Az AdventHealth az OpenAI-jal fejleszti a teljes körű ellátást

Az AdventHealth a ChatGPT for Healthcare megoldást vezeti be, hogy csökkentse az adminisztratív terheket és egyszerűsítse a klinikai munkafolyamatokat a teljes rendszerében. Az időigényes dokumentációs és támogatási feladatok automatizálásával az ellátócsapatok hetente órákat nyernek vissza, így a klinikusok közvetlenebbül a betegekre összpontosíthatnak. Az eredmény nemcsak működési hatékonyság, hanem bővülő klinikai kapacitás, gyorsabb ellátáshoz jutás és a betegélmény mérhető javulása is.

Az AdventHealth kilenc államban működő kórházi rendszer, amely évente betegek millióit látja el. Sok nagy egészségügyi rendszerhez hasonlóan szűkös árrésekkel, növekvő kereslettel és egyre összetettebb adminisztrációval szembesül.

Ennek a nyomásnak nagy része a mindennapi munkafolyamatokban jelenik meg. Az erőforrás-felhasználás kezeléséhez eseteket áttekintő orvosszakmai tanácsadók gyakran körülbelül 10 percet töltenek egy-egy esettel, nem egyetlen feladattal, hanem lépések sorával: kórlapok olvasásával, releváns részletek azonosításával, kritériumok ellenőrzésével és strukturált indoklások megfogalmazásával. Több száz vagy több ezer esetnél ez az idő gyorsan összeadódik.

A teher a klinikai szerepkörökön túl is jelentkezik. A pénzügyi, HR-, IT- és más csapatok is jelentős időt töltenek dokumentumok készítésével, információk összefoglalásával és szükséges, de időigényes anyagok előállításával. Ennek eredményeként sokan abban működnek, amit a vezetők „állandó működési üzemmódnak” neveznek, kevés kapacitással a nagyobb értékű munkára.

Ezzel egy időben a szervezeten belül már megjelent az AI iránti érdeklődés. A munkatársak chatbotokkal kísérleteztek, még akkor is, amikor a hivatalos szabályzatok korlátozták ezek használatát.

„Voltak kollégák, akik alig várták a kezdést, de nagyon sokan a partvonalon maradtak” — mondja Rob Purinton, az AdventHealth AI-igazgatója. „Nem voltak biztosak abban, hogyan használják hatékonyan az AI-t a napi munkájukban.”

Az AdventHealth vezetése korán arra a következtetésre jutott, hogy az elszigetelt pilotok futtatása nem vezet érdemi változáshoz. A központi kihívás az volt, hogyan lehet következetes és biztonságos használatot elérni egy nagy létszámú munkaerőnél.

„Az AI legnehezebb része az egészségügyben az, hogy az emberek biztonságosan, következetesen és nagy léptékben használják” — mondja Purinton. „Korán úgy döntöttünk, hogy magát az elfogadást tekintjük a terméknek.”

Ez a döntés alakította a bevezetést. Ahelyett, hogy az AI-t automatizálásként pozicionálták volna, a vezetők úgy keretezték, mint az adminisztratív terhek csökkentésének és az idő klinikusoknak és dolgozóknak való visszaadásának módját.

„Nem automatizálásként beszélünk az AI-ról. Hanem visszanyert időként” — mondja Purinton. „Ha egy 10 perces áttekintést érdemben le tudunk rövidíteni — a minőség megőrzése mellett —, akkor ezt a kapacitást visszaadhatjuk a klinikusainknak.”

Az AdventHealth az elfogadást mérhető működési mutatóként is kezelte. A szervezet felhasználónként és munkanaponként követi az üzenetszámot, a hétvégéket és ünnepnapokat kizárva, hogy egységes viszonyítási alapot hozzon létre. Ezt a mutatót ugyanúgy figyelik és kezelik, mint bármely más KPI-t, a célokat és trendeket rendszeresen felülvizsgálva.

A használat skálázásához a rendszer nagy, központosított képzési programok helyett szakterület-alapú kortárscsoportokra támaszkodott. Például a pénzügyi csapatok pénzügyi csapatokkal, a HR pedig HR-rel dolgozott együtt — megosztva az adott funkcióhoz releváns utasításokat, munkafolyamatokat és bevált gyakorlatokat.

Ahogy a szervezet a kísérletezéstől a vállalati bevezetés felé haladt, a vezetés olyan eszközöket helyezett előtérbe, amelyek megfelelnek az egészségügy adatvédelemmel, irányítással és megbízhatósággal kapcsolatos követelményeinek.

„Az OpenAI-t választottuk, mert nem demót kerestünk. Hanem vállalati infrastruktúrát” — mondja Purinton. „Az érvelési képesség, a strukturált kimenetek és az irányítási kontrollok bizalmat adtak nekünk, hogy ez nem csupán termelékenységi szoftver. Hanem valami, amit felelősen tudunk skálázni egy egészségügyi rendszeren belül.”

Az AdventHealth bevezette a ChatGPT Enterprise-t, majd később a ChatGPT for Healthcare-t, amely további védelmi intézkedéseket biztosított a szabályozott környezetekhez, beleértve az adatvédelmet és a megfelelőségi támogatást.

