre burnout e tempo, que erros a nota gerada traz e como conferir o rascunho antes de assinar.

Principais pontos

• Num ensaio randomizado com 238 médicos ambulatoriais, uma das duas ferramentas testadas reduziu o tempo na nota em 9,5 por cento em relação ao controle, e a outra não mostrou diferença significativa (Lukac et al., 2025).
• Num ensaio pragmático com 66 profissionais, o escriba reduziu o escore de exaustão no trabalho, enquanto a melhora da realização profissional não atingiu o limiar de significância definido pelos autores (Afshar et al., 2025).
• Num estudo antes e depois em seis sistemas de saúde, a proporção de clínicos com burnout caiu de 51,9 para 38,8 por cento em 30 dias, sem grupo controle (Olson et al., 2025).
• Numa avaliação com leituras simuladas de consultas, 31 de 44 notas geradas (70 por cento) tinham ao menos um erro, e a omissão foi o tipo mais comum (Biro et al., 2025).
• Os autores do ensaio randomizado concluem que as imprecisões ocasionais exigem vigilância contínua (Lukac et al., 2025).

• Por que a documentação pesa tanto
• Como funciona o escriba ambiente
• O que mostram os ensaios randomizados
• Estudos observacionais
• Que erros a nota gerada traz
• Por que e como conferir a nota
• Consentimento do paciente
• Como o NEXO ajuda a treinar esse raciocínio
• Perguntas frequentes
• Take-home messages

Por que a documentação pesa tanto

A Organização Mundial da Saúde (OMS) descreve o burn-out, na CID-11, como uma síndrome resultante de estresse crônico no local de trabalho que não foi gerenciado com sucesso (OMS, 2019). A síndrome tem três dimensões: sensação de esgotamento ou exaustão de energia, maior distância mental do trabalho ou sentimentos de negativismo e cinismo em relação a ele, e redução da eficácia profissional.

A OMS deixa claro que o burn-out é classificado como fenômeno ocupacional e não como condição médica, no capítulo de fatores que influenciam o estado de saúde ou o contato com serviços de saúde (OMS, 2019). O termo se refere apenas ao contexto do trabalho e não deve ser aplicado a outras áreas da vida. Essa definição ajuda a separar o burnout de outras formas de sofrimento, como a discutida em lesão moral, o sofrimento que não é burnout, e de quadros que começam ainda na graduação, tratados em burnout na faculdade de medicina.

Quanto tempo o prontuário toma

Um dos estudos mais citados sobre o tema usou os registros de eventos do prontuário eletrônico de 142 médicos de família de um sistema de saúde no sul de Wisconsin, ao longo de três anos (Arndt et al., 2017). Num dia de trabalho de 11,4 horas, esses médicos passaram 355 minutos, cerca de 5,9 horas, no prontuário: 269 minutos durante o horário de atendimento e 86 minutos fora dele.

As tarefas burocráticas e administrativas, como documentação, pedidos, cobrança e codificação, ocuparam 157 minutos, o equivalente a 44,2 por cento do tempo no prontuário (Arndt et al., 2017). A caixa de mensagens consumiu outros 85 minutos, ou 23,7 por cento (Arndt et al., 2017). Esse retrato vem de um único sistema americano, mas serve como ponto de partida para entender o peso do registro.

O peso de alertas e notificações tem efeitos próprios, discutidos em fadiga de alertas. A documentação noturna também se soma ao cansaço acumulado, tema de fadiga de decisão no plantão.

Como funciona o escriba ambiente

O escriba ambiente é um programa que capta o áudio da consulta, em geral por um aplicativo no celular ou no computador, transcreve a conversa e usa um modelo de linguagem para produzir um rascunho de nota clínica. O médico revisa, edita e assina. Nos estudos discutidos aqui, as ferramentas foram integradas ao prontuário eletrônico e usadas em consultas ambulatoriais (Lukac et al., 2025; Afshar et al., 2025).

A ideia é devolver a atenção do médico ao paciente. Em vez de digitar durante a consulta, ele conversa, e o registro chega depois. É uma proposta parecida com a de deixar o paciente terminar a fala de abertura, discutida em a agenda do paciente, só que aplicada à documentação.

