Microsofts senaste AI-verktyg kan förutsäga missade läkarbesök

Mellan bristen på utbildade läkare, brist på omvårdnadspersonal och allmän nedslitning bland sjukvårdspersonal, är det inte en lätt uppgift att säkra ett läkarbesök i dagens kliniska landskap. Tidsvärdet för möten har faktiskt aldrig varit högre.

Det här stycket är exakt vad Microsofts senaste verktyg för artificiell intelligens (AI) försöker ta itu med: minska missade vårdbesök. Merav Davidson, Microsofts vicepresident för Industry AI, skrev i Microsoft Industry Blogs: "Den årliga kostnaden för missade möten inom hälsovårdsindustrin är mer än 150 miljarder dollar bara i USA. Missade möten leder inte bara till en försämring av patienternas hälsa, utan de ekonomiska effekterna av patientnödbesök påverkar avsevärt klinikverksamheten och beräkningar av fasta kostnader, vilket resulterar i överbemanning och oplanerade driftstopp, vilket i slutändan får vårdgivare att kämpa med den dagliga verksamheten.”

Davidson lyfter fram ett viktigt fenomen. Missade möten är inte bara skadligt för patienten, utan också för hela det kliniska ekosystemet. Till exempel, om en patient inte dyker upp för sin tilldelade plats, kommer det rummet nu att bli oanvänt under den tidsperioden. I de flesta situationer kan den inte bara fyllas med nästa person i kö, med tanke på att det är en mötesbaserad tjänst, och nästa person kommer sannolikt inte att anlända förrän den tilldelade tiden. Även om en eller två missade mötestider kan vara försumbara, sett i ett holistiskt perspektiv, kostar denna oanvända tid systemet miljarder dollar årligen. Viktigare är kanske det faktum att ett bortkastat besök är ett missat tillfälle för någon annan som verkligen behövde träffa en läkare men inte kunde komma in. Med tanke på att nuvarande väntelistor för primärvårdsläkare innebär månader långa väntetider nationellt är detta ett mycket verkligt problem.

ANNONS

Microsofts verktyg är inbäddat i sin robusta Cloud for Healthcare-plattform och har en enkel inlärningskurva: ”Modellen är lätt att implementera och kan tränas inom bara två timmar, vilket gör att vårdgivaren är redo att använda lösningen inom bara en dag. Detta erbjudande gynnar både läkare och patienter. Med ett användarvänligt och välbekant gränssnitt ger förutsägelser om missade möten kontorspersonal och kliniker möjlighet att förutsäga uteblivna patienter utan datavetenskaplig utbildning eller personal."

Davidson förklarar vidare att "Olika typer av indata har visat sig vara viktiga för att förutsäga missade möten inom hälsovårdsområdet. Demografi, historiska mönster, sociala bestämningsfaktorer och mötesdata som typ och tid på dygnet är indataexempel som vårdteam kan använda för att träna modellen.” Invecklarna bakom programvaran har varit förklaras i detalj av Microsoft, som också insisterar på att "Modellen är inte förutbildad och kommer att behöva utbildas av användaren av en vårdgivare."

ANNONS

Noterbart är att kliniker och öppenvårdsmiljöer inte är de enda ställena som detta verktyg potentiellt kan gynna. Det kan så småningom bli en viktig roll för denna programvara i nästan alla kliniska miljöer, allt från akutmottagningen till slutenvårdssituationer.

Faktum är att även om denna AI-motor sannolikt behöver mer arbete och testning innan dess fulla potential kan förverkligas fullt ut, är konceptet lovande när det gäller att använda data och objektiva mätvärden för att förbättra kliniska resultat.