Cara menggunakan Rumah Sakit Ottawa untuk menangkap suara ambient AI untuk mengurangi kelelahan dokter Anda sebesar 70 %, dan mencapai 97 % dari kepuasan pasien

Dokter dan pasien (atau tidak) adalah masalah penting dalam perawatan kesehatan – karena mereka dapat berjuang untuk mencapai perawatan dan dokter karena mereka hanya memiliki banyak hal untuk melakukannya.

Rumah Sakit Ottawa (Toh) mulai menghadapi tantangan ini dengan penggabungan Microsoft’s Dax Copilot tahun lalu. Itu sudah memiliki dampak yang signifikan: hasil awal tujuh menit muncul disediakan untuk setiap pertemuan, pengurangan 70 % dalam kelelahan dan kelelahan yang dilaporkan dokter, dan 93 % pasien tentang pengalaman perawatan atau hadiah yang lebih baik.

“Ada kemungkinan bahwa akses ke perawatan akan menjadi salah satu masalah terbesar yang dihadapi oleh pasien,” kata Glen Kirins, EVP dan CIO dari Toh, untuk VentureBeat. “Jika kami dapat meningkatkan produktivitas, dan bahkan dua pasien untuk setiap dokter di setiap kejang, Anda menggandakan ini melalui 10 dokter dalam mempersiapkan perawatan, maka menyerang ini dengan 365 – ini bukan peningkatan yang tidak logis dalam akses ke perawatan.”

Ai ai sebagai asisten aktif

Toh adalah Rumah Sakit Kanada pertama yang mencoba DAX Copilot dari Microsoft, yang secara langsung diintegrasikan dengan platform catatan kesehatan elektronik yang meluas Epic (EHR). Pada bulan Maret, Microsoft mengumpulkan DAX Copilot dengan Dragon Medical One (DMO) di Microsoft Dragon Copilot Assistant, yang mengatakan raksasa teknologi, yang digunakan oleh lebih dari 600.000 dokter.

Dax Copilot, di luar kotak, mengambil percakapan dokter dan pasien melalui aplikasi seluler dan membuat draft not -not klinis dalam waktu aktual, dan dijelaskan oleh Ken Harper, kepala proyek Microsoft untuk Dragon, di VentureBeat.

Dia berkata: “Dokter dapat memulai rekaman dari ponsel, meletakkan telepon mereka, memeriksa pasien, dan berbicara dengan pasien, dan tidak berbeda dari apa yang mereka lakukan.”

Sistem kemudian mengekstraksi detail berdasarkan konteks kunjungan (gejala, diagnosis, rencana perawatan, dan tindak lanjut), yang segera tersedia di EHR; Yang harus dilakukan dokter hanyalah meninjau dan menyelesaikan dengan cepat.

“Alih -alih harus menulis sesuatu dari titik nol dan mengingat semua detail halus atau menulis di depan pasien, ini bekerja secara otomatis,” Harper menjelaskan, mencatat bahwa mereka menerima draft “sangat akurat” pertama setelah kunjungan selesai.

Untuk menyesuaikan Dragon Copilot, Microsoft menggunakan “gudang besar data klinis yang disusun selama bertahun -tahun,” Harper menjelaskan. Para insinyur terus -menerus, model bahasa besar (LLM) dengan data itu sehingga sistem dapat memahami dan informasi medis yang andal.

Untuk meningkatkan akurasi, model ditingkatkan melalui spesialisasi – apakah itu dokter darurat, dokter kulit, ahli jantung, atau spesialis medis lainnya.

Dalam cincin umpan balik, tim menganalisis draf pertama yang disiapkan oleh mesin dan membandingkannya dengan apa yang diubah oleh dokter setelah itu.

“Dia memastikan bahwa sebagai rata -rata dari waktu ke waktu, ketika data berlanjut dan kami belajar dari data ini, pengeditan menurun,” kata Harper.

Cara meningkatkan kunjungan dan mengurangi kelelahan normal

Menurut Asosiasi Medis Kanada, dokter menghabiskan seluruh 10 jam seminggu Dalam tugas administratif, seperti memperbarui rencana setelah tanggal pasien.

Kearns menjelaskan bahwa TOH telah mengembangkan rencana evaluasi yang kuat untuk DAX Copilot yang mencakup pembaruan bulanan melalui Microsoft Power BI. Ini termasuk reaksi dari dokter, survei pasien dan data dari epik.

“Kerangka kerja ini terus membantu kami memantau perbaikan dan perbaikan langsung,” katanya.

