ジョンズ・ホプキンス大学は、エピックチャートの要約で AI に関する大きな計画を立てています

昨日、 徹底したインタビューのパート 1 デジタルヘルスとイノベーションの上級メディカルディレクターであり、ジョンズ・ホプキンス・インヘルスのアソシエート・ディレクターであるジョンズ・ホプキンス大学のブライアン・ハッセルフェルド博士と、ヘルスケア全体における人工知能の役割について話し合いました。

現在、ジョンズ・ホプキンス大学地域内科医局の内科と小児科のプライマリ・ケア医でもあるハッセルフェルド氏は、ジョンズ・ホプキンス自体に焦点を当てており、同氏と組織内の多くのチームがアンビエント・スクライビングおよび患者ポータル・アプリケーションにAIを導入している。 。 彼らは EHR 大手の Epic と協力して、グラフの要約に AI を導入しています。これは大きな前進です。

Q. ジョンズ・ホプキンス大学医学部の AI の話に移りましょう。 アンビエント スクライブ テクノロジを使用しています。 これはあなたのワークフローでどのように機能し、どのような結果が得られますか?

A. 確かにとても話題性のある空間です。 幅広い戦略をとった製品が数多く登場しています。 私たちは、テクノロジーが医療において本来果たすべきことを実際に果たしていないことを認識し、この分野で初期の動きをとった多くの人々と似ています。

おそらく、ほとんどのデータは、少なくとも臨床医にとって、テクノロジーが、少なくとも医療における私たち自身のワークフローと経験に対して、何らかの形でより多くの害を及ぼしていることを示しているでしょう。 そこで、私たちはテクノロジーを中心に戻して、より楽しくできるような作品について考えようとしています。

繰り返しになりますが、多くの主要システムにわたる規制要件と一般的なワークフローの両方により、EHR コンテンツの急増に伴い臨床医に文書作成の負担がのしかかっていることは多くの人が認識しています。 したがって、私たちのシステムのほとんどでは、 アンビエントAIに注目、リスニングデバイスのアンビエント部分は、外来受診、ER の病歴、または入院患者の回診など、臨床上の会話を聞いています。

そしてバックエンドでは、AI ツール (通常は現在 GPT などの大規模言語モデルとして知られているもの) が、複数の当事者の間で話された言葉を受け取り、それを新しい生成段落に構築します。

これらの大規模な言語モデルの実際の機能を使用して、通常は特定のプロンプトの周囲にコンテンツの段落を生成します。 そのモデルを踏まえて、「この医学的背景に基づいて歴史を書いてください」と。 そして現在、私たちはそれをいくつかの異なる専門分野にわたって、多くの外来診療所や外来診療所に展開しており、現在は最初の製品を使用しており、さまざまなレベルの機能を理解するために複数の製品をどのように使用するかを検討している可能性があります。

私自身、今朝クリニックに行ったばかりで、幸運にも自分のスマートフォンというデバイスを使用し、電話で EHR を備えたアンビエント AI テクノロジーを使用することができ、出会いを聞いて生成するアンビエント AI 製品を発売することができました。もちろん、これは私に責任があり、臨床上の正確性を確保するために自分でレビューして編集する必要があります。 これにより、臨床上の相互作用が大幅に改善されます。

キーボードから手を離し、患者を直接見つめ、非常に親密な話題や自分の個人的な健康について率直に会話できる能力、そして実際に目をコンピューターから離して患者に戻す能力、私の心の中では、これまでの主な利点です。

Q. Johns Hopkins Medicine も、患者ポータルのメッセージの下書き返信に AI を使用しています。 医師や看護師がこれをどのように利用し、どのような成果を上げているか説明してください。

A. このエンタープライズ ツールは初期ユーザー向けに提供されています。 おそらく、HIMSS Media コンテンツをフォローしている多くの人にとって、患者の電子メールやインバスケット メッセージ、メッセージが送信されることはおそらくよく知られています。 患者ポータルを通じて生成される、パンデミックを通じて爆発的に増加しました。

ここホプキンス大学では、患者から臨床医に送信されるメッセージの数が、2019 年末の新型コロナウイルス感染拡大前の 2019 年後半から現在のランレートに至るまで 3 倍近く増加しました。 そして、その中には本当に良いこともあります。 私たちは患者様に私たちと関わっていただきたいと考えています。 私たちは、患者の体調がいつ良いのか、悪いのかを知り、トリアージできるように支援したいと考えています。

しかし、繰り返しになりますが、支払いモデルや臨床ケアモデルを含む臨床ワークフローは、この絶え間ないコミュニケーションや絶え間ない連絡のために構築されていません。 それは訪問を中心に構築されています。 私たちは患者とのつながりを強化するという善意の行動をとりました。 これは非常に簡単な手段であり、私たち全員が毎日行っていること、つまり電子メールとテキストメッセージです。

私たちは、いわゆる非同期通信、または書面による通信に慣れています。 しかし、私たちは実際にはその裏側を変えませんでした。 意図せぬ結果として、そのボリュームがすべて変更されていない臨床診療システムに廃棄されることになりました。

現在、私たち全員が、臨床チームとより自由に接触できるという患者への利益を維持しながら、臨床医の燃え尽き症候群という有意義な領域の改善を加速する方法を見つけようとしています。

それで、メッセージが届きます。特に添付ファイルなどがある場合、そのようなタイプのメッセージは解釈が難しいため、一部のメッセージは除外されます。 そして、メッセージが臨床ケアチームのメンバーに届くと、AI ドラフト応答のパイロット展開にアクセスできるメンバーには、元のメッセージの内容に基づいてドラフト応答を選択するオプションが表示され、その後、大規模な言語モデルのドラフトが表示されます。応答は、適切な方法で解釈するために与えられた指示に基づいて行われます。

