רישומי בריאות אלקטרוניים (EHRs) אמורים להיות יעילים ולסייע באספקה מהירה של שירותי בריאות לחולים. עם זאת, נראה שיש נתק מוחלט בין המטרה המיועדת של EHRs לבין האופן שבו הם פועלים בפועל בתעשייה. הודות לעקומת הלמידה שמגיעה עם הפעלת מערכת רשומות רפואיות, החששות עם יכולת פעולה הדדית של נתונים, הטכנולוגיה שעליה הם בנויים ועוד, כבוד הפתרונות לרוב קשיחים ומונוליטיים כיום.
עבור לא יזומים, דו"ח מגלה גם כי הרופאים בארה"ב השקיעו close to 16 דקות על פונקציות EHR לכל מטופל. זה לא רק גוזל זמן, אלא גם אירוני. עם זאת, יש הבטחה במרחב זה כיוון שפתרונות מודרניים המונעים בעיקר על ידי בינה מלאכותית (AI) ולמידת מכונה מובילים את הדרך בהפיכת ה- EHR ליעילות, מהירות ויעילות יותר.
בפוסט זה, נבחן כיצד AI מעצבת את עתידם של EHRs ומסייעת לספקי שירותי בריאות ברחבי העולם. אבל לפני כן, נתחיל מהבסיס.
מהו EHR?
רשומות בריאות אלקטרוניות הן האיטרציות הדיגיטליות של הרשומות הקונבנציונאליות המבוססות על נייר, שנשמרות על מנת להקל על מתן השירות שלהן. מכיוון שהוא דיגיטלי, קל יותר לאחזר רישומים בודדים של מטופלים, לנהל פרטים מפורטים על היסטוריית המטופלים, לשתף נתונים בין בעלי העניין המתאימים כגון רופאים, רופאים, מנתחים, מרכזי אבחון ועוד.
כדי לתת לך הבנה טובה יותר של הפרטים שמכילים EHR, הנה רשימה מהירה:
- פרטי המטופל ופרטי התקשרות
- מידע על ביקור מטופל במרכזים רפואיים
- היסטוריה משפחתית
- אלרגיות ותגובות לאלמנטים ותרופות ספציפיים
- פרטי ביטוח
- פרטים על מחלות כרוניות או מחלות שוררות
- מידע על ניתוחים שבוצעו בעבר ועוד
היתרונות העיקריים של EHR
הודות לעובדה שהרשומות דיגיטאליות, הן מציעות המון יתרונות לספקי שירותי בריאות.
- שינוי ועדכון פרטי המטופל הופכים לפשוטים יותר
- ניתן להוסיף ולשמור מידע נוסף הקשור למטופל כגון מרשמים, נתונים מהדמיה רפואית ודוחות ועוד
- ניתן לקשר מקורות לרישומים ולדוחות ספציפיים לצורך ניתוח נוסף
- הם מסייעים לרופאים בקבלת החלטות קליניות טובות יותר
- סללו את הדרך לתרופות מותאמות אישית ולנהלי טיפול
- הפוך מספר משימות מיותרות לאוטומטיות ועוד
למרות שאלו יתרונות, רובם קיימים רק על הנייר. המרחק בין שאיפות ליישומים הופך את EHR לפחות יעיל בעולם האמיתי. עם זאת, תחילתה של בינה מלאכותית מתקנת בהדרגה פרצות תפעוליות וחששות במרחב ומפנה את הדרך לטיפול אופטימלי ולמתן שירות לחולים.
בואו לחקור את תפקידו של AI בעיצוב רשומות בריאות אלקטרוניות.
תפקיד AI ב- EHRs
צמצום ביצוע משימות מיותרות
דוחות שפורסמו על ידי AMA חושפים כי רופאים מבלים קרוב ל -50% מזמנם במשימות מיותרות כגון עדכון מסמכים, הזנת הזמנות ופרטי מטופל, חיוב ועוד. זה מקטין משמעותית את הזמן שהרופאים יכולים להשקיע בטיפוח טיפול ואבחון טוב יותר של המטופל.
עם זאת, עם AI, ניתן להפחית או לבטל לחלוטין את כמות הזמן שהקלינאים יקדישו במשימות מיותרות. זה מונע בעיקר על ידי דגמי NLP הממירות כתב יד ורשומות קול לטקסט ומסייעות לרופאים לעדכן מידע רלוונטי בצורה חלקה.
