人口健康分析: Corewell が内部モデルを構築

ポッドキャスト: 新しいウィンドウで再生する | ダウンロード (長さ: 37:31 — 34.4MB)

購読する： アップルのポッドキャスト | スポティファイ

Bob Jarve 氏、MD、MBA、アソシエイト CMIO、Corewell Health

Corewell Health のアソシエイト CMIO は、彼のチームが内部で縦断的な人口健康データ モデルを構築した理由と、AI とアジャイル ガバナンスがその未来をどのように形成しているかを説明します。 以下または YouTube でご覧ください。

10 年以上前、ベンダーとの取り組みが失敗に終わったことについて、医学博士、MBA、人口保健担当アソシエイト CMIO の Bob Jarve 氏は次のように教えました。 コアウェル・ヘルス、それ以来、彼はその教訓を適用しています。医療システムに特有の臨床データの問題は社内で解決する必要があります。 Corewell は、ミシガン州にある 23 の病院の統合システムであり、130 万人の命をカバーする支払者部門を備えています。配送ネットワークは 320 万人のアクティブな患者にサービスを提供しています。現役の内科医であるジャーブさんは、依然としてリスクの高い十分なサービスが受けられていない診療所で週に 1 日患者を診察している。彼は人口健康分析と洞察のメディカルディレクターも務めています。

ベンダーの初期のエクスペリエンスは、外来での質の高い作業のための視覚化を備えた集団健康データ モデルを提供することを目的としていました。実用的な結果はほとんど得られませんでした。その経験から、Jarve はいつ購入し、いつ構築するかを決定するためのフレームワークを開発しました。このフレームワークは、複雑な問題と複雑な問題の区別に重点を置いています。クレームのグループ化などの複雑な問題は、組織全体で繰り返し発生し、一貫性があります。ベンダーはこれらを効率的に解決します。複雑な問題には、各医療システムにおける数十年にわたるその場限りの決定によって形作られた臨床データが関係しています。サービスライン、文書作成の慣行、さらには活動中の患者の定義さえも大きく異なります。これらの変数に対応するカスタム ソリューションを構築するベンダーは、その作業を他の場所で複製できないため、ほとんど利益が得られません。

Epic の基盤上に人口健康データ モデルを構築する

この計算を念頭に置いて、Jarve のチームは月ごとに整理された患者中心の長期的なデータ モデルを構築しました。これはコアウェルの活動人口全体をカバーします。社内では PHDM として知られるこのモデルは、コスト、使用状況、罹患率、健康の社会的決定要因、およびメンタルヘルス データを長期にわたって追跡します。 Epic の Healthy Planet スイートは、医療現場での人々の健康ツールを提供します。 Jarve のチームは、Epic の Chronicles レジストリにメトリクスを構築することで、これらの機能を拡張しています。その後、そのデータは Caboodle と PHDM に流れ込みます。

そのアーキテクチャは意図的なものです。分析レイヤーからの洞察は、リアルタイムのターゲティング レポートを通じて医療現場にプッシュバックされます。ケア チームは経営幹部が Tableau ダッシュボードで確認するのと同じデータを参照しており、同じ場所から発生しているため、数値は一致します。 Jarve 氏は、EHR データはサービス料金の世界向けに設計されていると指摘しました。ラボの結果はエピソードごとに整理されています。このシステムは、ケア時点で個々の患者を適切に処理します。しかし、人口レベルの分析のためにそのビューを 800,000 人の患者に拡張するには、専用のデータ レイヤーが必要です。

AI が仕事を加速させるが、Epic にはそれを補う土壌がある

Corewell 全体に導入されたアンビエント AI ツールである Abridge は、時間外の文書作成時間と医師の燃え尽き症候群を大幅に削減しました。 Jarve 氏は、これをプロバイダーにとってのゲームチェンジャーと呼んでいます。しかし、収集した臨床データは構造化されていないメモの中にあります。その情報を離散的で信頼できる形式に抽出することは、依然として初期段階の課題です。分析面では、Corewell は PHDM の上に階層化された大規模な言語モデルを検討しています。目標は、集団の健康状態を評価するための SQL クエリを自動的に生成することです。この機能が成熟すると、作業が大幅にスピードアップします。 LLM もコード開発を加速していますが、HIPAA 準拠に関する初期の警戒により初期の採用が遅れました。