O que a nota gerada não substitui

A responsabilidade pela nota continua com quem assina. No estudo de Stanford, o rascunho trazia uma seção de atestação em que o clínico registrava que havia revisado a nota (Shah et al., 2025). A organização do raciocínio, com dados subjetivos, achados, avaliação e conduta, segue as mesmas regras de uma nota escrita à mão, e vale rever como organizar o raciocínio clínico no prontuário antes de delegar a primeira versão a um programa.

O que mostram os ensaios randomizados

O ensaio de dois escribas na UCLA

Lukac e colaboradores randomizaram 238 médicos ambulatoriais de catorze especialidades de uma instituição acadêmica americana para usar uma de duas ferramentas comerciais, DAX Copilot ou Nabla, ou para continuar sem escriba, entre novembro de 2024 e janeiro de 2025 (Lukac et al., 2025). Foram incluídas apenas consultas em inglês.

O desfecho primário foi a mudança no tempo na nota, comparando o segundo mês do estudo com os seis meses anteriores. Com o Nabla, a queda foi de 9,5 por cento em relação ao controle, com significância estatística (Lukac et al., 2025). Com o DAX, a queda de 1,7 por cento não foi significativa (Lukac et al., 2025). Em termos absolutos, o tempo médio na nota caiu cerca de 41 segundos no grupo Nabla, de 4 minutos e 30 segundos para 3 minutos e 49 segundos, contra 18 segundos no grupo controle.

O uso real ficou longe do total de consultas. O DAX foi usado em 33,5 por cento de 24.696 consultas e o Nabla em 29,5 por cento de 23.653 (Lukac et al., 2025). Cerca de 15 por cento dos médicos randomizados para um escriba nunca chegaram a usá-lo (Lukac et al., 2025).

Os desfechos secundários, como carga cognitiva, exaustão no trabalho e o escore Mini-Z de bem-estar, melhoraram de forma modesta nos dois grupos de escriba, mas os autores não fizeram teste de hipótese para eles e dizem que esses achados precisam de confirmação em ensaios maiores e multicêntricos (Lukac et al., 2025). A chance de burnout medida por um item único foi menor nos grupos de escriba, com intervalos de confiança que incluíam a ausência de efeito.

O ensaio escalonado em Wisconsin

Afshar e colaboradores conduziram um ensaio pragmático de 24 semanas, com randomização individual em degraus, em ambulatórios da UW Health em dois estados americanos (Afshar et al., 2025). Participaram 66 profissionais, entre médicos e profissionais de prática avançada, com a ferramenta Abridge. Das 71.487 notas do período, 27.092 (38 por cento) foram geradas com o escriba (Afshar et al., 2025).

Nos dois desfechos primários, o escore de exaustão no trabalho e desengajamento interpessoal caiu 0,44 ponto com o escriba, com significância estatística (Afshar et al., 2025). A realização profissional subiu 0,14 ponto, e os autores descrevem esse aumento como não significativo, apesar do valor de P de 0,04.

O tempo nas notas caiu 0,36 hora por dia (Afshar et al., 2025). O trabalho fora do horário caiu 0,50 hora por dia, mas esse resultado foi sensível à exclusão de valores extremos e perdeu significância quando os 3 por cento de observações mais altas foram retirados (Afshar et al., 2025). O estudo foi aberto, com um grupo de adotantes iniciais mais jovem, majoritariamente branco e feminino, e quase metade em medicina de família, e não coletou desfechos relatados pelos pacientes.

Estudos observacionais

Os estudos antes e depois, sem grupo controle, mostram mudanças maiores, mas também carregam mais riscos de viés. Eles respondem se quem usou a ferramenta se sentiu melhor, e não se a ferramenta causou a melhora.

Seis sistemas de saúde

Olson e colaboradores avaliaram o uso da ferramenta Abridge em seis sistemas de saúde americanos, entre fevereiro e outubro de 2024 (Olson et al., 2025). Dos 451 clínicos inscritos, 272 responderam aos questionários antes e depois, e 263 clínicos ambulatoriais entraram na análise.

