AI dla szpitali: asystenci lekarza i pielęgniarki

Od czego zaczynam

Lekarz po wizycie przepisuje do systemu to, co przed chwilą powiedział pacjentowi. Pielęgniarka po obchodzie przepisuje parametry z kartki do dokumentacji. AI ma zdjąć to przepisywanie. Decyzje zostają przy personelu.

Asystent lekarza

Lekarz dyktuje albo rozmawia z pacjentem. Mowa zamienia się na tekst na serwerze w sieci szpitala, a notatka buduje się na bieżąco. Asystent może zasugerować kierunek do weryfikacji, na przykład kod ICD-10 do tego, co lekarz powiedział, i nie stawia diagnozy. Rozmowę prowadzi lekarz i w każdej chwili może zmienić jej kierunek. Lekarz akceptuje albo odrzuca każdą sugestię, zanim cokolwiek trafi do dokumentacji.

Asystent pielęgniarki

Pielęgniarka dyktuje wpis przy łóżku, a system układa go w strukturę SBAR: sytuacja, tło, ocena, zalecenie. Parametry trafiają do pól formularza i do wyniku NEWS2, czyli skali wczesnego ostrzegania o pogorszeniu stanu pacjenta. Gdy brakuje parametru, zapis czeka, aż pielęgniarka poda wartość albo powód braku. Niepełny wynik NEWS2 jest pokazany jako dolna granica, a progi eskalacji ustala oddział.

Zasady, których się trzymam

• Dane pacjenta nie wychodzą ze szpitala. Modele pracują na serwerach w sieci szpitala, bez zewnętrznych dostawców.
• Model podpowiada, lekarz i pielęgniarka decydują. Wynik NEWS2 liczy program, nie model.
• Asystent proponuje, lekarz zatwierdza każdą pozycję notatki. Do dokumentacji trafia tylko to, co lekarz przeczytał i przyjął.
• Mierzę, zanim obiecam. Każdy wariant sprawdzam w kilku przebiegach, na zestawach z pułapkami i na nagraniach prawdziwych ludzi, a błąd groźny liczę osobno od uciążliwego.
• Lekarz i pielęgniarka akceptują każdą propozycję. Asystent niczego nie zapisuje za nich.

Kontekst zamiast trenowania

Nie trenujemy własnych modeli pod te zastosowania: nie ma to sensu ani technicznie, ani kosztowo. Korzystamy z istniejących modeli i dajemy im właściwy kontekst z bazy danych szpitala: rozpoznania, leki, wyniki i historię pacjenta, której dotyczy wpis. Dzięki temu asystenci osiągają dobre wyniki. Największą wartość daje zrozumienie dziedziny i pilnowanie kontekstu, a to kosztuje ułamek tego, co próba trenowania własnego modelu.

Najpierw dane, potem model

Dobre dane na wejściu, dobre wyniki na wyjściu. Asystent działa na uporządkowanym procesie i danych, dlatego AI i OpenCare są u mnie jedną pracą. AI jest mechanizmem nieprzewidywalnym, więc korzystamy z niego, żeby tworzyć przewidywalne narzędzia.

Więcej o prawie, danych i pilotażu w poradniku AI w przychodni i szpitalu i w materiale Notatka dyktowana z AI: zasady.

Kontakt

Chcecie sprawdzić asystenta na swoim oddziale? Napiszcie, jaką czynność chcecie odciążyć. Kontakt