数字健康技术的快速演变显著改变了医疗服务的提供方式，特别是在虚拟护理领域。本文综合了2024年3月13日由耶鲁大学医学院、埃默里大学、华盛顿大学和亚利桑那州梅奥诊所联合举办的“虚拟护理：嵌入后疫情时代的医疗交付”年度虚拟护理研讨会的见解。通过分析来自耶鲁大学、休斯顿卫理公会和埃默里大学的教员在本次会议中提出的一系列举措，我们探讨了先进技术在虚拟护理中的整合、面临的挑战以及这些新实践系统化和可持续化后对改善患者结果和医疗效率的潜力。会议重点关注了人工智能和技术创新对临床工作流程的重新设计。
引言
COVID-19大流行加速了虚拟护理的采用，突显了增强医疗服务交付所需的创新解决方案。本文回顾了最近的技术进步，重点在于将先进技术整合到虚拟护理中。我们旨在全面概述这些举措及其对医疗的影响，并总结经验教训。
方法
本文是对一次虚拟研讨会的总结。由于未进行人类研究，因此无需IRB批准。
研讨会内容
Schwamm博士介绍了虚拟护理和人工智能（AI）的概览。虚拟护理在疫情期间维持医疗服务方面被证明是一种有效的工具，尽管各州和联邦层面的支付和覆盖平等性仍不确定。当前的挑战是将虚拟护理整合到常规医疗服务模式中。这涉及解决多个关键领域，包括临床工作流程的重新设计、评估临床适当性、技术和IT基础设施以及患者的偏好/参与度。虚拟护理要求重新设计临床工作流程，以确保与传统面对面护理无缝集成。这包括培训医护人员有效使用虚拟护理工具以及重新设计患者路径以纳入虚拟咨询。
强大的IT基础设施对于成功实施虚拟护理至关重要。这包括安全可靠的互联网连接、远程医疗平台和支持虚拟咨询的电子健康记录（EHR）系统。此外，吸引患者参与虚拟护理对其成功至关重要。这涉及教育患者了解虚拟护理的好处，提供用户友好的平台，并确保所有患者，包括数字素养有限的患者，都能访问虚拟护理服务。最后，还需要更多的随机对照试验来建立虚拟护理与传统护理模式之间优势的证据，因为疫情隔离措施加速了虚拟护理的必要性，而高质量数据的积累尚未跟上。
人工智能和技术创新在重新设计临床工作流程和改善患者护理方面发挥着关键作用。AI可以自动化重复任务，提供决策支持，并提高诊断的准确性。为了更好地理解这一点，我们需要进一步将AI分类为不同的子类别，如机器人过程自动化（RPA）、机器学习（ML）和最新的生成式AI（GenAI），按复杂性和计算需求递增顺序排列。
RPA涉及软件机器人自动执行重复的、基于规则的任务，如数据输入和发票处理。这减少了医护人员的行政负担，使他们能够专注于患者护理。ML使系统可以从数据中学习并做出预测或决策，而无需明确编程。在医疗保健中，ML可用于预测分析、语音识别和个性化治疗计划。最后，GenAI可以创建新内容，如临床文档，减少医护人员的认知负担。它还可以为患者生成个性化的教育内容，提高患者的参与度和治疗计划的依从性。
生成式AI（GenAI）有潜力通过自动化临床笔记和其他文档任务的创建来革新临床文档。这减少了医护人员在文档上的时间，使他们能花更多时间陪伴患者。两个广泛采用的GenAI在临床医学中的最常见例子是用于临床文档的环境监听和自动生成回复技术，以起草患者门户消息的回复。
生成式AI-Powered环境监听可以监听医生与患者的对话，并自动生成临床笔记。这减少了医护人员在文档上花费的时间，增加了他们与患者相处的时间。这项技术正在医疗系统中迅速传播，并作为应对行政负担导致的医生倦怠的一个实用解决方案获得牵引力。生成式AI草稿用于门户消息可以在提供商门户中为患者消息生成初稿，减少医护人员在常规通信任务上花费的时间。这提高了效率，使提供者能够专注于患者护理和高级决策。
数据管理
安全高效的数据管理对于利用AI在医疗保健中至关重要。这涉及几个关键组件：
- 数据存储和访问：访问丰富和安全的存储和高性能计算基础设施对于管理大量医疗数据至关重要。这包括安全访问在临床和非临床环境中收集的多维数据。
- 数据治理和政策：关于数据使用的强大治理和政策对于确保数据安全和隐私至关重要。这包括结构化和非结构化数据的安全聚合和去识别化方法。
