ジョージア州アルバニーに拠点を置くフィービー・パトニー・ヘルス・システムの関連会社フィービー・フィジシャン・グループは、主に農村地帯である41郡のサービスエリアで活動しているが、介護者らによると、患者の間では医師の診察を欠席することがますます容認されるようになってきているという。
問題
そのため、医師グループ全体の無断キャンセル率は 12% で、医療グループ管理協会が報告した全国平均の約 5% の 2 倍以上でした。たとえば、都市部では、医療機関がタクシー クーポンを支給できますが、ジョージア州南部ではそれができません。自動リマインダー テキストや電話も役に立ちませんでした。
Phoebe Physician の規模、クリニックの広大な市場、地方でのスタッフ配置の難しさなどが、問題をさらに悪化させました。スタッフの頻繁な入れ替わりと経験の浅さが、スケジュールの一貫性のなさ、二重予約、予約確認のばらつきにつながっていました。
「スタッフがこうしたリマインダーを送っていると思っても、実際には送っていないか、効果的に送っていないことがほとんどです」と、フィービー・フィジシャン・グループの最高管理責任者マシュー・ロバートソン氏は語る。「だからこそ、私たちは人工知能技術によって、医療従事者の混乱を最小限に抑え、患者の体験を改善しながら、患者数を増やす方法を模索することにしたのです」
提案
物事は、 バークレー研究グループPhoebe Physician のスタッフは BRG にこの問題について伝え、リマインダーのテキスト メッセージや電話が機能していないことを伝えました。また、スタッフの時間を解放し、仕事が確実に完了するようにするために、組織は人的要素を排除する必要があることも伝えました。
「BRG は、Trajum ML と共同で開発した AI ツール、Tool Development and Piloting MelodyMD を提案しました」とロバートソン氏は説明する。「このツールは機械学習を活用して、何年にもわたる患者の来院データを分析し、特定の患者が予約時間に来院しない可能性を予測します。」
「新しい患者の予約が入ると、MelodyMD は Phoebe Physician の予約システムと通信して患者の無断キャンセルを分析し、無断キャンセルの可能性が設定されたしきい値を超えた場合は自動的に隣接する予約スロットを作成します」と同氏は付け加えた。
課題に立ち向かう
ツールの開発者は、患者の来院しない可能性と最も相関関係の強いデータ ポイントを特定するためにデータ ポイントを調査しました。これには、患者の人口統計、医療提供者の専門分野、予約スケジュールのリード タイム、過去の予約履歴、保険などが含まれます。新しい患者の来院データが追加されるたびに、開発者はモデルの改良を続けました。
「時間をかけて解決した重要な要素の 1 つは、毎日のダブルブッキングの上限を設定することでした」とロバートソン氏は指摘します。「つまり、来院しない可能性が高い患者だけがダブルブッキングの対象となるようにすることです。その後、特定のクリニックと予約の種類に除外を適用しました。」
「モデルが展開されテストされるにつれて、患者とのコミュニケーションを改善し、チームが新たに空いた予約枠を埋めるのに十分な時間を確保できるように、リマインダーのプロセスを調整しました」と彼は続けた。
また、AI ツールによって、組織はパフォーマンスを測定し、次のレベルで改善を実施できるようになったと彼は付け加えました。
-
患者アクセス。 利用状況、無断キャンセル数、完了した訪問、キャンセル、24 時間以内のキャンセル、再スケジュールされた訪問を定期的に監視します。
-
紹介管理。 紹介量、患者の漏洩率と維持率、スプリッターと競合相手の量を定期的に監視できます。
-
プロバイダースコアカード。 作業相対価値単位、訪問タイプ、評価および管理コーディング、セッションあたりの平均訪問数、新規および既存患者のスケジュールにかかる平均日数、無断キャンセル率、およびプロバイダー別の支払者構成を定期的に監視します。
-
医師/高度実践医の生産性。 作業相対価値単位、訪問タイプ、評価および管理コーディング、およびプロバイダー別の現在の手順用語の詳細を定期的に監視します。
-
非提供者スタッフ配置。 需要に応じた人員配置を確保するために、フルタイム相当の有給給与、生産性、残業時間を定期的に監視します。
結果
2023 年 1 月から 2024 年 2 月まで、Phoebe Physician では週平均 168 件の診療件数の増加が見られました。これは、約 7,800 件の追加診療件数と 140 万ドルの新規患者純収益に相当します。
ロバートソン氏は、まだ来院しない人や、医師の予約を取ることに対する地方の認識が依然として障害となっている一方で、ダブルブッキングの要素により、こうした事態の影響を大幅に軽減することができたと述べた。
他の人へのアドバイス
「プロセスの早い段階で医療提供者と話し合い、何が起こっているかを透明にしておくことは間違いなく重要です」とロバートソン氏は助言する。「問題、目標、AI テクノロジーがもたらすと予想される潜在的な影響を明確に表現する必要があります。私たちが 20 人のプライマリケア提供者に、1 日に 84 人の無断キャンセルが発生していると伝えたところ、彼らはショックを受けていました。このことが、新しいソリューションを試すことに協力するきっかけとなりました。」
「健康の公平性も考慮する必要があります」と同氏は続けた。「たとえば、AI ツールが暗黙のスケジュール バイアスをもたらさないようにするにはどうすればよいでしょうか。十分な保険に加入していない患者や、特定の種類の保険に加入している患者が、予約枠が常に二重に予約され、診察までの待ち時間が長くなる可能性によって不均衡な影響を受けないように、アルゴリズムをどのように改良すればよいでしょうか。」
そしてもちろん、AI の良し悪しは基礎となるデータ次第だと彼は付け加えた。
「我々はBRGと協力して3年間の患者データを整理し、効果的なモデルを確立するために活用した」と彼は結論付けた。
LinkedIn で Bill の HIT 記事をフォローしてください: ビル・シウィッキ
彼にメールを送る: お問い合わせ
Healthcare IT News は HIMSS Media が発行する出版物です。