Entre os 186 que responderam às perguntas de burnout, a proporção com burnout caiu de 51,9 para 38,8 por cento depois de 30 dias de uso (Olson et al., 2025). O burnout grave, numa análise feita depois, caiu de 18,4 para 12,2 por cento (Olson et al., 2025). A carga cognitiva caiu, a atenção focada no paciente subiu de 6,51 para 8,56 numa escala de 10 pontos, e o escore de documentação fora do horário, na mesma escala de 10 pontos, caiu de 4,95 para 4,05 (Olson et al., 2025). A disposição para encaixar pacientes urgentes subiu de 6,21 para 6,72, mas o número de pacientes que os clínicos aceitariam acrescentar não mudou.

Os autores lembram que os desfechos secundários são exploratórios, sem correção para múltiplas comparações. Os dados vieram de amostra de conveniência, sem grupo controle, com questionários não anônimos e possível autosseleção (Olson et al., 2025).

Stanford

Shah e colaboradores acompanharam 48 médicos que usaram o DAX Copilot em Stanford entre outubro de 2023 e janeiro de 2024 (Shah et al., 2025). A carga de tarefa caiu de 68,98 para 44,56 pontos numa escala de 0 a 100, e o escore de burnout caiu de 7,47 para 5,53 numa escala de 0 a 10 (Shah et al., 2025).

A mediana de tempo poupado, segundo os próprios médicos, foi de 20 minutos por meio período de atendimento, mas a variação foi grande: de 90 minutos poupados a 90 minutos acrescentados (Shah et al., 2025). A amostra pequena, formada por médicos interessados, e o vale-presente oferecido aos participantes limitam a generalização.

Sutter Health

Stults e colaboradores avaliaram um piloto com 100 clínicos na Califórnia, com 57 pares de questionários (Stults et al., 2025). O burnout passou de 42,1 para 35,1 por cento, sem significância estatística (Stults et al., 2025). O tempo nas notas por consulta caiu de 6,2 para 5,3 minutos. A satisfação melhorou para 85,8 por cento dos profissionais da atenção primária, contra 36,4 por cento nas subespecialidades clínicas e 50,0 por cento nas cirúrgicas (Stults et al., 2025).

Comparação dos estudos

Estudo	Desenho e local	Participantes	Burnout ou bem-estar	Tempo de documentação
Lukac et al., 2025	Ensaio randomizado, uma instituição acadêmica	238 médicos	Melhoras modestas, sem teste de hipótese	Queda de 9,5 por cento com uma ferramenta (Lukac et al., 2025); sem diferença com a outra
Afshar et al., 2025	Ensaio randomizado em degraus, dois estados	66 profissionais	Exaustão menor; realização sem significância	0,36 hora por dia a menos nas notas
Olson et al., 2025	Antes e depois, seis sistemas	263 clínicos	Burnout de 51,9 para 38,8 por cento (Olson et al., 2025)	Escore de documentação fora do horário de 4,95 para 4,05, numa escala de 10 pontos
Shah et al., 2025	Antes e depois, uma instituição	48 médicos	Escore de burnout de 7,47 para 5,53	Mediana de 20 minutos por meio período, relatada
Stults et al., 2025	Piloto antes e depois, uma organização	100 clínicos	Burnout de 42,1 para 35,1 por cento, sem significância (Stults et al., 2025)	De 6,2 para 5,3 minutos por consulta
Pearlman et al., 2025	Coorte retrospectiva, uma instituição	125 usuários e 478 não usuários	Fora do escopo	15,9 por cento a menos nas notas (Pearlman et al., 2025)

Fontes: os estudos citados em cada linha, lidos no texto completo.

Tempo no prontuário e produtividade

Pearlman e colaboradores compararam 125 usuários de um escriba com 478 não usuários balanceados por características, num sistema acadêmico, entre julho e setembro de 2024 (Pearlman et al., 2025). Na análise ponderada, o tempo total no prontuário por consulta foi 8,5 por cento menor, cerca de 2,4 minutos, e o tempo nas notas foi 15,9 por cento menor, cerca de 1,8 minuto (Pearlman et al., 2025). O tempo fora do horário, a duração das consultas e o volume de atendimentos não mudaram.