- 标准数据模型：使用标准数据模型，如观察性医学结果合作伙伴（OMOP）通用数据模型（CDM），是一个开放社区数据标准，旨在标准化观察数据的结构和内容，以实现高效分析，产生可靠证据。OMOP CDM的核心组成部分是使用标准化词汇表。这些标准词汇表允许在OMOP通用数据模型的各种临床领域中组织和标准化医学术语，并在特征构建、人群级效应估计和患者级预测研究中启用标准化分析。它还支持跨不同医疗实体（包括付款人、学术医疗中心和行业合作伙伴）的联合查询和协作。
成功采用AI的关键要求
除了上述组件外，成功的AI在医疗保健中的采用还需解决模型透明度和可解释性、人类与AI协作的本质、监管框架以及必要的劳动力培训和教育。AI系统必须透明和可解释，以确保医护人员和患者的信任和接受。这涉及提供AI算法如何做出决策的清晰解释、使用了哪些训练数据集以及这些训练数据集的多样性和无偏性。
人类与AI系统的有效协作对于最大化AI在医疗保健中的好处至关重要。这涉及培训医护人员使用AI工具，并确保AI系统补充而不是替代人类专业知识。劳动力的信任对于这种快速发展的技术的安全和负责任采用至关重要，该技术有可能重塑劳动力并取代某些层次的工作，用更敏捷的知识工作者取代。
一个不断发展的监管框架是确保AI在医疗保健中的安全和有效使用的必要条件。这包括AI开发指南、部署前验证、购买者对AI系统的本地验证以及部署后的监测，以确保承诺的性能得以兑现，并且结果不会歧视不同患者群体或随时间漂移。最后，培训和教育对于准备医护人员有效使用AI工具至关重要。这包括提供持续的教育和支持，以确保提供者对使用AI系统感到舒适和熟练。
深入探讨埃默里的AI环境监听：提升患者和提供者的体验
Erskine博士介绍了埃默里的环境监听项目，这是一个旨在利用AI技术改善医疗环境中文档处理过程的创新举措。该项目侧重于使用AI环境监听技术通过移动应用程序记录患者对话，然后生成可以在EHR系统（特别是Epic）中查看、编辑和最终确定的数字笔记。
对体验和健康的影响
通过该项目创建的数字笔记对患者和提供者的体验和健康产生了重大影响。对于患者，AI生成的笔记确保其与医护人员的对话得到准确记录，从而提高护理的连续性。对于提供者，这项技术减少了手动记笔记的行政负担，使他们能够更多地关注患者护理。提供者还受益于认知负荷的减少，因为AI生成的事件记录和后续任务减轻了工作记忆的负担。数字笔记的实施显著改善了患者和提供者的整体体验和健康。
实施和扩展的简易性
埃默里选择的解决方案提供了开箱即用的实施，包括软件即服务（SaaS）、本地EHR集成和定制支持。SaaS模型确保软件基于云，消除了本地安装的需求和相关努力。企业许可模式可以容纳许多潜在用户，如埃默里的9,000个已建立的用户角色（2,500名主治医师、1,000名APP/住院医师和5,000名护士）。这可以扩展到其他用户，如护理经理、社会工作者和药剂师，但AI生成的笔记模板尚未针对这些扩展用户进行定制。与Epic的本地集成实现了丰富的数据收集，避免了自定义集成工作的需要。此外，供应商的定制路线图确保公司能够有效地满足支持请求并提供及时帮助。
该程序经历了快速扩展和高采用率。最初，该程序从七个专科的16名提供者开始。几个月内，它扩展到包括多个专科的429名提供者，目前超过1,900名提供者。这一快速增长展示了环境监听程序的可扩展性和有效性。高采用率和保留率与显著的生产力改进相关联。例如，在拥有完整绩效数据的前25%采用者中，同一天关闭的预约数量增加了7%，每天额外增加0.33个预约。关于体验的数据包括提供者的净促进者得分为13.5（n=55名受访提供者），实施后在可用性方面提高了32%，患者体验方面提高了13%，提供者健康方面提高了40%。试用产品的采用率为78%，激活用户的保留率为82%。
初步结果
该程序的结果表明，高采用率和保留率以及显著的生产力改进。该程序的激活率为78%，提供者的保留率为82%。此外，同一天关闭的预约数量增加了7%，顶级采用者每天额外增加了0.33个预约。
展望未来，该程序旨在进一步增加采用率和范围。计划包括开发采用仪表板以展示生产力潜力和用户机会。该软件与Haiku（Epic的移动应用程序）的集成也在开发中，允许本地移动注册，免除单独用户账户、身份和访问管理以及数据安全的需要。此外，该程序正在试点扩展到住院和急诊科环境中的独立工作流。
