چگونه می توان از هوش مصنوعی برای افزایش موفقیت مدیریت مراقبت استفاده کرد


آیا نتوانستید در Transform 2022 شرکت کنید؟ اکنون تمام جلسات اجلاس را در کتابخانه درخواستی ما بررسی کنید! اینجا را تماشا کنید.


شصت درصد از بزرگسالان آمریکایی حداقل با یک بیماری مزمن و 12 درصد با پنج بیماری یا بیشتر زندگی می کنند. آنها به طور تصاعدی بیشتر از کسانی که هیچ بیماری مزمنی ندارند برای مراقبت های بهداشتی هزینه می کنند. به عنوان مثال، 32 درصد از بزرگسالان با پنج بیماری مزمن یا بیشتر، هر سال حداقل یک بار ویزیت می کنند. علاوه بر این، 24٪ حداقل یک بار بستری می شوند، علاوه بر میانگین 20 ویزیت سرپایی – تا 10 برابر بیشتر از افراد بدون بیماری مزمن. بر اساس گزارش مرکز کنترل و پیشگیری از بیماری ها (CDC)، در واقع، 90 درصد از هزینه های 4 تریلیون دلاری مراقبت های بهداشتی آمریکا برای افراد مبتلا به بیماری های مزمن و سلامت روان است.

راه اساسی سازمان های مراقبت های بهداشتی برای کاهش این هزینه ها، بهبود تجربه بیمار و تضمین سلامت بهتر جمعیت از طریق مدیریت مراقبت است.

به طور خلاصه، مدیریت مراقبت به مجموعه خدمات و فعالیت هایی اطلاق می شود که به بیماران مبتلا به بیماری های مزمن کمک می کند تا سلامت خود را مدیریت کنند. مدیران مراقبت فعالانه با بیماران تحت مراقبت خود تماس می گیرند و مداخلات پیشگیرانه را برای کاهش پذیرش ER بیمارستان ارائه می دهند. علیرغم بهترین تلاش ها، بسیاری از این ابتکارات نتایج غیربهینه ای را ارائه می دهند.

چرا ابتکارات مدیریت مراقبت فعلی بی اثر هستند؟

بسیاری از مدیریت مراقبت های امروزی بر اساس داده های گذشته انجام می شود

به عنوان مثال، مدیران مراقبت، بیمارانی را که بالاترین هزینه را نسبت به سال گذشته داشته اند شناسایی کرده و برنامه های کمک رسانی خود را با آنها آغاز می کنند. بزرگترین چالش این رویکرد، طبق تحقیقات داخلی ما، این است که نزدیک به 50 تا 60 درصد از بیماران پرهزینه در سال قبل کم هزینه بوده اند. بدون اطلاع رسانی مناسب، تعداد زیادی از بیماران در معرض خطر با رویکرد مدیریت مراقبت واکنشی بدون مراقبت رها می شوند.

رویداد

MetaBeat 2022

MetaBeat رهبران فکری را گرد هم می‌آورد تا راهنمایی کنند که چگونه فن‌آوری متاورس نحوه برقراری ارتباط و انجام تجارت همه صنایع را در 4 اکتبر در سانفرانسیسکو، کالیفرنیا تغییر خواهد داد.

اینجا ثبت نام کنید

طبقه بندی ریسکی که تیم مدیریت مراقبت امروزه از آن استفاده می کند یک مدل ملی است

این مدل ها بومی سازی نشده اند، بنابراین درک عوامل اجتماعی تعیین کننده مکان های فردی در نظر گرفته نمی شود.

تمرکز اصلی تیم مدیریت مراقبت عمدتا بر انتقال مراقبت و اجتناب از پذیرش مجدد است

تجربه ما در حین کار با مشتریان مختلف نیز به این واقعیت اشاره دارد که پذیرش مجدد تنها 10-15٪ از کل پذیرش را شامل می شود. تمرکز بر مدیریت مراقبت پیشگیرانه و اجتناب از پذیرش در اورژانس و بیمارستان قابل اجتناب در آینده وجود ندارد. این کلید موفقیت در مدل های مراقبت مبتنی بر ارزش است.