Na UCSF, Holmgren e colaboradores analisaram 1.565 médicos, dos quais 698 adotaram o escriba (Holmgren et al., 2026). Os adotantes tiveram aumento de 0,04 unidade de valor relativo por atendimento e de 0,80 atendimento por semana, sem diferença nas glosas (Holmgren et al., 2026). Os próprios autores dizem que é preciso verificar se o aumento reflete mais serviços prestados, codificação mais precisa ou codificação inflada.

O que os números de tempo escondem

No ensaio da UCLA, as métricas do prontuário não incluíam o tempo de edição feito dentro da plataforma do fornecedor, o que pode superestimar a economia (Lukac et al., 2025). Ou seja, parte do tempo de revisão pode simplesmente ter mudado de lugar. Os ganhos médios, de segundos a poucos minutos por nota, são reais, mas estão longe de resolver sozinhos a carga descrita por Arndt e colaboradores.

Que erros a nota gerada traz

O que os médicos relataram no ensaio

No ensaio da UCLA, os médicos relataram imprecisões clinicamente relevantes com frequência descrita como ocasional, com nota média de 2,7 e 2,8 numa escala de 1 a 5 (Lukac et al., 2025). Os exemplos incluíram omissões, erros de estrutura e troca de pronomes, a história dos pais atribuída ao paciente e conteúdo inventado. Num exemplo citado pelos autores, "not drinking alcohol" virou "now drinking alcohol" na nota (Lukac et al., 2025).

Um evento adverso leve foi registrado: um aconselhamento extenso ao paciente ficou fora da nota (Lukac et al., 2025). Na avaliação de usabilidade, a afirmação de que as notas eram ao menos tão boas quanto as do próprio médico recebeu avaliação neutra.

O teste com consultas simuladas

Biro e colaboradores leram em voz alta 11 roteiros de consultas ambulatoriais reais e geraram 44 rascunhos com dois produtos comerciais (Biro et al., 2025). Encontraram 127 erros, com média de 2,9 por nota, e 31 das 44 notas (70 por cento) tinham ao menos um erro (Biro et al., 2025). A omissão foi o erro mais frequente, seguida de texto irrelevante ou fora do lugar, acréscimos e informação errada, e o padrão variou entre os produtos.

Os autores chamam atenção para um ponto prático: a omissão é o erro mais difícil de detectar, porque o médico precisa lembrar o que foi dito, o que fica mais difícil quando a revisão acontece depois de várias consultas (Biro et al., 2025). O estudo usou simulação e poucas consultas, e os autores pedem testes independentes.

O que os clínicos corrigem

Guo e colaboradores analisaram 200 consultas na UCI Health com rascunhos de dois fornecedores (Guo et al., 2026). As edições mais comuns envolveram pedidos de exames e encaminhamentos (40,0 por cento), sintomas (30,3 por cento), medicamentos (27,3 por cento) e descrição de diagnósticos (25,9 por cento) (Guo et al., 2026). Entre os temas das edições estavam corrigir discrepâncias factuais e explicitar o grau de certeza diagnóstica.

Na outra ponta, o ensaio de Afshar mediu a qualidade de notas não editadas com um modelo de linguagem atuando como avaliador e encontrou linguagem estigmatizante em menos de 1 por cento das notas (Afshar et al., 2025). Essa avaliação automática é útil para monitorar, mas não substitui a leitura de quem estava na sala.

Por que e como conferir a nota

Um erro de registro pode virar erro de cuidado. Uma medicação ausente, um antecedente atribuído à pessoa errada ou uma negação invertida podem guiar a próxima consulta na direção errada, e a discussão mais ampla sobre como isso acontece está em erro diagnóstico e o relatório Improving Diagnosis. Quando o erro chega ao paciente, o médico que assinou também sofre, tema de segunda vítima: o médico depois do erro.

Os estudos sugerem alguns pontos de atenção na revisão:

• Procure o que falta, e não só o que está errado, porque a omissão foi o erro mais comum e o mais difícil de notar (Biro et al., 2025).
• Confira negações e atribuições, como "nega", "não usa" e antecedentes familiares, que apareceram trocados no ensaio da UCLA (Lukac et al., 2025).
• Revise medicamentos, pedidos e diagnósticos, as áreas mais editadas pelos clínicos (Guo et al., 2026).
• Verifique o grau de certeza: uma hipótese discutida não deve aparecer como diagnóstico confirmado (Guo et al., 2026).
• Revise logo após a consulta, enquanto a memória da conversa ainda está fresca (Biro et al., 2025).