A döntést az innováció gyorsasága és az együttműködés is befolyásolta.

„Nagyra értékeljük, hogy közelebb lehetünk a lehetőségek határához” — mondja Purinton. „És azt tapasztaltuk, hogy az OpenAI rendkívül együttműködő, amikor pilotokról, bevezetésekről és a következő lépésekről gondolkodunk.”

Az egyik legkorábbi és legjobban mérhető felhasználási eset az erőforrás-felhasználás kezelése volt.

A ChatGPT for Healthcare használatával az orvosszakmai tanácsadók strukturált összefoglalókat készíthetnek a betegkórlapokról, kiemelhetik a releváns klinikai részleteket és megfogalmazhatják a kezdeti indoklásokat. A végső döntésért továbbra is a klinikus felel, de az információk összeállítására fordított idő csökken.

A szervezet a hatást rendszerszintű adatokkal méri, beleértve az elektronikus egészségügyi nyilvántartások időbélyegeit is, nem pedig önbevallásos becslésekkel.

„Azokat a mérőszámokat részesítjük előnyben, amelyek eleve be vannak építve a folyamatba” — mondja Purinton. „Pontosan látjuk, hány perccel javult a folyamat, és hogy ez a változás statisztikailag szignifikáns-e.”

A klinikai munkafolyamatokon túl hasonló minták jelentek meg az egyes részlegekben is:

• A dokumentumok és tervek készítése első vázlattal indul, nem üres oldallal
• A szabályzatok és kommunikációk strukturált, használható formátumba kerülnek
• A jegyzetek és strukturálatlan információk gyorsan cselekvési lépésekké foglalhatók össze

Ezek a változások csökkentik az átfutási időt, mérséklik az oda-vissza javításokat és javítják a kimenetek következetességét.

Az AdventHealth két fő dimenzió mentén értékeli az AI hatását: elfogadás és munkafolyamat-teljesítmény.

Az elfogadás oldalán a napi használat követése elszámoltathatóságot és rálátást teremtett arra, milyen gyorsan válik az AI a rutinszerű munka részévé.

A munkafolyamatok oldalán a pilotokat olyan adatátviteli egység mutatókkal értékelik, mint az egy feladatra jutó idő, az átfutási idő és a kezelt mennyiség. Az erőforrás-felhasználás kezelésében a cél az áttekintési idő csökkentése a minőség és a következetesség fenntartása mellett.

A részlegek között a csapatok a következőkről számolnak be:

• Kevesebb idő megy el ismétlődő dokumentációs és felülvizsgálati feladatokra
• Gyorsabb átfutás a belső munkafolyamatokban
• Kevesebb újramunka-ciklus a következetesebb első vázlatok miatt
• Nagyobb kapacitás további létszám nélkül

A szervezet ezeket a nyereségeket gyakran „visszanyert időként” írja le, de a vezetés ezt a fogalmat közvetlenül mérhető eredményekhez köti.

„Ha egy 10 perces feladatot kettőre csökkentesz, és ez hetente ezerszer történik meg, az valódi kapacitás” — mondja Purinton. „A kérdés az, hogyan fekteted be újra ezt a kapacitást.”

Az AdventHealth számára az AI értéke szorosan kapcsolódik ahhoz a küldetéséhez, hogy teljes körű ellátást nyújtson. Ehhez idő kell — idő arra, hogy a klinikusok a betegekkel és családjaikkal foglalkozzanak, és idő arra, hogy a dolgozók nagyobb értékű munkára összpontosítsanak.

Egy példa jól szemlélteti az egyéni szintű hatást. Egy orvos, aki korábban az estéit dokumentációval töltötte — ezt gyakran „pizsamás időnek” nevezik —, az AI-val támogatott munkafolyamat-változások után már rendes munkaidőben be tudta fejezni a munkát.

„A munkát a munkahelyén hagyta” — mondja Purinton. „Hazamehetett, és jelen lehetett a családja mellett.”

Az ilyen történetek megerősítik a szervezet AI-hoz való hozzáállását: olyan eszközként tekintenek rá, amely csökkenti az adminisztratív terheket, nem pedig szerepköröket vált ki.

Eddig a legtöbb mérhető eredmény a meglévő feladatokra fordított idő csökkentéséből származott. Az AdventHealth ezt kiindulópontnak tekinti.

A szervezet most olyan területekre való kiterjesztésre összpontosít, mint a beteghozzáférés, a klinikai döntéstámogatás és az új ellátási modellek, miközben ugyanazt a hangsúlyt tartja fenn az irányításon, a mérésen és a bizalmon.

A vezetés szerint a fő tanulság az, hogy az AI skálázása kevésbé magától a technológiától, inkább annak bevezetésétől és elfogadásától függ.

„Az elfogadás nem az, hogy ‘menj, használd a terméket’. Hanem az, hogy ‘változásvezetés’” — mondja Purinton. „Amikor méred, bizonyítod az értékét, és bizalommal vezeted be, akkor jutsz túl a pilotokon.”