برای آخرین به روزرسانی ها و مطالب اختصاصی در مورد پوشش هوش مصنوعی پیشرو در صنعت ، به خبرنامه های روزانه و هفتگی ما بپیوندید. بیشتر بدانید
رضایت پزشک و بیمار (یا عدم وجود آن) مسئله مهمی در مراقبت های بهداشتی است – بیماران زیرا آنها می توانند برای دسترسی به مراقبت ، پزشکان تلاش کنند ، زیرا آنها به سادگی کارهای زیادی دارند.
بیمارستان اتاوا (TOH) با ادغام Copilot DAX مایکروسافت در سال گذشته تصمیم گرفت تا این چالش را برطرف کند. و این در حال حاضر تأثیر زیادی داشته است: نتایج اولیه نشان می دهد که هفت دقیقه در هر برخورد ، کاهش 70 درصدی در فرسودگی و خستگی گزارش شده توسط پزشکان نشان می دهد و 93 ٪ از بیماران تجربه مراقبت بهتر یا معادل آن را گزارش می دهند.
گلن کرنس ، EVP و CIO از توه ، به VentureBeat گفت: “دسترسی به مراقبت احتمالاً یکی از بزرگترین مسائلی است که بیماران با آن روبرو هستند.” “اگر بتوانیم توان را بهبود بخشیم ، حتی در هر پزشک در هر شیفت ، حتی یک زن و شوهر از پزشکان نیز این کار را با 10 پزشک در یک مراقبت چند برابر کنید ، سپس آن را با 365 ضرب کنید – این یک افزایش بی نتیجه در دسترسی به مراقبت نیست.”
هوش مصنوعی محیط به عنوان دستیار فعال
توه اولین بیمارستان کانادایی بود که خلبان DAX Copilot مایکروسافت را خلبان کرد ، که مستقیماً با حماسه پلت فرم سلامت الکترونیکی (EHR) که به طور گسترده استفاده می شود ، ادغام شده است. در ماه مارس ، مایکروسافت DAX Copilot را با Dragon Medical One (DMO) به دستیار AI تعبیه شده Microsoft Dragon Copilot ، که غول فناوری می گوید بیش از 600000 پزشک استفاده می شود ، همراه کرد.
Dax Copilot ، که خارج از جعبه است ، مکالمات پزشک-بیمار را از طریق یک برنامه تلفن همراه ضبط می کند و پیش نویس یادداشت های بالینی را در زمان واقعی تولید می کند ، کن هارپر ، رئیس پروژه مایکروسافت برای اژدها ، توضیح داد که به VentureBeat توضیح داده شده است.
وی گفت: “پزشکان می توانند ضبط را از تلفن همراه شروع کنند ، تلفن خود را پایین بیاورند ، بیمار را معاینه کنند ، با بیمار صحبت کنند و هیچ تفاوتی با آنچه به هر حال انجام می دهند.”
سپس این سیستم جزئیات را بر اساس زمینه بازدید (علائم ، تشخیص ، برنامه های درمانی ، پیگیری ها) استخراج می کند ، که بلافاصله در EHR موجود است. تمام پزشکان باید انجام دهند این است که به سرعت بررسی و نهایی شود.
هارپر توضیح داد: “به جای اینکه بخواهید چیزی را از ابتدا نویسنده کنید و تمام جزئیات دقیقه را به خاطر بسپارید یا در مقابل یک بیمار نوع را به خاطر بسپارید ، این فقط به طور خودکار اجرا می شود.”
هارپر توضیح داد: برای تنظیم Dragon Copilot ، مایکروسافت از “مخزن عظیم داده های بالینی که در طول سال ها تهیه شده است” استفاده می کند. مهندسان به طور مداوم مدل های بزرگ زبان (LLM) را با آن داده ها تنظیم می کنند تا سیستم بتواند اطلاعات پزشکی را درک و با اطمینان خلاصه کند.
برای بهبود بیشتر صحت ، مدل ها توسط تخصص بهینه می شوند – خواه پزشک اورژانس ، متخصص پوست ، متخصص قلب و عروق یا هر متخصص پزشکی دیگر باشد.
در حلقه های بازخورد ، تیم ها اولین پیش نویس تهیه شده توسط دستگاه را تجزیه و تحلیل می کنند و آن را با چه و چه مقدار پزشک بعد از آن تغییر می دهند.
هارپر گفت: “این اطمینان حاصل می کند که به طور متوسط با گذشت زمان ، همانطور که داده ها وارد می شوند و ما از آن داده ها می آموزیم ، ویرایش کاهش می یابد.”
نحوه بهبود ویزیت ها ، کاهش فرسودگی پزشک
طبق اعلام انجمن پزشکی کانادا ، پزشکان حدود 10 ساعت در هفته را صرف کارهای اداری می کنند ، مانند به روزرسانی نمودارها پس از قرارهای بیمار.
Kearns توضیح داد که Toh یک برنامه ارزیابی قوی برای DAX Copilot تهیه کرده است که شامل به روزرسانی ماهانه از طریق داشبورد Microsoft Power BI است. این شامل بازخورد پزشکان ، نظرسنجی های بیمار و داده های EPIC است.
وی گفت: “این چارچوب به ما کمک می کند تا به طور مداوم تأثیر بگذاریم و پیشرفت های خود را راهنمایی کنیم.”
وی توضیح داد که به طور معمول در پایان روز یا تغییر ، پزشکان مجبورند به عقب برگردند و مستندات را از ویزیت های بیمار نهایی کنند. اما این ابزار برای “همه دسته پزشکان” بعد از ساعت ، کار نمودار و مستندات کاهش یافته است. این نه تنها باعث صرفه جویی در وقت آنها می شود بلکه به کاهش فرسودگی کمک می کند زیرا آنها کارهای خسته کننده ای کمتری دارند.