מיצוי מדויק של נתוני מטופלים רלוונטיים
במהלך ניתוחים או אבחונים של מחלות, אספקת שירותי הבריאות צריכה להיות מהירה ככל האפשר. הדבר חשוב במיוחד בעת חירום כאשר חולים מאושפזים עקב תאונות למשל. במקרים כאלה, רופאים או אנשי מקצוע אחרים בתחום הבריאות אמורים להיות מסוגלים לאחזר במהירות את המידע המדויק להם הם זקוקים לגבי מטופליהם כדי להתחיל בהליכי טיפול.
באותו זמן, הם לא יכולים להרשות לעצמם לגלול בין דפי טקסט ולחפש את מה שהם מחפשים. AI מתקן את החשש הזה באמצעות מיצוי מדויק של מידע רלוונטי. בכמה פורטלי EHR מבוססי ענן יש מה שהם מכנים מופשטים, שעוזרים לאנשי מקצוע להביא פרטים, הערות או נתונים ספציפיים על מטופל.
מינהל הבריאות המיטבי
אוטומציה היא אחד היתרונות המרכזיים של AI ב- EHRs. עצם הנוכחות של כמויות גדולות של נתונים מספיקה כדי ליישם אוטומציה מורכבת ולסלול את הדרך לניהול חלק מבתי החולים.
עם AI, בעיות כגון ניהול מיטות, ניהול תורים, פיתוח סגל, כוח אדם, מורל צוות ועוד ניתן לתקן בקלות. מודולי AI אוטומטיים המונעים על ידי ניתוח חיזוי יכולים לסייע למנהלי מערכת לחזות את הקבלה מחדש, לוחות זמנים ליום או לשבוע, שיעורי תמותה של חולים, שיעורי התאוששות ואפילו לנהל את שרשרת האספקה של מלאי בתי החולים.
יכולת פעולה הדדית טובה יותר
למרות שנתוני מטופלים קיימים בענן, הם עדיין אינם סטנדרטיים במידה רבה. יש הבדל בעיצוב או הצגת נתוני המטופלים בין ארגונים ואפילו צוותים בתוך אותו בית חולים. בינה מלאכותית יכולה לאפשר סטנדרטיזציה של EHR ולהפוך את הנתונים לפעולה הדדית כך שכל בעל עניין יוכל לאחזר את הנתונים שהם מחפשים מבלי לשבור את המוח שלהם.
מודלים של AI ולמידת מכונה יכולים להבטיח ביצוע הליכי תיעוד קליני, שמירה על עיצוב ספציפי, חבילות של נתונים בכמויות גדולות ממקורות חיצוניים מופקים והומרים, ויעשו יותר כדי לייעל את ה- EHR ואת הפונקציות שלהם.
האתגרים ביישום AI ב- EHRs
יישום AI לביצוע אופטימיזציה של EHR היא משימה הרקולאית. כל ארגון צריך לתקן כמה פרצות תפעוליות קיימות, לתקנן את שיטות הניהול שלו, למזער את עקומת הלמידה הכרוכה בכך, לקבל את ערימות הטכנולוגיה הנכונות ולעשות יותר.
ואלו רק הצד המבצעי של הדברים. גם ליישום יש צדדים טכניים. אלו כוללים:
- פריסה ושמירה עקבית על שטח האחסון הנדרש לתהליכי AI
- הפוך את הנתונים לאטומים ומאובטחים ככל האפשר כיוון שמסמכי ה- EHR מכילים מידע אישי חסוי ביותר על מטופלים ואנשים.
- הפוך את הנתונים הרלוונטיים לפעילים ביניהם
- שמור על עמידה בתקנות ובסטנדרטים הקיימים (והחדשים) של HIPAA ושמירה על רמות גבוהות של פרטיות ואבטחת נתונים.
- הקפידו על הקפדה על שיטות זיהוי נתונים ועוד
עטיפת Up
היתרונות והאתגרים של יישום AI ב- EHRs נושאים כנראה אותו משקל. עם זאת, ניתן להתגבר בקלות על האתגרים באמצעות שיטות עבודה מומלצות ודירוף החלטות ניהוליות. טוב יותר ומשפיע יותר בריאות מסתמך על איכות רשומות הבריאות האלקטרוניות שנשמרות ואחת הדרכים הסבירות ביותר להשיג זאת היא באמצעות יישומי AI.
