随着医院和医疗系统致力于减少临床工作流程中的摩擦，电子健康记录（EHR）优化已成为关键任务。七位全国最大医疗系统的高管告诉Becker’s，他们需要在不干扰工作流程的情况下支持实时临床决策的系统。环境监听、自动摘要和临床决策支持等工具在他们的需求列表中排名靠前。
问题：在未来三到五年内，您如何评估EHR供应商在预测分析、人工智能整合和护理协调方面的能力？
编者注：以下回应已为清晰度和长度进行了轻微编辑。
Crystal Broj，MUSC Health（南卡罗来纳州查尔斯顿）首席数字转型官： 在MUSC Health，我们在评估EHR供应商时采用平台优先的方法。我们寻求安全、可靠且能够随着医疗创新而发展以更好地满足消费者需求而不压垮护理团队的系统。这意味着：
- 核心功能必须与时俱进：供应商必须证明他们的平台在预测分析、人工智能驱动的工作流程和护理协调工具等关键领域正在进步。我们特别感兴趣的是那些能减少临床和运营团队摩擦同时改善患者结果的功能。
- 开放集成：没有平台能在每个领域都表现出色。如果供应商的本地功能未能跟上市场需求，我们希望他们的架构能够无缝集成合作伙伴的供应商。重要元素包括API、基于FHIR的互操作性和灵活的数据访问，以帮助我们满足需求。
- 工作流程中的人工智能和预测洞察：预测洞察和人工智能工具应集成到日常运营中，而不是局限于仪表板。我们评估EHR是否能够在临床工作流程中智能地呈现洞察并实时触发行动。
- 大规模护理协调：我们评估平台是否支持不同环境下的护理协调，包括共享护理计划、智能任务管理和在团队和护理环境中运行的沟通工具。
最终，我们不仅仅是在购买EHR软件；我们是在投资一个数字基础。这个基础必须足够灵活以与我们共同成长，足够开放以允许最佳工具，并且足够强大以支持下一代医疗保健的安全、可扩展的护理交付。
Nicole Gitney-Fahey，RN，BayCare Health System（佛罗里达州克利尔沃特）副总裁兼首席护理信息官： 我们正在与EHR供应商合作，开发和实施内置于EHR的AI。在评估其他AI供应商时，我们评估其能否集成到我们的EHR中，并为患者护理协调创建统一的工作流程。
Emily Jacobsen，University of Maryland Medical System（巴尔的摩）临床系统副总裁兼临床信息学首席： 在University of Maryland Medical System，我们评估EHR供应商的方法深深植根于临床医生的日常现实中。作为临床系统副总裁兼临床信息学首席——以及一位多年倾听我们提供者烦恼和希望的人——我相信我们采用的任何技术都必须首先减轻团队面临的认知和行政负担。
EHR本应有所帮助，但它们却经常成为倦怠的来源。我们现在正在寻找的工具不仅仅是存储数据——它们需要智能地突出重要信息，快速总结复杂信息，并实时支持临床决策。预测分析和人工智能不应只是流行语；它们应该是实用、安全和公平的工具，帮助我们的护理人员花更多时间与患者在一起，而不是点击屏幕。
最终，我们是通过人性化的视角来评估这些技术：它们是否帮助我们的临床医生专注于真正需要他们专业知识的领域？它们是否减少伤害并改善护理协调？它们是否以尊重我们患者和提供者多样性的方式做到这一点？如果答案是肯定的，那么我们就在正确的轨道上。
Frank Liao，PhD，UW Health（威斯康星州麦迪逊）数字健康和新兴技术高级总监： 在UW Health，我们评估EHR供应商在预测分析、人工智能整合和护理协调方面的能力的方法根植于平衡临床和运营效益、安全、技术架构和长期价值的最佳实践。
例如，在安全性方面，我们有委员会和框架提供安全监督和持续建议。我们与供应商保持积极和强有力的合作关系，以了解他们的长期愿景，并将他们的短期产品路线图纳入我们自己的规划和优先级流程中。在系统架构方面，我们优先考虑系统集成和无缝工作流程，同时平衡价值实现的速度。我们坚信，这些能力最终必须在接下来的三到五年内改善我们为患者和社区提供的护理，并造福我们的员工。