این ابزار همچنین بار شناختی پزشکان را در حین بازدیدها بهبود بخشیده است: به جای تمرکز بر روی جزئیات بیمار و پیمایش اسناد و فرم ها ، آنها قادر به “متفاوت و بهتر” هستند. علاوه بر این ، “ما شاهد افزایش سطح توان ، تعداد بیشتری از بیماران در هر تغییر در هر پزشک بودیم.”
Kearns تأکید کرد که از همه بیماران خواسته می شود قبل از ثبت قرار ملاقات ها رضایت دهند و به یادداشت های موجود در پورتال بیمار Mychart خود دسترسی داشته باشند. آنها همچنین در مورد این برنامه ادبیات ارائه شده و اطمینان می دهند که سوابق بهداشتی آنها همیشه محرمانه و ایمن است.
پذیرش بیمار همچنین “بسیار ، بسیار مثبت” بوده است ، با 97 ٪ گزارش داده اند که تجربه آنها با ابزار AI به اندازه یک قرار ملاقات معمولی یا بهتر است. كرنس گفت: “ما این فرصت را به فرصت پزشك نسبت می دهیم كه در طول بازدید با آنها متفاوت و عمدی تر درگیر شویم ، كه اغلب با زمان فشرده می شود.”
با نگاهی به آینده ، وی گفت که این ابزار می تواند در سناریوهایی مانند تشخیص نشانگر نشانگر و تعیین کننده های اجتماعی سلامت (مسائل غیر پزشکی که بر سلامت شخص تأثیر می گذارد ، مانند کمبود تغذیه یا عدم حمل و نقل استفاده شود. علاوه بر این ، سفارشات ، پیش از مجازات و نامه های ارجاع می تواند دست و پا گیر باشد ؛ یک هدف در خط این است که کپی اژدها را انجام دهد.
کرنس گفت: “چیزهای زیادی در فضای ضبط مستندات از جاده پایین می آیند.”
هم تیمی های دیجیتال برای غلبه بر مسائل پرسنلی
حوزه دیگری که Toh در آن شرکت می کند AI “هم تیمی های دیجیتال” است. تابستان گذشته ، این تسهیلات مواردی را با Deloitte ایجاد کرد و سوفی را راه اندازی کرد که چندین زبان صحبت می کند.
جالب اینجاست که او قادر به تفسیر احساسات بیمار و پاسخ رفتاری است.
کرنس اذعان کرد: “من از گفتن این متنفرم ، اما بیماران به پزشکان دروغ می گویند.” “شما می دانید ،” مقیاس درد شما چیست؟ ” “اوه ، من خوب کار می کنم ، از 10 از 10 است.” اما پس از آن سوفی این توانایی را خواهد داشت که به چهره شما نگاهی بیندازد و برود ، “خوب ، به نظر نمی رسد که یک پنج نفر باشد.”
سپس او ممکن است در ادامه بپرسد که تعریف بیمار از پنج چیست و می تواند بر اساس داده های عینی محوری باشد.
Toh برای کمک به بیماران در حرکت و دسترسی به سیستم مراقبت های بهداشتی و شرکت در پیش نمایش ، آواتار دیگری را در بهار راه اندازی می کند.
کرنس خاطرنشان کرد: “من فکر نمی کنم کسی از بحران منابع انسانی مراقبت های بهداشتی که در سطح جهان وجود دارد آگاه نیست.” “ما می خواهیم واقعاً سعی کنیم از بیماران محکم تر از آنچه امروز می توانیم پشتیبانی کنیم و به آنها خدمت کنیم.”
به عنوان مثال ، این مرکز پس از انجام مراحل خاص ، تماس های پیگیری را با بیماران برقرار می کند. با این حال ، به دلیل محدودیت منابع ، آنها فقط می توانند با بیماران با ریسک بالا پیگیری کنند. یک هدف برای Kearns پیگیری هر بیمار است ، با این که آواتار توضیح در مورد هرگونه سؤال از بیمار را ارائه می دهد و تأیید می کند که آیا آنها دستورات ترخیص آنها را درک کرده اند ، قادر به رسیدن به داروخانه بودند یا دستورات پزشک را دنبال کرده اند. در صورت لزوم آواتار می تواند به یک پرستار یا تیم بالینی بیمار افزایش یابد.
کرنس گفت: “یکی از مواردی که مراقبت های بهداشتی به خود افتخار می کند ، لمس انسان است.” “این راهی برای اطمینان از حداکثر رساندن و بهینه سازی آن منابع لمسی انسان است ، اما همچنین اطمینان حاصل می کنیم که بیماران از طریق سفر مراقبت های بهداشتی خود به خوبی پشتیبانی می شوند.”
با این حال ، وی خاطرنشان كرد كه هنوز در اوایل بازی است. یک قدم مهم آینده این امکان را برای هم تیمی دیجیتال برای تعامل با اطلاعات حماسی و محیط زیست دارد.
کرنس گفت: “ما کارهای بیشتری برای انجام دادن در آنجا انجام داده ایم ، ما هنوز هم در سمت فرزندخواندگی بسیار متمرکز هستیم.” “ما هنوز یک سیستم مراقبت های بهداشتی هستیم که نسبت به وضعیت بهداشتی بیماران بسیار واکنشی است. ما می خواهیم به مکانی که پیشرو هستیم برسیم.”