护理协调——即跨不同医疗保健提供者组织患者的护理——对于确保治疗的安全性、适当性和有效性至关重要。促进护理团队之间的信息共享可以减少患者的困惑，通过减少重复的实验室测试、不必要的前往提供者办公室的行程和药物问题来简化护理管理，这是根据美国CMS（Centers for Medicare & Medicaid Services）的说法。CMS进一步强调，缺乏有效的护理协调可能导致一系列不良后果，如负面健康结果、医疗错误、急诊使用增加、护理过渡不佳和更高的患者自付费用。AHRQ（Agency for Healthcare Research and Quality）指出，实现协调护理需要医疗保健组织采用广泛的方法来改进护理交付——例如使用健康IT——以及特定的护理协调活动，包括根据患者的需求和目标制定主动的护理计划。EHRs（电子健康记录）等工具在这些努力中发挥着重要作用，因为它们可以在现有的临床工作流程中增强信息共享。然而，能够分析大量医疗数据的新兴技术，如AI，被吹捧为改善护理协调的下一步。
在最近的一次采访中，University Hospitals放射科主席Donna Plecha详细介绍了该组织如何采用AI驱动的护理协调软件来改善患者结果而不增加临床医生的负担。
改善护理协调工作流程
Plecha强调，University Hospitals是AI技术的早期采用者，多年来一直在研究和测试各种工具。她指出，到目前为止，该医疗系统已经使用AI驱动的便携式胸部X光工具在其重症监护病房中筛查肺塌陷，并定位中心静脉导管、鼻胃管和气管插管。
然而，今年，University Hospitals开始与医疗AI公司Aidoc合作，在13家医院和数十个门诊地点部署其AI平台——aiOS。在这个合作的第一阶段，医疗系统正在试点该公司的一系列FDA批准的AI算法，用于放射学、分诊和护理协调。Plecha解释说，在下一阶段，University Hospitals将审查从这些试点生成的数据，并利用这些见解来指导在临床工作流程中进一步整合AI。
“对于担心被取代的放射科医生来说：我认为会被取代的放射科医生是那些不与AI互动的人，而不会被取代的是那些与AI互动的人。你必须拥抱这项技术，与它合作，并找出将其最佳地融入你的工作流程的方法。” ——Donna Plecha，University Hospitals放射科主席
她解释说，通过这一合作，医疗系统希望克服护理协调工作流程中的一些常见挑战，如高患者量和临床医生的倦怠率。“放射科医生的数量不足以应对我们处理的大量患者，而且我们正在应对倦怠问题，”Plecha表示。“因此，如果这些工具——这些算法——可以使我们更高效并减少日常任务的负担，那么这将有助于我们更好地完成工作。”
她继续说道，这些工具还可以帮助临床医生优先处理有紧急实验室发现或筛查结果的患者。“放射科医生会对所有检查做出最终解读，所以没有任何事情是在没有放射科医生的情况下进行的，但这些工具可能会使放射科医生更高效，”她说，并强调一些比较放射科医生单独使用AI工具和放射科医生使用AI的研究结果表明，AI辅助的临床决策支持系统表现出了积极的结果。
虽然University Hospitals目前尚未使用Aidoc提供的所有算法，但Plecha指出，该组织正在使用一个设计用于筛查肺栓塞的算法，这种疾病如果不及时诊断可能是致命的。她解释说，肺部小血栓的存在可能很微妙且难以发现，但找到这些血栓对于改善患者结果至关重要。她表示，使用AI协助这些筛查在护理协调方面具有显著的潜在价值，但建议利益相关者应谨慎实施这些工具。
“在使用任何AI工具时，都可能存在假阳性和假阴性，”她解释道。“因此，你必须带着现实的期望进入——不要改变你的诊断水平——以便能够使用[AI]信息，但不要让其成为最终决定。”
