Bergabunglah dengan buletin harian dan mingguan kami untuk pembaruan terbaru dan konten eksklusif tentang liputan AI terkemuka di industri. Pelajari lebih lanjut
Dokter dan kepuasan pasien (atau ketiadaan) adalah masalah yang signifikan dalam perawatan kesehatan – pasien karena mereka dapat berjuang untuk mendapatkan akses ke perawatan, dokter karena mereka memiliki terlalu banyak yang harus dilakukan.
Rumah Sakit Ottawa (TOH) berangkat untuk mengatasi tantangan ini dengan integrasi Microsoft's Dax Copilot tahun lalu. Dan itu sudah memiliki dampak besar: Hasil awal menunjukkan tujuh menit disimpan per pertemuan, pengurangan 70% dalam kelelahan dan kelelahan yang dilaporkan oleh dokter, dan 93% pasien melaporkan pengalaman perawatan yang lebih baik atau setara.
“Akses ke perawatan mungkin merupakan salah satu masalah terbesar yang dihadapi pasien,” Glen Kearns, EVP dan CIO of Toh, mengatakan kepada VentureBeat. “Jika kita dapat meningkatkan throughput, bahkan beberapa pasien per dokter per shift, Anda melipatgandakannya dengan 10 dokter dalam pengaturan perawatan, maka kalikan dengan 365 – itu bukan peningkatan yang tidak penting dalam akses ke perawatan.”
AI ambient sebagai asisten aktif
Toh adalah Rumah Sakit Kanada pertama ke Microsoft's Dax Copilot, yang secara langsung terintegrasi dengan platform Epic Rekor Kesehatan Elektronik (EHR) yang banyak digunakan. Pada bulan Maret, Microsoft menggabungkan DAX Copilot dengan Dragon Medical One (DMO) ke dalam asisten AI tertanam Microsoft Dragon Copilot, yang menurut raksasa teknologi digunakan oleh lebih dari 600.000 dokter.
Dax Copilot, yang berada di luar kotak, menangkap percakapan dokter-pasien melalui aplikasi seluler dan menghasilkan nada klinis draft secara real time, Kenn Harper, kepala proyek Microsoft untuk Dragon, dijelaskan kepada VentureBeat.
“Dokter dapat memulai rekaman dari ponsel, meletakkan telepon mereka, memeriksa pasien, berbicara dengan pasien, tidak ada bedanya dengan apa yang akan mereka lakukan,” katanya.
Sistem kemudian mengekstraksi detail berdasarkan konteks kunjungan (gejala, diagnosis, rencana perawatan, tindak lanjut), yang segera tersedia di EHR; Yang harus dilakukan dokter hanyalah meninjau dan menyelesaikan dengan cepat.
“Alih -alih harus menulis sesuatu dari awal dan mengingat semua detail atau ketik di depan pasien, ini hanya berjalan secara otomatis,” Harper menjelaskan, mencatat bahwa mereka menerima draf pertama yang “cukup akurat” setelah kunjungan selesai.
Untuk menyetel Dragon Copilot, Microsoft menggunakan “repositori besar data klinis yang telah dikuratori selama bertahun -tahun,” Harper menjelaskan. Insinyur terus-menerus menyempurnakan model bahasa besar (LLM) dengan data itu sehingga sistem dapat memahami dan secara andal merangkum informasi medis.
Untuk lebih meningkatkan akurasi, model dioptimalkan berdasarkan spesialisasi – apakah itu dokter darurat, dokter kulit, ahli jantung atau profesional medis lainnya.
Dalam loop umpan balik, tim menganalisis draft pertama yang disiapkan oleh mesin dan membandingkannya dengan apa dan seberapa banyak dokter berubah sesudahnya.
“Ini memastikan bahwa sebagai rata -rata dari waktu ke waktu, karena data terus masuk dan kami belajar dari data itu, pengeditan turun,” kata Harper.
Bagaimana Toh Meningkatkan Kunjungan, Mengurangi Kelelahan Dokter
Menurut Asosiasi Medis Kanada, dokter menghabiskan sekitar 10 jam per minggu untuk tugas administrasi, seperti memperbarui grafik setelah janji temu pasien.
Kearns menjelaskan bahwa TOH mengembangkan rencana evaluasi yang kuat untuk DAX Copilot yang mencakup pembaruan bulanan melalui dasbor Microsoft Power BI. Ini menggabungkan umpan balik dari dokter, survei pasien dan data dari EPIC.
“Kerangka kerja ini membantu kita terus memantau dampak dan memandu perbaikan,” katanya.
