Как ИИ уже развивается и обеспечивает разнообразные улучшения в здравоохранении

Больницы и системы здравоохранения используют искусственный интеллект, чтобы ускорить отбор пациентов для клинических исследований, избежать сбоев в цепочке поставок медицинских услуг, выявить заболевания на ранних стадиях, сократить время ожидания пациентов — и это лишь некоторые из множества уже существующих вариантов использования ИИ. на виртуальный брифинг в Конгрессе, организованный на прошлой неделе компанией Premier Inc.

Диверсификация и стандартизация данных

Premier, Inc. — компания по цифровой трансформации, которая работает с 4350 больницами и системами здравоохранения США, а также с более чем 300 000 другими поставщиками услуг и организациями, согласно ее веб-сайту. По словам Мейсона Ингрэма, директора по плательщикам, политике и связям с правительством, компания считает, что больничные системы в настоящее время обращаются к искусственному интеллекту для поддержки анализа данных пациентов и оптимизации рабочих процессов.

В своей пропаганде в Конгрессе дорожная карта объявленная в августе, компания заявила, что считает, что, хотя «ИИ может и должен играть решающую роль в развитии здравоохранения и стимулировании инноваций», она также считает, что «ИИ не может и не должен заменять медицинскую практику».

Однако, по мнению компании, подключение недостаточно обслуживаемых пациентов к клиническим исследованиям — это область, которую ИИ может поддерживать и совершенствовать.

«Индустрия здравоохранения в целом постоянно ищет высококачественные данные, но данные должны быть стандартизированы, взаимосвязаны, репрезентативны для больших и разнообразных сообществ и отражать состояние клинической практики среди населения в целом», — сказал Ингрэм.

По словам Дениз Джулиано, вице-президента группы по биологическим наукам, такие данные могут привести к поиску наиболее подходящих пациентов для реальных исследований и клинических испытаний.

«Эти структурированные и неструктурированные данные, а также использование искусственного интеллекта, машинного обучения и обработки естественного языка могут дополнить нашу исследовательскую работу», — сказала она.

Работа с неструктурированными данными

Имея как структурированные, так и неструктурированные данные, Premier ускорила свои усилия по поиску «нужного пациента с помощью правильных исследований», — сказал Джулиано.

Обладая структурированными данными, компания использует прогнозную аналитику и искусственный интеллект для ускорения работы клинических испытаний. Но она сказала, что работа с неструктурированными данными – повествованиями – это область, в которой ИИ действительно может оказать влияние. «Потому что это очень, очень мощная информация».

Сводки выписок и беседы врача с пациентом часто содержат много информации, которая может помочь улучшить качество лечения этих пациентов, — сказал Джулиано. Варианты использования в радиологии и гистологии демонстрируют, что ИИ может сделать для здравоохранения.

«Он никогда не заменит клиническую практику, но может действительно помочь внедрить инновации и дополнить практику», — сказала она, прежде чем перейти к первому варианту использования.

Анализ сканирований легких эпохи COVID-19

Предполагая, что большое количество пациентов во время пандемии COVID-19 будут проходить сканирование легких, компания работала с крупнейшим обменом медицинской информацией в стране и партнерами в отрасли медико-биологических наук, используя методы искусственного интеллекта, машинного обучения и НЛП.

Она сказала, что исследователи изначально предполагали, что найдут от 10 000 до 20 000 пациентов с признаками заболевания легких на ранней стадии.

Они обнаружили, что у 152 000 пациентов были легочные узелки в легких, сказал Джулиано, отметив, что анализ 6,3 миллиона пациентов занял три недели.

«Без этой технологии человеческий глаз или человек никогда бы не смог просмотреть 60 миллионов документов с такой быстрой скоростью», — сказала она. «Так что это было действительно революционно. Это было крупнейшее наблюдательное испытание такого рода».