A revisão como parte do raciocínio

Os próprios autores do ensaio randomizado concluem que as imprecisões ocasionais exigem vigilância contínua (Lukac et al., 2025). Guo e colaboradores recomendam rotinas de revisão sólidas e consistentes (Guo et al., 2026). Ler a nota é também um momento de checar se a avaliação reflete o raciocínio feito, e o debate mais amplo sobre IA nesse papel está em uso de inteligência artificial no raciocínio clínico.

Consentimento do paciente

Num centro acadêmico de Nova York, Lawrence e colaboradores estudaram o consentimento para o escriba com 18 clínicos e 103 pacientes (Lawrence et al., 2025). A maioria dos pacientes, 74,8 por cento, se disse confortável com a ferramenta (Lawrence et al., 2025). Quando recebiam apenas informações básicas, 81,6 por cento consentiam, mas a proporção caiu para 55,3 por cento quando eram detalhados os recursos de IA, o armazenamento dos dados e o envolvimento de empresas (Lawrence et al., 2025).

A amostra foi pequena, restrita a participantes que falavam inglês e com alta escolaridade. Ainda assim, o achado mostra que o consentimento muda conforme o que se explica, e que explicar com clareza faz parte do uso da ferramenta.

Voltando ao caso

A médica do caso fictício ganhou algum tempo, como sugerem os ensaios, mas a nota com "agora bebe" mostra o outro lado. A troca de uma palavra mudou o sentido de um antecedente, exatamente o tipo de erro descrito no ensaio da UCLA (Lukac et al., 2025). A conduta prática é revisar cada rascunho logo após a consulta, com atenção a negações, medicamentos e ao que pode ter ficado de fora.

Como o NEXO ajuda a treinar esse raciocínio

No NEXO, o caso do dia é fictício, com apresentação clínica real e até seis pistas progressivas, e você propõe o diagnóstico buscando o código na CID-10. Revisar uma nota gerada por IA exige o mesmo exercício: comparar cada dado registrado com a história real, notar a pista que faltou e checar se a hipótese escrita é a que você sustentaria, como no treino do diagnóstico diferencial com pistas.

Os limites de uso do jogo estão descritos na página de economia do NEXO. Se você pesquisa ensino de raciocínio clínico, a página para pesquisadores explica como entrar em contato. Profissionais que escrevem ou revisam casos encontram informações em curadoria e em criadores, e instituições podem conhecer a proposta na página para parcerias. Buscar o código certo na CID-10 completa esse treino.

Perguntas frequentes

O escriba de IA reduz o burnout?

Os estudos antes e depois mostram queda do burnout autorreferido, como de 51,9 para 38,8 por cento em seis sistemas de saúde, mas sem grupo controle (Olson et al., 2025). No ensaio randomizado em degraus, a exaustão no trabalho caiu, enquanto a realização profissional não teve mudança significativa (Afshar et al., 2025). As evidências apontam benefício, mas ainda vêm de estudos curtos e com adotantes interessados.

Quanto tempo o escriba economiza?

Pouco por nota. No ensaio da UCLA, a queda significativa no tempo na nota foi de 9,5 por cento com uma das ferramentas (Lukac et al., 2025). Na coorte de Pearlman, o tempo nas notas foi cerca de 1,8 minuto menor por consulta (Pearlman et al., 2025).

A nota gerada pode ser assinada sem leitura?

Os dados desaconselham. Em consultas simuladas, 70 por cento das notas tinham ao menos um erro (Biro et al., 2025), e o ensaio randomizado registrou imprecisões clinicamente relevantes ocasionais (Lukac et al., 2025).

Que erro é mais difícil de perceber?

A omissão. Biro e colaboradores observaram que ela exige que o médico lembre o que foi dito na consulta, o que fica mais difícil quando a revisão é feita horas depois (Biro et al., 2025).

É preciso pedir consentimento ao paciente?

Os serviços estudados pediram consentimento, e a aceitação dependeu de quanto foi explicado: 81,6 por cento com informação básica e 55,3 por cento com informação detalhada (Lawrence et al., 2025).

