O autorzeOrlando Agrippa ma ponad 10-letnie doświadczenie jako lider i dyrektor ds. informatyki w brytyjskiej służbie zdrowia NHS, ze szczególnym naciskiem na dostarczanie systemów klinicznych, analizę biznesową i analitykę. Orlando spędził trochę czasu na zrozumieniu amerykańskiego systemu opieki zdrowotnej i pracował w Australii jako dyrektor ds. transformacji analityki. Posiada doświadczenie w zwiększaniu sukcesów kadry kierowniczej w organizacjach sektora publicznego i prywatnego o różnej skali i złożoności. Powszechnie przyjmuje się, że sztuczna inteligencja wkrótce zrewolucjonizuje wiele branż, mimo że wciąż istnieją cenne, praktyczne przykłady jej sukcesu. Jak więc ta obiecująca technologia może sprostać temu szumowi? Jest dla mnie jasne, że aby spełnić tę obietnicę, należy ją wykorzystać do wprowadzenia rzeczywistych, pozytywnych zmian w sposób, który odmieni życie i przyniesie zasadniczo korzyści społeczeństwu. Niektóre branże są bardziej zaawansowane w stosowaniu tej technologii: na przykład handel detaliczny i produkcja objęły wiodącą rolę, wykorzystując sztuczną inteligencję do poprawy jakości obsługi klienta lub powierzając człowiekowi najbardziej niewdzięczne zadania w celu optymalizacji ich wydajności. Jednak to nowe podejście prawdopodobnie rozwiąże niektóre z najbardziej utrzymujących się problemów społecznych w innych sektorach, szczególnie w przestrzeni farmaceutycznej i opieki zdrowotnej, gdzie należy zmienić punkt ciężkości oceny pacjenta i opieki nad nim. Panuje przekonanie, że branże, na wszystkich poziomach i w wielu sektorach działalności, wkrótce całkowicie zmienią swój sposób działania i wkrótce będą miały zupełnie inną strukturę. Obecnie 40% firm uważa, że w ciągu najbliższych pięciu lat ich modele biznesowe po prostu nie będą istnieć. Przeniesienie tego sentymentu na sektor opieki zdrowotnej i potencjalne korzyści są nie tylko ekscytujące, ale naprawdę transformacyjne. Weź pod uwagę ponowne przyjęcia do szpitala: ciągłe wyzwanie dla pracowników służby zdrowia i często wynik równoważenia wydajności i obsługi klienta.
(Zdjęcie: © Źródło obrazu: Rawpixel/Pixabay)
Wyzwanie readmisji.
Można to uznać za kontrowersyjne, ale szpitale w swojej najbardziej podstawowej formie są bardzo podobne do hoteli czy fabryk. Muszą skutecznie pracować, aby wprowadzić ludzi do systemu, koncentrować się na zapewnianiu najbardziej opłacalnych procesów i być z tym ściśle powiązani, zapewniając najlepszą obsługę klienta. Najszybsze opuszczenie szpitala to nie tylko korzyść dla szpitala, ale tego właśnie pragnie większość pacjentów. Ale istnieje dobra równowaga. Zbyt wczesne zwolnienie ludzi ma druzgocące skutki dla pacjenta i szpitala. Pacjenci wypisani zbyt wcześnie zostaną ponownie przyjęci, niektórzy z poważniejszymi niż wcześniej powikłaniami, co dodatkowo zwiększa obciążenie. Jednak pracownicy służby zdrowia znajdują się pod ogromną presją, aby zapewnić przepływ pacjentów, aby zmniejszyć liczbę zablokowanych łóżek lub zablokowanych pacjentów, czyli osób przebywających w szpitalach dłużej niż powinno. Kiedy presja powoduje wcześniejsze zwolnienie pacjenta, wpływ na zaufanie jest ogromny, a doświadczenie szpitala poddawane w wątpliwość. Rozważmy jeszcze raz metaforę hotelu i fabryki. Jaki jest koszt utraty zaufania w przypadku wycofania dużej liczby samochodów z powodu problemów z procesami w fabryce? Ponadto, jaki wpływ na doświadczenie klienta będzie mieć fakt, że ktoś spieszy się do odprawy pod koniec wymarzonych wakacji?Jak sztuczna inteligencja może pomóc?
Wykorzystanie technologii sztucznej inteligencji jako asystenta w takich okolicznościach może mieć znaczenie. Wykorzystując ogromną ilość dostępnych danych pacjentów, szpitale mogą wdrażać zaawansowane algorytmy w celu przewidywania wpływu różnych okoliczności, w zarządzaniu którymi pracownicy służby zdrowia stają się coraz bardziej biegli. W ten sposób sztuczna inteligencja i uczenie maszynowe okazują się niezbędnym narzędziem do utrzymania przepływu pacjentów. Posiada zdolność przewidywania wpływu demografii pacjentów na szybkość ich ewolucji w systemie, dzięki czemu szpitale mogą dysponować odpowiednimi zasobami i unikać nawet skoków zapotrzebowania lub potencjalnych problemów. niż reagować na okoliczności. . Oczywiście trudno przebić lata doświadczenia klinicznego i wiedzy specjalistycznej wykorzystywanej przez pracowników służby zdrowia do oceny stanu fizycznego pacjentów – podejmowania strategicznych decyzji dotyczących przydziału łóżek i przyszłego leczenia. To powiedziawszy, wykorzystanie uczenia maszynowego do przetwarzania tych samych danych i pomagania klinicystom na wszystkich poziomach zapewnia lepsze zrozumienie ścieżki pacjenta. Pozwala profesjonalistom skoncentrować się na zapewnieniu najlepszego leczenia i podejmować strategiczne decyzje w oparciu o dane, do których nigdy wcześniej nie mieli dostępu. Niektóre pionierskie szpitale już nawiązują strategiczne partnerstwa z firmami i dostawcami obsługującymi sztuczną inteligencję. Jednak z rozmów z moimi kolegami z NHS jasno wynika, że brakuje zrozumienia, z czym to się właściwie wiąże i jak to wdrożyć przy coraz mniejszych budżetach. Biorąc pod uwagę, że przez NHS przechodzi każdego dnia około 1 milion pacjentów, a 4,3 miliona osób oczekuje na leczenie, zapewnienie sprawnego funkcjonowania tej placówki jest zadaniem, które należy podjąć na dużą skalę. Nacisk na włączenie osób do systemu szybko rośnie, w związku z czym readmisje stają się coraz częstsze. Nie tylko powoduje to negatywne doświadczenia pacjenta, ale także zwiększa presję na system. Pomoc w rozwiązaniu tego problemu dosłownie odmieni życie i przyniesie korzyści społeczeństwu.
Źródło zdjęcia: Shutterstock (Zdjęcie: © Źródło zdjęcia: Wszystko, co możliwe / Shutterstock)