Lee H. Schwamm，MD，Yale New Haven（康涅狄格州）健康高级副总裁兼首席数字健康官： 作为多年使用Epic的客户，Yale New Haven Health在过去十年中一直与他们密切合作，促进平台内AI工具的开发和部署。我们很早就与Epic合作，对其AI败血症预测算法进行本地验证。我们是首批加入Cosmos的AMC之一，以扩大我们临床研究社区的AI研究组合，并在Epic内深度集成Abridge进行环境临床文档。Yale New Haven Health是CHAI的创始合作伙伴，我们即将发布我们自己的医疗AI实施运营模式，其中包括上市前保证评估，包含模型卡要求、本地静默验证阶段以及所有AI产品的部署后监控计划。对于我们的Epic实施，我们将评估其作为其他AI供应商产品的实施平台以及其作为AI供应商本身的能力。这些标准将以基于全面风险评估的风险分层方式应用，包括财务、声誉、统计和临床维度。这些流程对于确保公平和负责任的AI实施以维持公众信任至关重要。
Nirav Shah，MD，Endeavor Health（伊利诺伊州埃文斯顿）AI和创新副首席医疗信息官： 我们的AI框架可以归纳为三个组成部分：战略、信任和实现。我们的评估包括理解所提供的解决方案是否符合我们在AI部署方面的战略重点，包括智能临床决策支持、早期疾病检测、优化消费者和人类体验、优化资源分配和自动化行政任务。在这些战略中，我们需要确保我们是在解决团队成员的关键问题，而不是实施寻找问题的技术。在信任方面，我们评估供应商在伦理、可解释和负责任的AI方面的做法——确保透明度、临床监督以做出决策，以及开箱即用的工具以高效和有效地验证和监控这些工具。最后，我们的评估重点是那些能让我们实现价值的解决方案，通过可衡量的结果改进来体现，这些结果与五重目标相一致。
Sudipto Srivastava，Montefiore Einstein（纽约市）首席数据和分析官： 在Montefiore Einstein，我们一直使用人工智能和机器学习工具进行早期疾病检测，并为某些患者的治疗准备情况和潜在并发症开发个性化风险评分。这些算法在威胁生命的疾病如败血症方面特别有价值，因为败血症进展迅速且在其进展过程中可能不可预测。结果显示，Montefiore的临床医生可以在入院患者面临死亡风险的三到五天前看到警示信号。我们还开发了一个风险评分，可在败血症发作前六小时进行预测，使我们的医生拥有改善健康结果最宝贵的工具之一——时间。
这些早期的成功在我们的临床和运营团队中引发了对预测分析和护理协调的需求。随着我们希望在这些努力的基础上继续前进，我们关注的是那些能让我们更快回到患者身边并进一步提高临床生产力的工具。这就是环境监听的用武之地。我们需要工具来减轻临床团队的文档负担。此外，我们正试图解决如何处理在经典EHR环境之外发生的大量AI创新——比如在放射学领域用于中风检测、乳腺癌分析、骨折检测等，或在财务领域用于收入周期管理的代理AI。随着时间的推移，大多数解决方案将通过我们的EHR提供，我们的EHR供应商一直在积极为我们推出许多选项，但我们需要开放地与多个合作伙伴进行试验——比如与初创企业社区、供应商合作伙伴和研究合作伙伴——以使像我们这样的学术医疗系统能够随着行业和研究的发展快速调整。
我们遵循一个具有强大护栏的流程，我们所有的预测/AI解决方案都要经过我们的AI临床咨询小组、AI治理团队、技术评估和财务可行性评估。我们最后一步评估，虽然最简单，但在行业中有时未被优先考虑，就是“老式”的电话沟通。通过与医疗系统同行的对话，我们可以过滤掉炒作性的对话，专注于真正有效的解决方案。
【全文结束】