技术赋能的护理重新设计：智能医院建设的关键要素
来自休斯顿卫理公会的Pletcher博士分享了他们利用技术重新设计护理交付的努力，重点是改善患者结果和临床医生的体验。通过广泛的护理重新设计/转型计划，包括“智能医院技术组合”，Pletcher博士展示了休斯顿卫理公会将先进技术整合到医疗实践中的愿景，确保无缝高效的护理交付系统。
休斯顿卫理公会正在投资一系列创新，以创建这个面向未来的医院模型，包括广泛的虚拟服务、患者自助预约、智能房间、环境智能、服务机器人、远程监控、集成的临床和财务系统、多模式教育和预测性主动AI。这些创新共同旨在改善患者护理和运营效率，创建一个响应式的医疗环境，实时适应患者和提供者的需求。
远程护理
技术赋能的重新设计的一个核心是远程护理，它为床边操作提供远程支持，使个性化患者护理成为可能，同时减少床边临床医生的负担。远程护理任务包括完成入院问卷、在EMR中记录护理入院档案、安排所需会诊、审查出院指示、确认药房订单以及提供术前和住院支持。配备包括壁挂式音视频室系统、推车、平板电脑和安全消息传递，远程护理迅速扩展，支持超过100,000次入院和出院，平均通话时间为14分钟，2023年第四季度超过23,000次接触。扩展用例还包括评估DVT预防治疗的轮班，进行了超过100次轮班通话。
护理重新设计的影响
护理重新设计工作在多个领域带来了有意义的改进。消除合同工的需要有助于提高护理满意度和保留率。此外，减少遥测使用腾出了直接患者护理活动的时间，重新设计的床边生命体征评估方法利用可穿戴生命体征按钮设备自动化每小时的生命体征收集，将常规手动生命体征检查从每4小时减少到每8小时，甚至更长的夜间时间，对于稳定的患者也是如此。这种自动化为床边团队提供了更多时间专注于直接患者护理，并通过集中监控所有住院患者支持早期检测患者恶化，实现主动干预。患者受益于更少的睡眠中断，而新的趋势警报确保了与之前的手动模型相同或更好的安全水平。在2023财年第四季度，遥测团队触发了超过38,000次生命体征警报，其中19,000次发送给虚拟护士审核，只有5,000次（占所有警报的13%）升级为床边评估。
正在进行全面的遥测重新设计，包括工作流程审查和重新设计、AI驱动的算法和分析以及系统的完全集中化。这种转变优化了实时遥测监控，减少了楼层工作人员的警报疲劳，并增强了患者护理。此外，从传统的1:1床边监护转变为基于推车的虚拟监护模型，带有集成传感器的安装系统，使患者监护更加动态、一致和成本效益。总之，护理重新设计对医院绩效、患者满意度和临床结果产生了积极影响。
连接护理和四重目标
这种连接护理的愿景与四重目标相契合：更好的结果、改善的患者体验和可及性、改善的临床医生体验和降低成本。连接护理模型旨在标准化护理，改善可及性和依从性，增强后续和指标，并提供快速、便捷和经济的护理。它还专注于远程和家庭护理、护理连续性和多学科护理。对于临床医生，该模型旨在改善工作与生活的平衡，充分利用他们的专业知识，减少文书工作量，并增强参与度。成本节约来自于有效的扩展利用、消除不必要的测试和转诊以及改善招聘和保留。
通过利用智能医院、远程护理和连接护理模型等创新，休斯顿卫理公会旨在改善患者结果、提高临床医生体验并降低成本。全面的护理重新设计工作已经显示出对护理满意度、患者护理和医院绩效的显著积极影响。这一转型为可持续的技术赋能医疗模型奠定了基础，旨在推进未来医疗的交付。
结论
将先进技术整合到虚拟护理中具有改变医疗交付的潜力，改善患者结果和医疗效率。本文讨论的举措展示了语音识别、自然语言处理、远程护理、远程监控、RPA和ML等技术在增强虚拟护理方面的潜力。然而，这些举措的成功取决于与现有临床工作流程的无缝集成、基础设施和培训的重大投资以及确保所提供护理的准确性和质量的能力。
通过采用协作方法并利用各种医疗机构和专业人士的优势，我们可以克服医疗数字化转型带来的挑战，增强虚拟护理的交付。从这些举措中学到的经验为医疗提供者和政策制定者提供了宝贵的见解，帮助他们在快速发展的数字健康领域中导航。
(全文结束)
