Kaip „Children’s National“ vyriausiasis dirbtinio intelekto pareigūnas žiūri į klinikinį ir administratoriaus automatizavimą

Redaktoriaus pastaba: tai antroji dviejų dalių interviu dalis. Norėdami perskaityti pirmą dalį, spustelėkite čia.
Vaikų nacionalinė ligoninė Vašingtone, DC, visoje įmonėje aktyviai naudoja dirbtinio intelekto technologijas tiek klinikinėje, tiek administracinėje aplinkoje. Nors daugelis ligoninių ir sveikatos sistemų visoje šalyje pradėjo tyrinėti atskirus AI projektus ir ribotus naudojimo atvejus, „Children’s National“ šiek tiek lenkia.
Viena iš priežasčių, kodėl jai pavyko nueiti toliau ir greičiau, yra ta, kad viską, kas susiję su dirbtiniu intelektu ir mašininio mokymosi technologijomis, prižiūri vienas asmuo: Alda Mizaku, „Children’s National“ vyriausioji duomenų ir dirbtinio intelekto pareigūnė.
Vakar, vienoje šio dviejų dalių pokalbio su Mizaku dalyje, ji kalbėjo apie tai, kaip Dirbtinio intelekto vadovams reikia giliai išmanyti technologijas ir klinikines operacijas, jiems reikia stiprių lyderystės gebėjimų ir veiksmingų bendravimo įgūdžių, kad galėtų kalbėtis su įvairiomis suinteresuotosiomis šalimis.
Šiandien ji siūlo susipažinti su Nacionalinės vaikų ligoninės dirbtinio intelekto panaudojimu, išsamiau pažvelgti į vieną AI projektą, kuriuo ji ypač didžiuojasi, ir jo rezultatus, o kitiems IT vadovams, norintiems tapti vyriausiuoju dirbtinio intelekto pareigūnu, siūlo keletą patarimų. .
Klausimas. Prašome aukštu lygiu pakalbėti apie tai, kur ir kaip Nacionalinė Vaikų ligoninė šiandien naudoja dirbtinį intelektą.
A. Mes naudojame dirbtinį intelektą keliose srityse. Plačiuoju lygmeniu tai yra sprendimų palaikymas, pacientų stebėjimas, efektyvumo didinimas tiek klinikinėje, tiek biuro aplinkoje. Mums taip pat nemažai pasisekė naudojant nuspėjamąją analizę.
Naudojant AI, organizacijos tikslas yra pagerinti mūsų gebėjimą greičiau priimti sprendimus, kai kalbame apie pacientus ir diagnozę. Žvelgiant į gydymo planus ir veiksmus, kurie yra tų gydymo procesų dalis, siekiant užtikrinti, kad jie būtų individualizuoti ir kad turime veiksmingą būdą stebėti ir dokumentuoti pastabas, sugeneruotas atliekant apsilankymus biure ir apsilankymus ligoninėje.
Taip pat stengiamės optimizuoti išteklių paskirstymą ir galiausiai pagerinti pacientų rezultatus ir darbo eigą. Didžioji mūsų dirbtinio intelekto darbo dalis šiuo metu yra sutelkta į šią sritį.
K. Šį kartą, kiek konkrečiau, tikiuosi, kad galite apibūdinti ir aptarti vieną konkretų AI projektą, kuriuo didžiuojatės ir kuris puikiai veikia organizacijai. Kokius rezultatus matote? Kaip prižiūrėjote šį projektą?
A. Viena, kuria be galo didžiuojuosi ir kurią įgyvendinome visai neseniai, yra bendradarbiaudami su „Microsoft“, į kurią įtraukėme savo techninę komandą ir bendradarbiavome su „Microsoft“ techniniais ekspertais.
Tikslas buvo sukurti ir palengvinti greitą prototipo seansą. Norėjome per mažiau nei dvi dienas sukurti keturis greitus prototipus. Girdime greito nesėkmės koncepciją, todėl norėjome dirbti su pagrindiniais šios erdvės ekspertais, kad suprastume kai kurias idėjas, kurios mus domino, ir kaip sėkmingai galėtume sukurti kai kuriuos iš tų prototipų, kad pamatytume, ar būtų veiksmingi mūsų kasdienėje veikloje.
Turėjome daugiau nei 10 padalinių, kurie atvyko ir dalyvavo kaip šio proceso dalis, todėl komandos mokslas tikrai buvo įgyvendintas. Mes turėjome puikią partnerystę su „Microsoft“. Tai buvo sėkminga iniciatyva. Vos per dvi dienas mes sukūrėme keturis prototipus.