Take-home messages

• Trate o burnout como fenômeno ocupacional, com exaustão, distanciamento e menor eficácia, como define a OMS (OMS, 2019).
• Espere ganhos modestos de tempo: no ensaio randomizado, a única redução significativa foi de 9,5 por cento no tempo na nota (Lukac et al., 2025).
• Leia os resultados de burnout com cautela, porque as maiores melhoras vieram de estudos sem grupo controle (Olson et al., 2025; Shah et al., 2025).
• Revise cada nota logo após a consulta, procurando sobretudo o que ficou de fora (Biro et al., 2025).
• Confira negações, medicamentos, pedidos e grau de certeza diagnóstica, as áreas mais sujeitas a erro e edição (Lukac et al., 2025; Guo et al., 2026).
• Explique ao paciente como a gravação funciona, porque o consentimento muda com o nível de detalhe (Lawrence et al., 2025).

Referências

1. World Health Organization. Burn-out an "occupational phenomenon": International Classification of Diseases. 28 de maio de 2019. [Texto integral](https://www.who.int/news/item/28-05-2019-burn-out-an-occupational-phenomenon-international-classification-of-diseases).
2. Arndt BG, Beasley JW, Watkinson MD, Temte JL, Tuan WJ, Sinsky CA, Gilchrist VJ. Tethered to the EHR: primary care physician workload assessment using EHR event log data and time-motion observations. Ann Fam Med. 2017;15(5):419-26. [PubMed](https://pubmed.ncbi.nlm.nih.gov/28893811/).
3. Lukac PJ, Turner W, Vangala S, et al. Ambient AI scribes in clinical practice: a randomized trial. NEJM AI. 2025;2(12). [PubMed](https://pubmed.ncbi.nlm.nih.gov/41497288/).
4. Afshar M, Baumann MR, Resnik F, et al. A pragmatic randomized controlled trial of ambient artificial intelligence to improve health practitioner well-being. NEJM AI. 2025;2(12). [PubMed](https://pubmed.ncbi.nlm.nih.gov/41625485/).
5. Olson KD, Meeker D, Troup M, et al. Use of ambient AI scribes to reduce administrative burden and professional burnout. JAMA Netw Open. 2025;8(10):e2534976. [PubMed](https://pubmed.ncbi.nlm.nih.gov/41037268/).
6. Shah SJ, Devon-Sand A, Ma SP, et al. Ambient AI scribes: physician burnout and perspectives on usability and documentation burden. J Am Med Inform Assoc. 2025;32(2):375-80. [PubMed](https://pubmed.ncbi.nlm.nih.gov/39657021/).
7. Stults CD, Deng S, Martinez MC, et al. Evaluation of an ambient artificial intelligence documentation platform for clinicians. JAMA Netw Open. 2025;8(5):e258614. [PubMed](https://pubmed.ncbi.nlm.nih.gov/40314951/).
8. Pearlman K, Wan W, Shah S, Laiteerapong N. Use of an AI scribe and EHR efficiency. JAMA Netw Open. 2025;8(10):e2537000. [PubMed](https://pubmed.ncbi.nlm.nih.gov/41071550/).
9. Holmgren AJ, et al. Ambient AI scribes and physician financial productivity. JAMA Netw Open. 2026;9(1):e2553233. [PubMed](https://pubmed.ncbi.nlm.nih.gov/41511775/).
10. Biro J, Handley JL, Cobb NK, et al. Accuracy and safety of AI-enabled scribe technology: instrument validation study. J Med Internet Res. 2025;27:e64993. [PubMed](https://pubmed.ncbi.nlm.nih.gov/39869899/).
11. Guo Y, Hu D, Yang Z, et al. What do clinicians edit in ambient AI-drafted clinical documentation? J Am Med Inform Assoc. 2026;33(8):1457-65. [PubMed](https://pubmed.ncbi.nlm.nih.gov/42118974/).
12. Lawrence K, Kuram VS, Levine DL, et al. Informed consent for ambient documentation using generative AI in ambulatory care. JAMA Netw Open. 2025;8(7):e2522400. [PubMed](https://pubmed.ncbi.nlm.nih.gov/40694347/).