臨床医として、私はその草案から始めるか、空白のメッセージから始めるかを選択できます。 スタンフォード大学はこれに関する論文を発表し、利点と欠点のいくつかを非常に明確に述べています。利点の 1 つは、非常に日常的な種類のメッセージに対する応答を考える際の認知的負担が軽減されることです。

また、このツールを手に取り、定期的に使用している臨床医は、インバスケットの燃え尽き症候群と臨床医の健康指標が確実に減少していることも確認しました。 しかし同時に、現時点では最小限の時間の節約になっていると思います。なぜなら、回答草案が実際に適用され、患者のメッセージに実際に役立つのはほんの一部の時間だけであるためです。 スタンフォード大学が発表した論文では、その確率は 20% でした。

私たちのクリニックでは、ユーザーのタイプにもよりますが、一桁台前半から 30 ～ 40% の範囲にありますが、それでも半分にははるかに届きません。 ツールもワークフローも完璧ではありません。現時点でこれらのツールを最も有用なシナリオにどのように適用するかを理解するのは、迅速だが反復的なプロセスの一部となるでしょう。

Q. ジョンズ・ホプキンス医科大学では、当初は入院患者の経過概要に重点を置いて、AI によるカルテの要約に取り組んでいると聞きました。 AI はここでどのように機能するのでしょうか?また、何を期待していますか?

A. すべてのプロジェクトの中で、これは初期段階にあります。 これは、一連のケア全体におけるテクノロジーの適用と、取り組んでいる問題の深さの違いを示す良い例です。

前の例、アンビエンスとインバスケットの下書き返信では、臨床連続体に対する非常に簡潔なトランザクション コンポーネントに実際に取り組んでいます。 1 回の訪問とそれに伴う議論、1 回のメッセージと応答の草案。 それは非常に含まれたデータです。

チャートの要約というより広範なトピックについて考え始めると、幸か不幸か、対処すべき問題、つまり理解する必要があるデータの深さには限界があります。 そして再び、それを非構造化から構造化へ抽出する必要があります。

実際、臨床医として私たちが行う作業は、チャートを操作するたびに行われ、さまざまな方法でチャート内を移動し、知る必要があると思われるものを抽出し、再要約します。 それは複雑な作業です。 私たちは、入院患者の入院中は、他のバージョンのチャート要約よりも基本的に時間制限がかかるため、最もターゲットを絞った領域に取り組むよう努めています。

外来では、次のことが必要になる場合があります。 10 年間の情報をまとめたグラフ あなたがその臨床医を訪れる理由、または訪問の理由によって異なります。 今日は先ほど新たな患者様がいらっしゃいました。 彼らの病歴についてすべてを知る必要がありました。 これはチャートを要約する大規模なタスクです。

入院患者では、要約する必要がある内容について時間制限を設ける機会があります。 したがって、入院に関するすべてのことを最初から始める必要はなく、実際には入院の理由が含まれる可能性があり、それがチャートの残りの部分に後戻りする可能性があります。

入院中には、入院期間と間隔の変化を通してのあなたの旅の日々の進行がわかります。 これらは毎日の進捗ノートや臨床チーム間の配布資料で取り上げられます。 そして、画像、研究室、主要チームからのメモ、コンサルタントからのメモ、看護師からのメモなど、多くの可能性があるにもかかわらず、要約する情報を昨日から今日までに変化したこと、起こったことに絞り込むことができます。チーム。

これは時間制限がはるかに高いものの、入院患者チームに有意義な効率をもたらし、引き継ぎというよく知られたリスク領域を確実に特定します。 入院中に臨床チームが変わるたびに (ほとんどの場合、臨床医に 72 時間連続勤務を求めるわけではないため、頻繁に発生します)、そのときは、リスクの高い引継ぎの領域をサポートする機会が得られます。

したがって、範囲を制限しようとしているのですが、この非常に範囲が制限されているケースでも、潜在的なツールを実際に使用できるようにするには多くの作業が必要です。 臨床ワークフロー、率直に言って、利用可能なデータの広さと深さを考えると。 私たちはエピックの EHR パートナーと協力して、この発見の旅を始めたばかりで、ここで何が可能になるかを楽しみにしています。

本編にはないBONUS CONTENTのインタビュー動画をご覧になるには、 ここをクリック。

編集者注: これは、医療における人工知能の使用について議論する医療 IT 分野のトップの声を特集するシリーズの 7 回目です。 メイヨークリニックのジョン・ハラムカ博士に関する最初の特集を読むには、 ここをクリック。 ガイジンガー社のアールペン・パテル博士との 2 番目のインタビューを読むには、 ここをクリック。 3 番目を読むには、Meditech の Helen Waters 氏が次のように述べています。 ここをクリック。 4 番目の記事を読むには、Epic の Sumit Rana 氏とともに、 ここをクリック。 第 5 回を読むには、ブリガムミサ将軍のレベッカ G. ミシュリス博士と、 ここをクリック。 そして 6 番目を読むには、フロッタート & ウィスコンシン医科大学健康ネットワークのメレク・ソマイ博士が執筆しています。 ここをクリック。

LinkedIn で Bill の HIT 報道をフォローしてください。 ビル・シウィッキー
彼にメールを送ります: [email protected]
Healthcare IT News は HIMSS Media の出版物です。