Vienas iš jų paprastai buvo skirtas galimybėms ieškoti dokumentų, pvz., politikos ir procedūrų, ir pakeisti būdą, kaip žmonės sąveikauja su duomenimis ir informacija, saugoma politikose ir procedūrose. Užuot žiūrėję į dokumentą, galite užduoti AI klausimą ir gauti atsakymą be daug paieškų. Mes sugebėjome aplink tai sukurti prototipą.
Tada mes sutelkėme dėmesį į kai kurias klinikines sritis, kuriose nukreipėme pastabas, gautas po hospitalizacijos, ir sukūrėme tų užrašų santraukas, atsižvelgdami į kitą asmenį. Užrašas, kurį galėtų gauti paciento tėvas, užrašų rinkinys, parašytas paciento kalba – tai kažkas, ką jie gali suprasti.
Kitas, kuris galėtų kreiptis į pirminės sveikatos priežiūros gydytoją, kitas, kuris gali kreiptis į mūsų pajamų ciklo skyrių, kad jie suprastų kai kuriuos atsiskaitymo aspektus, susijusius su tuo, kas buvo pristatyta priežiūros metu. Taip pat padarėme tai, ką vadiname „Next Best Action“, kurio tikslas – apžvelgti visus susitikimus, kurie gali įvykti po to bendravimo ir bendravimo su pacientu, ir juos sujungti į bendrą sąrašą, kurį vėliau galima tęsti.
Jei gydytojas pataria kreiptis į specialistą, grįžti į tą kabinetą arba atlikti tam tikrą tyrimą, visa tai apibendrina AI ir labai lengva rasti visą pacientui rekomenduotą informaciją. Taip pat pažvelgėme į keletą labai specifinių būdų pakeisti kai kuriuos perspėjimo ir perspėjimo nuovargius, kurie įvyko sveikatos priežiūros erdvėje, ir išbandė sistemą toje srityje, kad pamatytume, kas įmanoma.
Daug galimybių ir daug idėjų, kurios kilo iš to bendradarbiavimo.
K. Kokius tris ar keturis patarimus galėtumėte pasiūlyti kitiems IT vadovams, norintiems tapti ligoninės ar sveikatos sistemos vyriausiuoju dirbtinio intelekto pareigūnu?
A. Turiu tris ar keturis, kuriais galiu pasidalinti. Pirmasis yra klinikinio kraštovaizdžio supratimas, užtikrinant, kad kas nors gerai suprastų klinikines darbo eigas ir jų iššūkius. Tai gali įvykti bendradarbiaujant su kuo nors organizacijos darbuotoju, tačiau šios žinios labai padeda nustatyti, kur AI gali duoti tikros vertės.
Kitas dalykas yra bendradarbiavimo skatinimas. Apie tai kalbėjome ir vakar, todėl tiesiog užmezgame tikrai tvirtus ryšius su klinikinėmis operacinėmis IT komandomis. Šis bendradarbiavimas lemia sėkmingą AI įgyvendinimą.
Kitas dalykas yra rasti būdą, kaip išlikti aktualiam. Dirbtinio intelekto technologija vystosi taip greitai, todėl neatsilikti nuo visų naujausių įvykių ir taisyklių bei visų naujų dalykų, kuriuos matome kasdien, gali būti sunku. Rasti būdą, kaip palaikyti ryšį su naujomis iniciatyvomis, naujomis galimybėmis, kai kuriomis pažangiausiomis technologijomis ir kai kuriomis paskelbtomis atitikties taisyklėmis.
Galiausiai, reikia sutelkti dėmesį į atsakingą naudojimą ir etiką. Tiesiog tam, kad būtų teikiama pirmenybė laikui, kurio reikia norint iš tikrųjų apgalvoti AI diegimą ir atsižvelgti į atsakingas naudojimo priemones bei užtikrinti pacientų duomenis, privatumą ir saugumą, kad jie visada būtų priešakyje, kad galėtume diegti naujoves ir puiki technologija, tačiau darykite tai saugiai ir atsakingai.
Norėdami žiūrėti šio interviu vaizdo įrašą, kuriame yra BONUSINIO TURINIO, kurio nėra šioje istorijoje, spustelėkite čia.
Redaktoriaus pastaba: tai yra trečiasis mūsų serijos „Vyriausi dirbtinio intelekto pareigūnai sveikatos priežiūros srityje“. Norėdami perskaityti pirmąjį, interviu su Dennisu Chornenky iš UC Davis Health, spustelėkite čia. Norėdami perskaityti antrąjį su Dr. Karandeep Singh iš UC San Diego Health, spustelėkite čia.
Stebėkite Billo HIT aprėptį „LinkedIn“: Billas Siwickis
El. paštu: bsiwicki@himss.org
„Healthcare IT News“ yra HIMSS žiniasklaidos leidinys