Enkla och lokala lösningar för AI och dataanalys kan ge lösningar på konkreta problem inom hälso- och sjukvården, exempelvis inom bemanning och användning av operationssalar.
AI-lösningar, som enkla språkmodeller, kan också förbättra kommunikationen mellan patienter och vårdpersonal.
Det skriver Rami Riman, onkolog och Director of Clinical and Business Improvements på InterSystems.
Förutom mitt arbete på InterSystems, är jag onkolog på en mindre klinik. Där har vi stött på utmaningar med att hantera stora mängder information från patientjournaler, vilket ofta resulterar i omfattande volymer av pappersdokument. För att effektivisera hanteringen av denna information, startade vi ett projekt med ett enkelt lokalt AI-verktyg.
Verktyget hjälpte oss att snabbare analysera journaldata från patienter. Analyser som gav oss möjlighet att upprätta djupare personliga relationer med våra patienter genom att förbättra vår kommunikation. Vi kunde nyttja information från tidigare vårdkontakter som inte nödvändigtvis var enbart medicinsk.
Erfarenheten visar att AI inte behöver genomföras som stora, riskfyllda projekt och inte heller ska ersätta mänskliga insatser inom sjukvården. Tvärtom kan AI förbättra mänskliga kontakter om tekniken utformas och används på rätt sätt. Det är avgörande att inte blint förlita sig på AI-förslag, utan att läkare och sjukvården kvalitetssäkrar dess förslag.
I mitt reguljära arbete har jag varit inblandad i åtskilliga projekt i vilka vi lyckats effektivisera vårdinsatserna. Det handlar om att lösa problem med personalbrist, vårdköer och högre kostnader. En generell aspekt för sådana AI-lösningar, är att de kan köras lokalt på de olika vårdinrättningarna. Man behöver inte bygga dyra centrala arkitekturer som är svåra att administrera och hantera.
Rami Riman, onkolog och Director of Clinical and Business Improvements på InterSystems
Ett projekt på ett sjukhus handlade om att man hade problem med att beräkna antalet sjuksköterskor som behövdes. Genom att mata in data i en modell om vilka typer av vårdinsatser som behövde genomföras, hur avancerade de var, vilka veckodagar det handlade om, ifall det var helgdagar, och så vidare, gick det att förutsäga behovet av sjuksköterskor som behövdes på ett bättre sätt.
Det här projektet handlade inte bara om att minska kostnader, utan även om att använda en begränsad resurs, sjuksköterskor, på ett bättre sätt. Det minskar i sin tur behovet av och problemen med rekrytering.
Ett annat projekt handlade om att optimera användningen av operationssalar, vilka är dyra i drift. Med en enkel analys gick det att förutsäga hur många minuter som behövs för en operationssal på ett bättre sätt. Det gav en förbättring på tolv procent av effektiviteten i nyttjandet av salarna.
Ytterligare ett projekt handlade om att hantera problemet med patienter som inte dyker upp på bokade tider. Sjukhuset i fråga försökte lösa problemet med upprepade påminnelser, överbokning av antalet besök, att kalla in extra personal, med flera insatser. Ibland ledde det till kaos när alla patienter dök upp en dag när de hade överbokat. En annan dag fanns det personal som var sysslolös. Med en analysmodell lyckades vi identifiera egenskaper för de patienter som var mest sannolika att inte dyka upp en viss dag, och därigenom anpassa personalstyrkan och hur många besök som bokades in den dagen. Förbättringen motsvarade 25 arbetstimmar per dag, i icke-förlorad arbetstid från uteblivna besök.
En insikt är att ostrukturerad data, som anteckningar, kan vara lika värdefull som strukturerad. Med enkla språkmodeller går det att utvinna användbar information. Kontentan är att AI-lösningar kan användas för att förbättra kommunikationen mellan patienter och vårdpersonal.
Även om det rör sig om lokala AI- och dataanalyslösningar, är det ytterst viktigt att inte förbise vikten av att samordna datakällor och hantera data enhetligt med en omfattande plattform, särskilt med tanke på de synergier som uppnås när AI-användningen skalas upp.
Genom att rätt använda AI kan vi inte bara lösa akuta problem utan även förbättra vården på en djupare nivå. Det handlar om att skapa system som stödjer vårdpersonalens arbete, förbättrar patientupplevelsen och i slutändan leder till bättre hälsoutfall.
Tillsammans kan vi bygga en framtid där teknik och mänsklig expertis samverkar för att erbjuda den bästa möjliga vården.