در هر سال، بیماران پرهزینه می توانند کم هزینه شوند

بدون چنین درک دقیقی، تلاش های اطلاع رسانی می تواند در کاهش هزینه های مراقبت بی اثر باشد.

چگونه هوش مصنوعی می تواند موفقیت مدیریت مراقبت را افزایش دهد

تجزیه و تحلیل پیشرفته و هوش مصنوعی (AI) فرصت قابل توجهی را برای مدیریت مراقبت باز می کند. خطرات سلامتی پیچیده هستند، که توسط طیف گسترده ای از عوامل بسیار فراتر از سلامت جسمی یا روانی فرد هدایت می شود. برای مثال، اگر فرد مبتلا به دیابت دارای درآمد کم و دسترسی محدود به خدمات پزشکی باشد، در معرض خطر بیشتری قرار دارد. بنابراین، شناسایی نیازهای بیماران در معرض خطر برای در نظر گرفتن فاکتورهای اضافی برای دربرگرفتن افرادی که بیشتر به مراقبت نیاز دارند، در نظر گرفته شود.

الگوریتم‌های یادگیری ماشینی (ML) می‌توانند طیف پیچیده‌ای از متغیرها مانند سابقه بیمار، بستری شدن در بیمارستان/ER گذشته، داروها، عوامل اجتماعی تعیین‌کننده سلامت و داده‌های خارجی را برای شناسایی دقیق بیماران در معرض خطر ارزیابی کنند. می‌تواند بیماران را بر اساس امتیاز خطرشان طبقه‌بندی و اولویت‌بندی کند، و مدیران مراقبت را قادر می‌سازد تا برای کسانی که بیشتر به آن نیاز دارند اثربخش باشد.

در سطح فردی، یک پلتفرم مدیریت مراقبت مبتنی بر هوش مصنوعی می‌تواند دیدگاهی جامع از هر بیمار، از جمله مراقبت‌های گذشته، داروهای فعلی، خطرات و توصیه‌های دقیق برای اقدامات آینده‌اش ارائه دهد. برای بیمار در مثال بالا، هوش مصنوعی می‌تواند مدیران مراقبت‌ها را با قرائت HbA1C، نسبت در اختیار داشتن دارو و امتیازات خطر پیش‌بینی‌کننده برای ارائه مراقبت مناسب در زمان مناسب مجهز کند. همچنین می‌تواند مدیر مراقبت را در مورد تعداد دفعاتی که باید با هر بیمار تماس بگیرد تا بیشترین تأثیر را داشته باشد راهنمایی کند.

برخلاف مکانیسم‌های سنتی طبقه‌بندی ریسک، سیستم‌های مدیریت مراقبتی مدرن با قابلیت هوش مصنوعی خودآموز هستند. هنگامی که مدیران مراقبت اطلاعات جدیدی را در مورد بیمار وارد می کنند – مانند آخرین بازدید از بیمارستان، تغییر در داروها، عادات جدید و غیره – هوش مصنوعی طبقه بندی ریسک و موتور توصیه های خود را برای نتایج موثرتر تطبیق می دهد. این بدان معنی است که مراقبت مداوم برای هر بیمار در طول زمان بهبود می یابد.

چرا پرداخت کنندگان و ارائه دهندگان تمایلی به پذیرش هوش مصنوعی در مدیریت مراقبت ندارند

در تئوری، تأثیر هوش مصنوعی در مدیریت مراقبت قابل توجه است – هم دولت‌ها و هم بخش خصوصی از احتمالات خوش‌بین هستند. با این حال، در عمل، به ویژه در میان کسانی که هر روز از این فناوری استفاده می کنند، به عنوان مثال، مدیران مراقبت، به نظر می رسد بی میلی وجود دارد. با دلیل موجه

عدم وجود مدل های بومی سازی شده

برای شروع، بسیاری از راه حل های مدیریت مراقبت مبتنی بر هوش مصنوعی امروزی بیمار محور نیستند. مدل‌های ملی‌شده برای اکثر جمعیت‌های محلی ناکارآمد هستند و پیش‌بینی‌ها را با حاشیه قابل‌توجهی از بین می‌برند. بدون پیش‌بینی دقیق، مدیران مراقبت فاقد ابزارهای قابل اعتماد هستند که شک و تردید بیشتری ایجاد می‌کند. مدل های بومی سازی شده با دقت طراحی شده برای موفقیت هر راه حل مدیریت مراقبت مبتنی بر هوش مصنوعی اساسی است.