确定适当的AI应用场景
为此，Plecha指出，确定组织特定的AI应用场景对于成功采用这项技术以改善护理协调至关重要。她提到，这是一个与其他医疗保健提供者交流的机会，了解他们成功使用的工具，这有助于识别高价值的AI应用并评估它们如何与现有工作流程或工具结合。她强调，选择AI工具时评估和最小化可能的冗余非常重要，因为选择一个部分或全部功能与现有工具重叠的解决方案并不是明智的资源和投资使用。
在University Hospitals，这一审计过程包括注意到该组织已经使用AI来筛查肺塌陷和颅内出血，从而排除这些作为可能的应用场景。然而，评估还突显了肺栓塞筛查方面的空白，使医疗系统能够利用AI在此领域的潜在价值。“我们不希望有竞争性的AI工具，那只会使事情更加混乱，”Plecha说。“因此，我们必须在整个系统层面保持警惕，确保所有拼图块都能拼在一起。”
但采用任何AI工具还需要组织的IT和健康信息学团队进行大量的工作，他们对引入的任何工具进行Plecha所谓的“架构审查”，以确定该解决方案将如何与当前的工作流程集成。“这需要很长时间才能弄清楚——可能需要一段时间来测试以确定[AI]是否准备好并且实际上是否可行，”她表示，University Hospitals利用由PACS（图片存档和通信系统）驱动的工作流来帮助建模工具在临床工作流程中的功能。“我们希望与在AI领域有更多知识的特定放射科医生互动，以了解界面将如何发生，最终用户看到的最终结果是什么样的，以及它是否易于使用，”Plecha继续说道。这样做可以帮助防止引入可能妨碍临床医生效率或增加更多工作流程负担的工具。
在进行架构审查后，医疗系统可以部署和监控该工具。在工具试点之后，组织可以提取有关集成的数据，评估投资回报率并进行必要的更改以提高工作流程效率。
测量分析工具的投资回报率
测量投资回报率和工作流程效率将因AI工具类型及其相应的工作流程而异，Plecha强调。由于与Aidoc的合作仍处于早期阶段，目前评估其投资回报率所需的数据有限，但有一些关键指标适用于医疗系统追求的护理协调应用场景。“我们可以查看找到的阳性结果中有多少是真阳性，有多少是真阴性，有多少是假阳性，有多少是假阴性，以及总体上，我们发现了多少这样的情况，比如说肺血栓、血栓，”她指出。“与我们在实施AI之前的六个月相比，我们发现了多少肺栓塞？”
她解释说，当使用AI筛查肺塌陷时，查看治疗时间等指标特别有价值。“如果你有一个在重症监护病房的患者，他的肺塌陷了，他们在名单上排在第30位，可能需要几个小时才能得到结果并通知护理人员，”Plecha表示。“但如果这个病例被标记并自动移到你的名单顶部[由AI]，那么患者可能在40分钟内就接受了胸管放置。”她强调，使用治疗时间这一指标也可以应用于肺栓塞或其他条件的AI工具，在护理协调的背景下。此外，她指出，许多AI供应商也有标准化的指标来衡量工具的有效性，这对于医疗系统考虑是有用的。
然而，当探索AI采用时，医疗保健组织不能忽视的一个主要绩效指标是临床医生的认可和满意度。“这是一个学习过程，我们与临床医生正在进行持续的对话，”她说，指出来自护理团队的反馈和整个企业的共享学习是关键。“随着我们对这些工具有更多经验，我们会不断学习。”这种经验在AI驱动的护理协调软件变得越来越普遍时尤其有价值。“对于担心被取代的放射科医生来说：我认为会被取代的放射科医生是那些不与AI互动的人，而不会被取代的是那些与AI互动的人。你必须拥抱这项技术，与它合作，并找出将其最佳地融入你的工作流程的方法，”Plecha总结道。“鉴于放射科医生短缺，如果我们能在某种程度上减轻他们的负担，我认为我们必须向前迈进。”
(全文结束)