Узелки часто называют случайной находкой, «случайным легочным узлом», но, согласно литературе, у одной трети потенциально может быть рак легких, сказал Джулиано.

«На самом деле мы могли бы помочь на ранней стадии найти пациентов, у которых потенциально может быть рак легких», — объяснила она. «Он дает возможность выявлять пациентов на ранней стадии их потенциального болезненного состояния и назначать им план лечения.

Что касается второго этапа, Джулиано сказал, что Premier работает с некоторыми системами здравоохранения Нью-Йорка, чтобы привлекать пациентов, идентифицировать их и составлять для них план лечения.

«В этом конкретном исследовании 12% участников исследования составляли чернокожие американцы, что опять же намного выше, чем в противном случае вы могли бы найти, опять же, с человеческим глазом при этой работе», – сказала она.

Прогнозирование болезни Альцгеймера и улучшение лечения деменции

В следующем примере Premier использовала как структурированные данные более чем одного миллиона пациентов из 275 центров, так и неструктурированные данные для раннего выявления пациентов с болезнью Альцгеймера и деменцией.

То, что, по ее словам, Premier называет онтологией данных, помогает предсказать, поставит ли пациенту окончательный диагноз.

По словам Джулиано, использование прогнозной аналитики и неструктурированных данных может способствовать раннему вмешательству при ранних легких когнитивных нарушениях. ИИ помог «найти иголку в стоге сена» и разгадать термины, которые могут быть индикаторами заболевания на более поздней стадии.

Они также используют эти методы для ускорения текущих клинических испытаний, «поскольку 80% клинических испытаний в США не укладываются в сроки набора персонала», сказала она, отметив, что для завершения третьей или четвертой фазы клинического исследования требуется 90 месяцев.

Стоимость также является важным фактором: вывод нового препарата на рынок обходится более чем в 2,6 миллиарда долларов, сказала она. Задержки в судебном разбирательстве могут стоить «от 600 000 до 8 миллионов долларов в день».

ИИ — это мощный способ помочь «познакомить нужных людей с продуктами, подходящими для их ухода», — сказал Джулиано.

Диверсификация клинических испытаний

По ее словам, чернокожие американцы, латиноамериканцы или латиноамериканцы обычно недостаточно представлены в клинических исследованиях, поэтому они разработали модель, позволяющую улучшить разнообразие клинических исследований.

Если подумать о традиционной модели, «обычно они сначала пытаются идентифицировать врача-исследователя на месте», — сказала она. «Тогда они надеются, что эти пациенты находятся в системе здравоохранения.

«То, что мы разработали в Premier, — это модель, которая переворачивает воронку», — объяснила она. «Фактически мы применяем критерии включения и исключения как к нашим структурированным, так и к неструктурированным данным. Мы выясняем, где находятся эти пациенты, затем набираем систему, а затем набираем врача-исследователя», — сказал Джулиано.

Повышение устойчивости цепочки поставок

Анджела Лэннинг, главный операционный директор подразделения медицинской информатики Premier, рассказала, как компания использует искусственный интеллект, НЛП и машинное обучение в управлении здравоохранением и цепочке поставок.

В 2019 году Premier заключила партнерское соглашение с UPMC для использования машинное обучение, помогающее управлять закупками и рекомендовать формальные управленческие решения в настоящее время.

Но после того, как пандемия продемонстрировала суровую реальность, «насколько катастрофическими перебои в поставках влияют на нашу способность предоставлять нашим пациентам безопасную и своевременную медицинскую помощь», компания использовала свои большие данные и использовала ИИ, чтобы «очистить» их для определения основных показателей — задержек на линиях и продуктов. которые находятся в дефиците.

Как только системы здравоохранения смогут предсказать, когда продукт достигнет дефицита через три-шесть недель, «мы сможем что-то с этим сделать», сказала она.

«Это важно, потому что сегодня мы можем сделать это для более чем 80% медицинских и хирургических материалов в здравоохранении».

