Снижение количества повторных госпитализаций является основным направлением деятельности медицинских организаций, работающих по контрактам на медицинское обслуживание на основе стоимости.
Врачи Northwell Health, крупнейшего поставщика медицинских услуг в штате Нью-Йорк, применяют клинический искусственный интеллект для расширения своих рабочих процессов после выписки и сократили количество повторных госпитализаций на 23,6%. Клиницисты изучали клинических ИИ стратифицированных пациентов на предмет их риска повторной госпитализации, определили клинические и доклинические факторы, влияющие на их риск, и рекомендовали целевую помощь и вмешательства для снижения риска для пациентов.
Клинический ИИ против прогнозной аналитики
Клиницисты отметили контраст между предписывающим клиническим ИИ и традиционной прогностической аналитикой и их влияние на результаты лечения пациентов.
«Прогностическая аналитика в целом представляет собой мощный инструмент, использующий комбинацию исторических данных, статистического моделирования, интеллектуального анализа данных и машинного обучения для прогнозирования событий и выявления закономерностей», – сказала д-р Зенобия Браун , вице-президент и медицинский директор Northwell Health. система здравоохранения, базирующаяся в Манхассете, штат Нью-Йорк.
«Несмотря на эти убедительные идеи, прогнозная аналитика на самом деле является лишь отправной точкой с точки зрения реализации значимых изменений на уровне населения и отдельных лиц.
«Предписывающая аналитика – инструмент, который использует прогнозное моделирование для выработки конкретных рекомендаций по матрице потенциальных точек принятия решений, – добавляет возможность операционализировать предоставленную информацию, которая является ключевой», – продолжила она. «Ориентируя клинические бригады на предписывающую аналитику, я сравниваю это с тем, как мы, как поставщики медицинских услуг, даем рекомендации, основанные на нашем понимании клинических данных и нашем опыте с течением времени, которые [приводят] нас к« правильному клиническому решению »».
Клинический персонал соглашается, и данные подтверждают, что чем более опытен – чем больше у персонала исторической информации о структуре результатов, с учетом определенного набора обстоятельств и вмешательства – тем лучше результаты, – пояснила она.
Миллион разных пациентов
“Я прошу свои команды представить, насколько лучше было бы их принятие решений, если бы их опыт в миллион раз больше, чем у этого набора клинических данных, и опыт лечения этого заболевания одним миллионом различных способов у миллиона различных типов пациентов, “Сказал Браун. «Это то, что поддерживает предписывающая аналитика; способ принимать решения в управлении сложностью, представляемой пациентами, за пределами набора данных, ограниченного человеческим мозгом».
Технология поддерживает гипер-информированные рекомендации, основанные на сложной матрице точек данных, специфичных для достижения желаемых результатов.
«Сейчас действительно захватывающее время для здравоохранения, когда широко признано, что факторы, влияющие на общее состояние здоровья людей, выходят далеко за рамки строго клинического риска», – сказал Браун. «Многие считают, что социальные детерминанты в равной степени, если не в большей степени, влияют на общие клинические результаты.
«У нас был действительно интересный случай кардиологического пациента, работавшего в сфере здравоохранения», – продолжила она. «Хотя диета обсуждалась как часть его повседневного ухода, исходя из его высокого уровня образования и клинического опыта, это не могло быть определено как область повышенного риска. Как оказалось, этот конкретный пациент имел социальную изоляцию, живя в пищевая пустыня, а также другие доклинические факторы, которые заставляют предписывающий ИИ рекомендовать несколько вмешательств по питанию ».
Зияющая дыра в самоуправлении
Когда рекомендация впервые появилась, навигатор по уходу была озадачена, но когда она связалась с пациентом, она фактически обнаружила, что это зияющая дыра в самоуправлении пациента и способности успешно восстанавливаться после операции. В клинической сфере для определения риска персонал обычно смотрит на историческое использование, серьезность заболевания и остроту.
«Что касается наиболее типичных клинических факторов риска, рекомендации, основанные на искусственном интеллекте, способствуют более глубокому пониманию наиболее вероятного вмешательства, которое повлияет на результат», – сказал Браун. “В этом примере поразительно то, что порядок рекомендуемых вмешательств может быть неожиданным.
«Например, для типичного пациента с сердечной недостаточностью мы обычно уделяем приоритетное внимание согласованию приема лекарств, обучению ежедневному весу и т. Д., Чтобы снизить риск повторной госпитализации / обострения ХСН», – продолжила она. «В одном случае сердечной недостаточности, который приходит на ум, ИИ рекомендовал нефрологическую консультацию как первое наиболее важное вмешательство, которое необходимо выполнить».
Команда могла бы получить консультацию нефролога в ходе плана ухода за пациентом, но, вероятно, не в первую очередь и, вероятно, не вовремя, чтобы предотвратить повторную госпитализацию, добавила она.
«Медицинские работники и люди в целом очень хорошо умеют распознавать знакомые нам закономерности», – отметила она. «Именно те, которых мы не узнаем, не видим и не можем расставить по приоритетам, представляют возможности для сохранения пациентов на пути к благополучию».
Интеграция в клинический рабочий процесс
Итак, как клинический искусственный интеллект интегрируется в клинический рабочий процесс, чтобы улучшить переходы лечения и предотвратить повторную госпитализацию после выписки?
«Первый и самый важный шаг – это уверенность поставщиков медицинских услуг в технологии», – заявил Браун. «Если они не верят, что это работает, или не видят ценности в том, как это помогает их времени или пациенту, шансов на хорошую операционную интеграцию нет. В нашем случае у нас была зрелая переходная программа, которая уже была видя хорошие результаты, было еще труднее убедить провайдеров в том, что это будет аддитивным.
«Сказав это, важная часть путешествия заключалась в том, чтобы поделиться этими примерами шаблонов, которые в противном случае были бы упущены;« хорошие уловы », – продолжила она. «Это повысило ценность инструмента. Также важно было убедиться, что прогнозы и рекомендации были своевременными, чтобы у команды было достаточно времени, чтобы повлиять на каждого пациента».
Для команды это означало, что инструмент искусственного интеллекта / прогнозного моделирования обновлялся несколько раз в день, пока пациенты все еще находились в больнице, так что идентификация пациентов с высоким риском могла происходить как можно дальше.
«Это также позволило проводить в больнице вмешательства, которые могут быть более трудными или менее своевременными в амбулаторных условиях – особенно консультации специалистов», – сказала она. «С точки зрения того, как он интегрируется в рабочий процесс, это как еще один показатель жизненно важных функций или лабораторный отчет. Это дополнительный фрагмент данных или информации, который можно использовать для значимой связи с пациентами. Он не заменяет то, что происходит у этого поставщика. / навигатор / пациент, но это может улучшить взаимодействие “.