Microsoftovo najnovejše orodje z umetno inteligenco lahko predvidi zamujene obiske pri zdravniku

Med pomanjkanjem usposobljenih zdravnikov, pomanjkanjem negovalnega osebja in splošnim izčrpavanjem zdravstvenih delavcev zagotavljanje obiska pri zdravniku v sodobnem kliničnem okolju ni lahka naloga. Časovna vrednost za sestanke namreč še nikoli ni bila višja.

Ta del je natanko tisto, kar Microsoftovo najnovejše orodje za umetno inteligenco (AI) poskuša obravnavati: zmanjšanje zamujenih pregledov v zdravstvu. Merav Davidson, Microsoftov podpredsednik za industrijsko umetno inteligenco, je v Microsoftovih industrijskih blogih zapisal: »Letni strošek zamujenih obiskov v zdravstveni industriji samo v ZDA znaša več kot 150 milijard dolarjev. Zamujeni termini ne vodijo le v poslabšanje zdravja pacientov, temveč tudi ekonomski učinki neprihoda pacientov pomembno vplivajo na delovanje klinike in izračune fiksnih stroškov, kar povzroči preveliko število osebja in nenačrtovane izpade, zaradi česar se izvajalci zdravstvenih storitev na koncu spopadajo z vsakodnevnimi operacijami.«

Davidson poudarja pomemben pojav. Zamujeni termini niso škodljivi le za bolnika, ampak tudi za celoten klinični ekosistem. Na primer, če se pacient ne pojavi na svojem dodeljenem mestu, ta soba za to časovno obdobje ostane neuporabljena. V večini primerov je ni mogoče samo zapolniti z naslednjo osebo v čakalni vrsti, glede na to, da gre za storitev, ki temelji na sestanku, in naslednja oseba verjetno ne bo prispela do dodeljenega časa. Čeprav sta lahko en ali dva zamujena termina za sestanke zanemarljiva, če gledamo s celostne perspektive, ta neizkoriščen čas stane sistem milijarde dolarjev letno. Še bolj pomembno pa je morda dejstvo, da je izgubljeni termin zamujena priložnost za nekoga drugega, ki je res potreboval zdravnika, a mu ni uspelo priti. Glede na to, da sedanji čakalni seznami za zdravnike v primarni zdravstveni oskrbi pomenijo večmesečne čakalne dobe na nacionalni ravni je to zelo resničen problem.

OGLAS

Microsoftovo orodje je vgrajeno v njegovo robustno platformo Cloud for Healthcare in ima preprosto krivuljo učenja: »Model je enostavno uvesti in ga je mogoče usposobiti v samo dveh urah, tako da je ponudnik zdravstvenih storitev pripravljen za uporabo rešitve v samo enem dnevu. Ta ponudba koristi tako klinikom kot bolnikom. Z uporabnikom prijaznim in poznanim vmesnikom predvidevanje zamujenih terminov omogoča pisarniškemu osebju in zdravnikom, da predvidijo neprihod pacientov brez podatkovnega znanstvenega usposabljanja ali osebja.«

Davidson nadalje pojasnjuje, da »se je izkazalo, da so različne vrste vhodnih podatkov pomembne pri napovedovanju zamujenih terminov na področju zdravstvenega varstva. Demografski podatki, zgodovinski vzorci, družbene determinante in podatki o terminih, kot sta vrsta in čas dneva, so vhodni primeri, ki jih lahko negovalne ekipe uporabijo za usposabljanje modela.« Zapletenost programske opreme je bila podrobno razloženo Microsoft, ki prav tako vztraja, da "model ni vnaprej usposobljen in ga bo moral usposobiti uporabnik ponudnika zdravstvenih storitev."

OGLAS

Predvsem klinike in ambulante niso edina mesta, kjer bi to orodje lahko koristilo. Sčasoma bo ta programska oprema morda imela pomembno vlogo v skoraj vseh kliničnih okoljih, od oddelka za nujno pomoč do bolnišnične oskrbe.

Čeprav ta mehanizem umetne inteligence verjetno potrebuje več dela in testiranja, preden se lahko v celoti uresniči njegov polni potencial, je koncept obetaven v zvezi z uporabo podatkov in objektivnih meritev za izboljšanje kliničnih rezultatov.