Dia menjelaskan bahwa pada akhirnya atau transformasi, dokter harus kembali ke dokumen dari kunjungan pasien. Tetapi alat ini telah dikurangi setelah jam kerja, perencanaan pekerjaan dan dokumentasi yang mendukung “semua kategori dokter.” Ini tidak hanya menghemat waktu, tetapi juga membantu mengurangi kelelahan karena mereka memiliki pekerjaan yang kurang sulit untuk dilakukan.

Alat ini juga telah meningkatkan beban kognitif dokter selama kunjungan: alih -alih berfokus pada detail masuknya dan pergerakan pasien dalam dokumen dan model, itu mampu “terlibat secara berbeda dan lebih baik”, kata Kerns. Selain itu, “kami telah melihat tingkat produktivitas yang meningkat, dan lebih banyak pasien untuk setiap kejang, untuk setiap dokter.”

Kearns mengkonfirmasi bahwa semua pasien diharuskan untuk menyetujui sebelum mendaftarkan janji temu dan bahwa mereka dapat mencapai catatan di portal MyChart pasien mereka. Mereka juga diberikan dengan sopan tentang program ini dan mengkonfirmasi bahwa catatan kesehatan mereka selalu rahasia dan aman.

Pasien juga menerima “sangat positif”, karena 97 % pengalaman mereka dengan alat kecerdasan buatan baik seperti kencan yang khas atau lebih baik. “Kami mengaitkan ini dengan kesempatan dokter untuk berinteraksi dengan mereka secara berbeda dan lebih sengaja selama kunjungan, yang sering ditekan tepat waktu,” kata Kirins.

Dia mengatakan bahwa alat ini dapat digunakan dalam skenario seperti deteksi tanda -tanda vital dan penentu sosial kesehatan (masalah non -rimba yang mempengaruhi kesehatan seseorang, seperti kurangnya nutrisi atau kurangnya transportasi. Terlebih lagi, pra -decline dan pesanan rujukan dapat.

“Ada banyak jalur di bidang dokumen penangkapan,” kata Kirins.

Sesama kolega tim untuk mengatasi masalah ketenagakerjaan

Bidang lain di mana Toh mengintegrasikan kecerdasan buatan adalah “rekan satu tim digital”. Musim panas lalu, lampiran mengembangkan kasus penggunaan dengan Delotte dan meluncurkan Sophie, yang berbicara beberapa bahasa.

Menariknya, itu mampu menjelaskan perasaan dan respons perilaku pasien.

“Aku benci mengatakan ini, tetapi pasien berbohong kepada dokter,” aku Kerns. “Anda tahu,” apa skala rasa sakit Anda? Oh, saya baik -baik saja, ini lima dari 10. “Tapi kemudian, Sophie akan mendapatkan kemampuan untuk melihat wajah Anda dan pergi,” yah, sepertinya bukan lima. “

Dia kemudian dapat bertanya tentang definisi lima pasien tentang lima, dan dapat dibakar berdasarkan data objektif.

Toh akan membuat avatar lain di musim semi untuk membantu pasien menavigasi dan mencapai sistem perawatan kesehatan dan terlibat dalam pemeriksaan sebelumnya.

“Saya tidak berpikir ada orang yang tidak menyadari krisis sumber daya manusia di dunia,” Kerns. “Kami benar -benar ingin mencoba mendukung dan melayani pasien lebih kuat dari yang kami bisa hari ini.”

Misalnya, fasilitas membuat panggilan tindak lanjut ke pasien setelah prosedur tertentu. Namun, karena pembatasan sumber daya, mereka hanya dapat menindaklanjuti dengan pasien yang lebih tinggi. Tujuan Kearns mengikuti setiap pasien, karena memberikan avatar yang menjelaskan pertanyaan untuk pasien dan mengkonfirmasi jika mereka memahami pesanan keluar mereka, atau mereka dapat mencapai apotek, atau mereka mengikuti pesanan dokter. Avatar dapat meningkat ke perawat atau tim pasien klinis jika perlu.

“Salah satu hal yang dibanggakan perawatan kesehatan adalah sentuhan manusia,” kata Kirins. “Ini adalah cara untuk memastikan bahwa kami meningkatkan dan meningkatkan sumber daya sentuh manusia, tetapi juga memastikan dukungan pasien dengan baik melalui perjalanan perawatan kesehatan mereka.”

Namun, dia mengindikasikan bahwa dia masih di awal pertandingan. Salah satu langkah penting di masa depan adalah memungkinkan rekan satu tim digital untuk berinteraksi dengan informasi dan lingkungan epik.

“Kami memiliki banyak pekerjaan yang harus dilakukan di sana, kami masih fokus pada sisi adopsi,” kata Kirins. “Kami masih merupakan sistem perawatan yang sehat yang berinteraksi dengan kondisi kesehatan pasien. Kami ingin sampai ke tempat di mana kami aktif.”