Biasanya pada akhir hari atau shift, dokter harus kemudian kembali dan menyelesaikan dokumentasi dari kunjungan pasien, jelasnya. Tetapi alat ini telah berkurang setelah jam kerja, charting dan dokumentasi bekerja untuk “semua kategori dokter.” Ini tidak hanya menghemat waktu tetapi membantu mengurangi kelelahan karena mereka memiliki pekerjaan yang kurang membosankan untuk dilakukan.
Alat ini juga telah meningkatkan beban kognitif dokter selama kunjungan: alih -alih berfokus pada memasukkan detail pasien dan menavigasi dokumen dan formulir, mereka dapat “terlibat secara berbeda dan lebih baik,” kata Kearns. Selain itu, “kami melihat peningkatan tingkat throughput, lebih banyak pasien per shift, per dokter.”
Kearns menekankan bahwa semua pasien diminta untuk menyetujui sebelum janji dicatat dan mereka memiliki akses ke catatan di portal pasien MyChart mereka. Mereka juga diberi literatur tentang program dan meyakinkan bahwa catatan kesehatan mereka selalu rahasia dan aman.
Reseptivitas pasien juga “sangat, sangat positif,” dengan 97% melaporkan bahwa pengalaman mereka dengan alat AI sama baiknya dengan janji temu yang khas atau lebih baik. “Kami mengaitkannya dengan kesempatan dokter untuk terlibat dengan mereka secara berbeda dan lebih sengaja selama kunjungan, yang sering dikompresi oleh waktu,” kata Kearns.
Ke depan, ia mengatakan alat itu dapat digunakan dalam skenario seperti deteksi biomarker dan penentu sosial kesehatan (masalah non-medis yang berdampak pada kesehatan seseorang, seperti kekurangan gizi atau kurangnya transportasi. Lebih lanjut, perintah, pra-otorisasi dan surat rujukan dapat menjadi rumit; satu gol di bawah garis adalah memiliki tindakan naga copilot copilot pasca-visit.
“Ada banyak yang datang di jalan dalam ruang penangkapan dokumentasi,” kata Kearns.
Rekan satu tim digital untuk mengatasi masalah kepegawaian
Area lain tempat Toh menggabungkan AI adalah “rekan satu tim digital.” Musim panas lalu, fasilitas ini mengembangkan kasus penggunaan dengan Deloitte dan meluncurkan Sophie, yang berbicara beberapa bahasa.
Menariknya, dia dapat menafsirkan sentimen pasien dan respons perilaku.
“Aku benci mengatakan ini, tetapi pasien berbohong kepada dokter,” kata Kearns. “Kamu tahu, 'Apa skala rasa sakitmu?' 'Oh, aku baik -baik saja, ini lima dari 10.' Tapi kemudian Sophie akan memiliki kemampuan untuk melihat wajahmu dan pergi, 'Yah, sepertinya itu bukan lima.' “
Dia kemudian dapat bertanya apa definisi lima pasien tentang lima, dan dapat berputar berdasarkan data objektif.
Toh akan meluncurkan avatar lain di musim semi untuk membantu pasien menavigasi dan mengakses sistem perawatan kesehatan dan terlibat dalam pra-penyaringan.
“Saya tidak berpikir ada orang yang tidak menyadari krisis sumber daya manusia perawatan kesehatan yang ada secara global,” kata Kearns. “Kami ingin benar -benar mencoba mendukung dan melayani pasien lebih kuat dari yang kami bisa hari ini.”
Misalnya, fasilitas membuat panggilan tindak lanjut ke pasien setelah prosedur tertentu. Namun, karena keterbatasan sumber daya, mereka hanya dapat menindaklanjuti dengan pasien berisiko tertinggi. Suatu tujuan untuk Kearns menindaklanjuti dengan setiap pasien, dengan avatar memberikan klarifikasi pada pertanyaan pasien dan mengkonfirmasi jika mereka memahami pesanan keluar mereka, mampu sampai ke apotek, atau mengikuti pesanan dokter. Avatar dapat meningkat menjadi perawat atau tim klinis pasien jika diperlukan.
“Salah satu hal yang dibanggakan oleh perawatan kesehatan adalah sentuhan manusia,” kata Kearns. “Ini adalah cara untuk memastikan bahwa kami memaksimalkan dan mengoptimalkan sumber daya sentuhan manusia tersebut, tetapi juga memastikan bahwa pasien didukung dengan baik melalui perjalanan perawatan kesehatan mereka.”
Namun, ia mencatat bahwa ini masih di awal permainan. Salah satu langkah penting di masa depan adalah memungkinkan rekan setim digital untuk berinteraksi dengan informasi dan lingkungan epik.
“Kami memiliki lebih banyak pekerjaan yang harus dilakukan di sana, kami masih sangat fokus pada sisi adopsi,” kata Kearns. “Kami masih sistem perawatan kesehatan yang sangat reaktif terhadap status kesehatan pasien. Kami ingin sampai ke tempat di mana kami proaktif.”
