Разработка искусственного интеллекта для определения приоритетов сообщений на портале для пациентов
В последние годы использование порталов для пациентов для общения между поставщиками медицинских услуг и пациентами резко возросло, что обусловлено растущим внедрением электронных медицинских карт (ЭМК) и спросом на более доступное здравоохранение. Пандемия COVID-19 еще больше ускорила эту тенденцию, подчеркнув необходимость эффективных и своевременных ответов на запросы пациентов. Однако огромный объем сообщений, некоторые из которых требуют срочного внимания, оказал значительное бремя на поставщиков медицинских услуг. Чтобы решить эту проблему, исследователи из NYU Langone Health разработали и внедрили рабочий процесс на основе искусственного интеллекта (ИИ) для приоритизации сообщений портала для пациентов, гарантируя, что случаи с высокой степенью остроты получат оперативное внимание. В недавней статье в JAMIA Open рассматриваются разработка, внедрение и влияние этой системы ИИ на уход за пациентами.
Необходимость использования ИИ в управлении порталом пациентов
Распространение использования портала для пациентов создало среду, в которой поставщикам медицинских услуг приходится управлять растущим количеством сообщений. Многие из этих сообщений являются рутинными, но небольшой процент требует срочного внимания из-за серьезности симптомов пациента. Традиционно сортировка этих сообщений была ручным процессом, что часто приводило к задержкам в рассмотрении критических случаев. Внедрение ИИ в этот рабочий процесс направлено на автоматизацию приоритизации сообщений, что позволяет поставщикам медицинских услуг в первую очередь сосредоточиться на самых срочных случаях.
В NYU Langone Health значительная часть сообщений портала для пациентов обрабатывается командой дипломированных медсестер, работающих в структурированной среде для сортировки и реагирования на запросы пациентов. Поскольку сообщения поступают круглосуточно, необходимо обеспечить, чтобы те, которые указывают на серьезные проблемы со здоровьем, рассматривались и реагировали как можно быстрее. Разработанная NYU Langone Health система искусственного интеллекта использует модель двунаправленных кодирующих представлений из трансформаторов (BERT) для определения языковых шаблонов в сообщениях, которые предполагают высокую остроту, тем самым помечая их для немедленного просмотра.
Внедрение и интеграция системы ИИ
Интеграция системы ИИ в существующий рабочий процесс EHR включала несколько ключевых шагов. Во-первых, исследовательская группа разработала модель ИИ, используя набор данных из более чем 40 000 сообщений пациентов. Модель была обучена распознавать определенные фразы и симптомы, обычно связанные с проблемами со здоровьем высокого риска, такими как боль в груди или затрудненное дыхание. Затем эти сообщения высокой степени остроты были помечены в системе EHR, что позволило медсестрам расставить приоритеты при их рассмотрении.
Чтобы облегчить принятие этого нового рабочего процесса, система ИИ была интегрирована в EHR в качестве нового столбца отображения с надписью «1st Msg Acuity». Этот столбец наглядно отображал сообщения, помеченные как высокоприоритетные, что позволяло медсестрам сортировать и обрабатывать эти сообщения в первую очередь. Сессии обучения и обратной связи проводились с бригадой медсестер, чтобы убедиться, что новая система удобна для пользователя и эффективно интегрирована в их повседневную жизнь.
Система была опробована небольшой группой пользователей, прежде чем была полностью внедрена в сеть. На протяжении всего этого процесса исследовательская группа тесно сотрудничала с медсестринским персоналом для уточнения модели ИИ и внесения корректировок на основе реального использования и отзывов. Этот совместный подход гарантировал, что система ИИ была технически надежной и соответствовала практическим потребностям поставщиков медицинских услуг.
Влияние на уход за пациентами и эффективность рабочего процесса
Внедрение рабочего процесса на основе ИИ оказало значительное влияние на эффективность ухода за пациентами в NYU Langone Health. Одним из основных показателей успеха стало сокращение времени, необходимого для прочтения и решения экстренных сообщений. До внедрения системы ИИ сообщения, отправленные вне рабочего времени, часто оставались непрочитанными до следующего рабочего дня, что приводило к потенциально опасным задержкам. После внедрения медианное время прочтения экстренных сообщений в нерабочее время сократилось с 66 минут до всего лишь 22 минут — сокращение на 67%.
Помимо более быстрого реагирования, система ИИ также улучшила общий рабочий процесс для сестринской бригады. Автоматизировав процесс расстановки приоритетов, медсестры смогли сосредоточить свои усилия на самых срочных случаях без необходимости вручную просматривать каждое сообщение. Это не только снизило когнитивную нагрузку на персонал, но и гарантировало, что критические случаи с меньшей вероятностью будут пропущены.
Успех системы ИИ в NYU Langone Health подчеркивает потенциал ИИ для улучшения ухода за пациентами за счет оптимизации процессов коммуникации и сокращения времени лечения серьезных проблем со здоровьем. Поскольку поставщики медицинских услуг продолжают внедрять технологии ИИ, подобные системы, вероятно, станут стандартной практикой, особенно в средах с большим объемом сообщений пациентов.
Заключение
Интеграция ИИ в управление порталом для пациентов в NYU Langone Health представляет собой значительный прогресс в использовании технологий для улучшения предоставления медицинских услуг. Отдавая приоритет сообщениям с высокой степенью остроты, рабочий процесс на основе ИИ не только сократил время лечения критических случаев, но и оптимизировал общую эффективность поставщиков медицинских услуг. Это исследование подчеркивает важность согласования решений ИИ с рабочими процессами человека для максимального увеличения их воздействия и предполагает многообещающее будущее ИИ в здравоохранении. Поскольку эта технология продолжает развиваться, она может изменить способ управления запросами пациентов, что в конечном итоге приведет к лучшим результатам и более отзывчивому уходу.
Источник: Jamia Open