Она сказала, что компания работает с системами здравоохранения и поставщиками, чтобы уменьшить дефицит, либо за счет увеличения производства поставщиками, либо путем оказания помощи системам здравоохранения в поиске заменителей, которые они могут использовать для минимизации сбоев в цепочке поставок для ухода за пациентами.

Автоматизация сквозной предварительной авторизации

Опрос, проведенный в прошлом году Советом по качеству здравоохранения, показал, что только 28% действий по предварительному разрешению были полностью электронными, сказал Лэннинг.

Когда план медицинского страхования отказывает в процедуре, рекомендованной врачом, «вы попадаете в круговой цикл, в котором врач и плательщик пытаются получить одобрение этой процедуры».

Это не только сложно для пациентов, «это очень вручную и неэффективно», сказала она.

Врачам приходится вмешиваться в работу с факсами и формами, или это делают их администраторы. Согласно презентации Лэннинга, Центры Medicare и Medicaid Services подсчитали, что врачи и групповые врачи тратят в среднем 13 часов в неделю на предварительную аутентификацию вручную.

«В системе здравоохранения у нас нет людей… которые должны были бы взять на себя эти процессы, не добавляющие ценности, когда у нас есть возможность их автоматизировать», — сказала она.

По ее словам, в предварительном процессе аутентификации существует большая напряженность, и ИИ может помочь решить эту проблему и укрепить отношения между плательщиком и поставщиком.

«Для нас было важно выяснить, как мы можем работать с нашими системами здравоохранения и планами здравоохранения, чтобы выявлять пациентов, которые имеют право на проведение процедуры, а также соответствующие клинические показания, чтобы разрешить процедуру в режиме реального времени», — сказал Лэннинг.

Еще в 2014 году должен был быть установлен мандат, согласно которому системы здравоохранения должны будут использовать поддержку клинических решений, чтобы добиться соблюдения требований в отношении надлежащего использования. Хотя выполнение этого поручения было отложено, премьер «интегрировал поддержку принятия решений в электронную медицинскую карту, чтобы она была частью рабочего процесса врача».

Доказательства закодированы в ЭМК и на 100% автоматизированы.

«Хотя Medicare не требовала этого, это помогло нам с коммерческими плательщиками получить одобрение на расширенную визуализацию», — сказал Лэннинг.

Premier также более 10 лет работал с системами здравоохранения над внедрением CDS в электронные медицинские записи, чтобы получить возмещение за радиологические тесты.

Хотя агентство требует, чтобы поставщики услуг прошли серьезную клиническую проверку для утверждения оплаты, Лэннинг сказал, что ИИ помог автоматизировать известные случаи пациентов в режиме реального времени.

«Что мы сделали, чтобы помочь поставщикам услуг управлять этим процессом, так это предоставили им для проверки только самых сложных пациентов с помощью человеческого взаимодействия», – сказала она. «Мы также объединили это с радиологами из нашей команды, чтобы они могли предоставить назначающему врачу лучший тест и обеспечить наилучший результат для пациента».

По ее словам, 30-минутные процессы выполняются менее чем за минуту, и пациенты получают гораздо лучший опыт.

Премьер вместе с HIMSS (материнская компания Новости ИТ в сфере здравоохранения) и других, входит в коалицию Patient ID Now. В 2021 году организация представила рамки национальной идентификации пациентовкоторый, по его словам, может упростить поток информации о пациентах, но законодательных изменений было мало.

«Это также устранит препятствия для координации медицинской помощи и общенациональной совместимости, а также сэкономит миллионы долларов на сопутствующих расходах для системы здравоохранения», — сказал Блэр Чайлдс, бывший старший вице-президент Premier Inc. по связям с общественностью.

Андреа Фокс — старший редактор журнала Healthcare IT News.
Электронная почта: [email protected]
Healthcare IT News — издание HIMSS Media.