Stanford's Chatehr memungkinkan dokter untuk meminta catatan medis pasien menggunakan bahasa alami, tanpa mengorbankan data pasien

Bagaimana rasanya mengobrol dengan catatan kesehatan seperti yang bisa dilakukan dengan chatgpt?

Awalnya diajukan oleh seorang mahasiswa kedokteran, pertanyaan ini memicu perkembangan Chatehr di Stanford Health Care. Sekarang dalam produksi, alat ini mempercepat ulasan bagan untuk penerimaan ruang gawat darurat, merampingkan ringkasan transfer pasien dan mensintesis informasi dari sejarah medis yang kompleks.

Pada hasil percontohan awal, pengguna klinis telah mengalami pengambilan informasi yang secara signifikan; Khususnya, dokter darurat melihat 40% mengurangi waktu tinjauan grafik selama handoff kritis, Michael A. Pfeffer, SVP Stanford dan Kepala Informasi dan Petugas Digital, mengatakan hari ini dalam obrolan api unggun di VB Transform.

Ini membantu mengurangi kelelahan dokter sambil meningkatkan perawatan pasien, dan dibangun berdasarkan beberapa dekade fasilitas medis kerja telah dilakukan untuk mengumpulkan dan mengotomatiskan data penting.

“Ini adalah waktu yang menyenangkan dalam perawatan kesehatan karena kami telah menghabiskan 20 tahun terakhir mendigitalkan data perawatan kesehatan dan memasukkannya ke dalam catatan kesehatan elektronik, tetapi tidak benar-benar mengubahnya,” kata Pfeffer dalam obrolan dengan pemimpin redaksi VB Matt Marshall. “Dengan teknologi model bahasa besar yang baru, kami sebenarnya mulai melakukan transformasi digital itu.”

Bagaimana Chatehr membantu mengurangi 'waktu piyama,' kembali ke interaksi tatap muka yang nyata

Dokter menghabiskan hingga 60% dari waktu mereka untuk tugas administrasi daripada perawatan pasien langsung. Mereka sering memasukkan “waktu piyama” yang signifikan, berkorban Jam pribadi dan keluarga untuk menyelesaikan tugas administrasi di luar jam kerja reguler.

Salah satu tujuan besar Pfeffer adalah merampingkan alur kerja dan mengurangi jam -jam ekstra sehingga dokter dan staf administrasi dapat fokus pada pekerjaan yang lebih penting.

Misalnya, banyak informasi masuk melalui portal pasien online. AI sekarang memiliki kemampuan untuk membaca pesan dari pasien dan menyusun respons yang kemudian dapat ditinjau dan disetujui manusia untuk dikirim.

“Ini seperti titik awal,” jelasnya. “Meskipun tidak selalu menghemat waktu, yang menarik, itu sebenarnya mengurangi kelelahan kognitif.” Terlebih lagi, katanya, pesan cenderung lebih ramah pasien, karena pengguna dapat menginstruksikan model untuk menggunakan bahasa tertentu.

Pindah ke agen, Pfeffer mengatakan mereka adalah konsep “cukup baru” dalam perawatan kesehatan tetapi menawarkan peluang yang menjanjikan.

Misalnya, pasien dengan diagnosis kanker biasanya memiliki tim spesialis yang meninjau catatan mereka dan menentukan langkah -langkah pengobatan selanjutnya. Namun, persiapan adalah banyak pekerjaan; Dokter dan staf harus melalui seluruh catatan pasien, bukan hanya patologi EHR tetapi pencitraan, kadang -kadang data genomik, dan informasi tentang uji klinis yang mungkin cocok dengan pasien. Semua ini harus bersatu bagi tim untuk membuat garis waktu dan rekomendasi, Pfeffer menjelaskan.

“Hal terpenting yang dapat kami lakukan untuk pasien kami adalah memastikan mereka memiliki perawatan yang tepat, dan dibutuhkan pendekatan multidisiplin,” kata Pfeffer.

Tujuannya adalah untuk membangun agen menjadi Chatehr yang dapat menghasilkan ringkasan dan garis waktu dan membuat rekomendasi untuk peninjauan dokter. Pfeffer menekankan bahwa itu tidak menggantikan, itu menyiapkan “hanya rekomendasi ringkasan yang luar biasa dengan cara multimodal.”

Hal ini memungkinkan tim medis untuk melakukan sekarang “perawatan pasien yang sebenarnya,” yang sangat penting di tengah -tengah kekurangan dokter dan keperawatan.

“Teknologi ini akan mengubah waktu dokter dan perawat yang menghabiskan tugas administrasi,” katanya. Dan, ketika dikombinasikan dengan ahli AI ambient yang mengambil alih tugas pemberitahuan, staf medis memfokuskan lebih banyak waktu pada pasien.

“Interaksi tatap muka itu sangat berharga,” kata Pfeffer. “Kita akan melihat AI lebih bergeser ke interaksi dokter-pasien.”

Teknologi 'luar biasa' ditambah dengan tim multidisiplin

Sebelum Chatehr, tim Pfeffer meluncurkan SecureGpt ke semua Stanford Medicine; Portal yang aman memiliki 15 model berbeda yang dapat diminum siapa pun. “Apa yang benar -benar kuat tentang teknologi ini adalah Anda benar -benar dapat membukanya bagi begitu banyak orang untuk bereksperimen,” kata Pfeffer.

Stanford mengambil pendekatan yang bervariasi untuk pengembangan AI, membangun modelnya sendiri dan menggunakan campuran dari off-shelf yang aman dan pribadi (seperti Microsoft Azure) dan model open-source jika perlu. Pfeffer menjelaskan bahwa timnya “tidak sepenuhnya spesifik” untuk satu atau yang lain, tetapi lebih cocok dengan apa yang mungkin akan bekerja paling baik untuk kasus penggunaan tertentu.

“Ada begitu banyak jenis teknologi yang luar biasa sekarang sehingga jika Anda dapat menyatukannya dengan cara yang benar, Anda bisa mendapatkan solusi seperti apa yang telah kami bangun,” katanya.

Kredit lain untuk Stanford adalah tim multidisiplinnya; Berlawanan dengan kepala petugas AI atau kelompok AI, Pfeffer mengumpulkan seorang ilmuwan data kepala, dua informatika, kepala petugas informasi medis dan kepala petugas informasi keperawatan, dan CTO dan CISO mereka.

“Kami menyatukan informatika, ilmu data, dan TI tradisional, dan membungkusnya ke dalam arsitektur; apa yang Anda dapatkan adalah grup ajaib ini yang memungkinkan Anda melakukan proyek yang sangat kompleks ini,” katanya.

Pada akhirnya, Stanford memandang AI sebagai alat yang harus diketahui semua orang, ditekankan Pfeffer. Tim yang berbeda perlu memahami cara menggunakan AI sehingga ketika mereka bertemu dengan pemilik bisnis dan menghasilkan cara untuk menyelesaikan masalah, “AI hanyalah bagian dari cara mereka berpikir.”