Проблема
Региональная сеть здравоохранения в Онтарио — три больницы, двенадцать общественных клиник и программа координации домашнего ухода — испытывала устойчивое операционное давление. Объем пациентов вырос на 18% за предыдущие три года. Укомплектованность штата не поспевала. Разрыв проявлялся в результатах, измеримо и задокументированно затрагивавших как пациентов, так и персонал.
Время ожидания в отделениях скорой помощи для неотложных, но не критических случаев достигло в среднем 4,5 часа — показатель, ставящий сеть в последний квартиль среди сопоставимых сетей здравоохранения Онтарио. Проблемой была не нехватка мощностей скорой медицинской помощи; значительная часть пациентов, поступающих в скорую помощь, имела состояния, которые могли бы быть урегулированы в условиях неотложной или первичной помощи.
Линия медсестер — финансируемая провинцией услуга, предоставляющая клинические рекомендации в нерабочее время — принимала более 800 звонков в день со средним временем ожидания, превышающим 20 минут. Медсестры обрабатывали смесь действительно клинических звонков, требующих оценки, и информационных звонков, не требующих сестринской экспертизы вовсе: расписание клиник, вопросы об общих лекарствах, разъяснение инструкций после посещения.
Уровень неявок на приемы в клиниках достиг 18%, что ежегодно представляло тысячи неиспользованных мест. Паттерн неявок был предсказуемым — определенные сегменты пациентов, типы приемов и временные окна давали более высокие показатели, — но у сети не было систематического способа воздействовать на эту предсказуемость.
Руководство сети заказало независимый операционный обзор, который определил главную динамику: проблема была не в нехватке клинической экспертизы. Это было фундаментальное несоответствие между потребностями пациентов и точками доступа, которые пациенты использовали. Исправление несоответствия требовало улучшения навигации пациентов через систему до того, как они достигали клинического ресурса.
Подход
Remolda разработала интегрированную трехкомпонентную систему ИИ, нацеленную на три точки несоответствия с наибольшим воздействием: линию медсестер, прогнозирование спроса в скорой помощи и управление приемами в клиниках. Компоненты были разработаны так, чтобы усиливать друг друга.
Аудит (4 недели). Мы оценили потоки пациентов по всей сети. Ключевые выводы: около 35% посещений скорой помощи касались состояний, поддающихся триажу к неотложной или первичной помощи. Около 60% звонков на линию медсестер были информационными — ответы на вопросы, не требующие клинической оценки.
Стратегия (6 недель). Мы разработали трехкомпонентную систему в тесном сотрудничестве с комитетом клинического управления сети, руководством скорой помощи и руководством линии медсестер. Клиническая безопасность была установлена как основное ограничение проектирования до написания каких-либо технических спецификаций: система ИИ систематически будет ошибаться в сторону эскалации. Все компоненты были разработаны в соответствии с требованиями PHIPA, с обработкой медицинской информации пациентов в собственной инфраструктуре сети.
Внедрение — Волна 1: Ассистент линии здоровья ИИ (2 месяца). ИИ-ассистент был развернут для обработки информационного слоя очереди звонков. Звонящие с вопросами о расписании клиник, адресах, инструкциях по лекарствам, вопросами ухода после посещения и аналогичными неклиническими запросами обслуживались ИИ-ассистентом — как правило, менее чем за 3 минуты, без времени ожидания. Ассистент был настроен на немедленную маршрутизацию любого звонка с клиническим содержанием к медсестре.
Внедрение — Волна 2: Прогнозирование спроса в скорой помощи (2 месяца). Прогностические модели для объема в скорой помощи были построены на основе четырех лет исторических данных в сочетании с внешними сигналами: день недели, сезонные паттерны, региональная погода, расписание местных мероприятий и данные эпидемиологического надзора. Модели генерировали скользящие 48-часовые прогнозы спроса для каждого отделения скорой помощи в сети. Точность прогнозирования превысила 85% в пределах 15% от фактического объема в первые три месяца развертывания.
Внедрение — Волна 3: Интеллектуальное управление приемами (3 месяца). Система управления приемами использовала оценку риска неявки на уровне пациентов — формируемую на основе исторических паттернов по типу приема, сегменту пациентов, временному окну и прошлой посещаемости — для управления дифференцированными стратегиями напоминаний. Приемы с высоким риском получали персонализированные напоминания, двустороннюю возможность перенаправления и проактивные предложения из листа ожидания.
Обучение и развитие (параллельно). Обучение проводилось для трех групп с различными потребностями: персонал линии медсестер, чей ежедневный рабочий процесс изменился наиболее значительно; клинические координаторы; и административный персонал, управляющий системой приемов.
Результаты
- Сокращение времени ожидания в скорой помощи на 40%. Среднее время ожидания для неотложных случаев снизилось с 4,5 часа до 2,7 часа. Сокращение было обусловлено лучшей навигацией пациентов к соответствующим условиям помощи.
- 55% запросов на линию здоровья разрешаются ИИ без участия медсестры. Среднее время ожидания звонящих упало с более чем 20 минут до менее 4 минут. Медсестры сообщили, что их состав звонков существенно сместился в сторону клинической оценки.
- Уровень неявок снизился с 18% до 9%. Ежегодно восстанавливается около 12 000 мест приема. Клиники сообщили о значительном улучшении эффективности расписания по мере роста предсказуемости фактической явки.
- Удовлетворенность пациентов: линия здоровья улучшилась с 67% до 84%. Удовлетворенность отделением скорой помощи улучшилась с 52% до 71%, что обусловлено главным образом сокращением времени ожидания.
- Опыт персонала улучшился во всех трех затронутых группах. Персонал линии медсестер сообщил об улучшении удовлетворенности работой — их работа сместилась к клиническим звонкам, задействующим их экспертизу.
Ключевые Выводы
1. Системное мышление обязательно в здравоохранении. Три компонента этого вмешательства были по отдельности полезны. Но кумулятивный эффект по всему континуму медицинской помощи — триаж линии здоровья снижает неадекватный спрос в скорой помощи, управление приемами восстанавливает мощность клиник, прогнозирование спроса обеспечивает оптимизацию ресурсов — дал результаты, которых ни одно единственное точечное вмешательство не могло бы достичь. ИИ в здравоохранении должен быть разработан для системы, а не для отдела.
2. Конфиденциальность и клиническая безопасность как ограничения проектирования, а не требования соответствия. Как соответствие PHIPA, так и протоколы клинической безопасности были установлены до написания технических спецификаций. Это правильная последовательность. Ограничения проектирования улучшают решение, потому что они вынуждают к точности относительно того, что система должна и не должна делать.
3. Клиническое управление — самый важный партнер по внедрению. Протоколы ИИ-триажа в Волне 1 были написаны не инженерами Remolda. Они были написаны в сотрудничестве с врачами скорой помощи, практикующими медсестрами и комитетом клинического управления сети, затем проверены по стандартам клинических результатов. Команда Remolda построила систему, выполняющую эти протоколы. Различие имеет критическое значение.
Для сетей здравоохранения, стремящихся улучшить потоки пациентов и снизить несоответствие спроса, ознакомьтесь с возможностями ИИ Remolda в здравоохранении, нашими услугами предиктивной аналитики и нашим подходом к развертыванию ИИ-чатботов в здравоохранении.