بر اساس نیازهای مدیر مراقبت هدایت نمی شود

از سوی دیگر، هوش مصنوعی امروز نیز «مدیر مراقبت محور» نیست. یک “امتیاز خطر” یا عددی که نشان دهنده خطر ابتلا به هر بیمار است، چیزی به مدیر مراقبت نمی دهد. راه حل های هوش مصنوعی باید به زبان کاربر صحبت کنند، بنابراین با پیشنهادات راحت می شوند.

ارائه مراقبت های بهداشتی بسیار پیچیده و حیاتی است که نمی توان آن را به جعبه سیاه الگوریتم ML واگذار کرد. باید در مورد دلیل اتخاذ هر تصمیم شفاف باشد – باید قابل توضیح باشد که برای کاربر نهایی قابل دسترسی باشد.

ناتوانی در نشان دادن ROI

در سطح سازمانی مراقبت های بهداشتی، راه حل های هوش مصنوعی نیز باید ROI را نشان دهند. آنها باید با حرکت دادن سرنگ روی شاخص های عملکرد کلیدی آن (KPI) بر کسب و کار تأثیر بگذارند. این می تواند شامل کاهش هزینه مراقبت، کاهش بار مدیر مراقبت، به حداقل رساندن بازدیدهای اورژانس و سایر مزایا باشد. این راه‌حل‌ها باید به رهبران مراقبت‌های بهداشتی دید لازم را در عملیات بیمارستانی و همچنین معیارهای زایمان ارائه دهند.

آینده هوش مصنوعی در مدیریت مراقبت چیست؟

علیرغم چالش‌ها و شکست‌های فعلی در برخی از پروژه‌های اولیه هوش مصنوعی، آنچه صنعت در حال تجربه آن است، صرفاً مشکلاتی است. به عنوان یک فناوری به سرعت در حال تکامل، هوش مصنوعی با سرعت بی سابقه ای خود را با نیازهای صنعت مراقبت های بهداشتی وفق می دهد. با نوآوری مداوم و پذیرش بازخورد، هوش مصنوعی می تواند به ابرقدرت در زره سازمان های مراقبت های بهداشتی تبدیل شود.

به خصوص در مدیریت مراقبت های پیشگیرانه، هوش مصنوعی می تواند نقش مهمی ایفا کند. می تواند به شناسایی بیماران در معرض خطر کمک کند و مراقبت هایی را ارائه دهد که از عوارض یا موارد اضطراری جلوگیری می کند. این می تواند مدیران مراقبت را قادر می سازد تا پیشرفت را زیر نظر داشته باشند و بدون مراجعه بیماران به بیمارستان برای دریافت آن، پشتیبانی مستمر ارائه دهند. این به نوبه خود هزینه های مراقبت را برای ارائه دهندگان کاهش می دهد. این به بیماران برای داشتن زندگی سالم در دراز مدت توانمند می شود و سلامت کلی جمعیت را ارتقا می دهد.

پرادیپ کومار جین مدیر ارشد محصول در HealthEM AI.

DataDecisionMakers

به انجمن VentureBeat خوش آمدید!

DataDecisionMakers جایی است که کارشناسان، از جمله افراد فنی که کار داده را انجام می دهند، می توانند بینش ها و نوآوری های مرتبط با داده را به اشتراک بگذارند.

اگر می‌خواهید درباره ایده‌های پیشرفته و اطلاعات به‌روز، بهترین شیوه‌ها و آینده فناوری داده و داده مطالعه کنید، به ما در DataDecisionMakers بپیوندید.

شما حتی ممکن است در نظر داشته باشید که مقاله ای از خودتان ارائه دهید!

از DataDecisionMakers بیشتر بخوانید