Jarve 氏の評価では、Epic はさまざまな面で AI において遅れをとっています。周囲の文書スペースは最も目に見えるギャップです。彼は、メモからの社会的決定要因の抽出やデータ モデルの自然言語クエリでも同様の遅延が発生していると感じています。 Epic のセルフサービス分析ツールである Slicer Dicer は、彼が期待する信頼性をまだ提供していません。課題の一部は、基盤となるデータそのものであり、EHR システム内で一貫性がないことがよくあります。これらのギャップを埋めるサードパーティ ツールについては、Jarve は規律あるタイムラインを維持しています。 「人口医療分野における私のアプローチは、常に 1 ～ 2 年、長くても 3 年かかる解決策を考えていますが、その間、社内ビルドか Epic が追いつくのを待ちます」と彼は言いました。愛用しているツール プロバイダーから切り替えるには、代替ツールが現在のエクスペリエンスを満たすか、それを超えることを証明する厳密なパイロットが必要です。

アジャイル ガバナンスと情報学ブリッジ

Corewell は、SAFe を大まかにモデル化したアジャイル トレイン上で人口健康分析作業を実行しています。このサイクルには、10 週間のプログラム増分、リリース トレイン エンジニア、スクラム マスター、プロダクト マネージャー、およびプロダクト オーナーが含まれます。 Jarve は主任ビジネスオーナーを務め、3 つの層にわたる関係者と協力しています。上級リーダーは戦略を設定します。ディレクターはそれを運用する方法を決定します。最前線のスタッフがツールが実際に機能することを検証します。デジタル サービスとの強力なパートナーシップが事業全体を支えています。 Jarve は、人口健康分析担当ディレクターや、Snowflake や Fivetran などのプラットフォームに関するインフラストラクチャに関する意思決定を行うデータおよび分析担当上級副社長と緊密に連携しています。

アソシエイト CMIO の役割は、臨床業務、情報学、データ分析の交差点にあります。 Jarve はデータ品質を保証し、アプリケーションからレポート層を介してビルドが流れることを確認し、戦略的目標を EHR 構成に結び付けます。彼は早い段階で、アプリケーション チームが Caboodle に流入することのない機能を Chronicles で構築することに気づきました。他のケースでは、データはインターフェイスでは個別に表示されていましたが、レポート可能な形式でキャプチャされていませんでした。それらのギャップを埋めることが彼の仕事の中心部分になりました。ガバナンス構造自体は、彼が積極的に洗練させているものです。厳密な SAFe プロトコルが厳格すぎることが判明した場合、チームはそれを適応させました。アプリケーション チーム間の障壁によって非効率が生じたとき、アプリケーション チームはより広範なバリュー ストリームに移行しました。ジャーブ氏は、仕事に携わる人々はガバナンスを所有し、継続的に改善する必要があると強調しました。

テイク・イット・アウェイ

• 構築するか購入するかを選択する前に、複雑な問題と複雑な問題を区別してください。ベンダーは反復可能な課題に優れていますが、組織固有の臨床データ作業には内部ビルドが必要になることがよくあります。
• Epic Chronicles レジストリから Caboodle に流れるように人口健康データ モデルを設計し、分析とポイントオブケア レポートが同じデータ ソースを共有するようにします。
• サードパーティ ベンダーとの契約は、社内または Epic ネイティブのソリューションが成熟するのを待つ間、1 ～ 3 年を上限とする短期のつなぎとして扱います。
• データ品質に関する責任を最前線レベルに組み込み、ケアチームがリアルタイムでエラーを発見し、修正をシステムにフィードバックできるようにします。
• アジャイルなガバナンス構造を使用し、それを定期的に反復します。仕事に最も近い人々がプロセスを所有し、改良する必要があります。

Jarve 氏は、最前線での取り組みにより、Corewell の人口健康分析全体のデータ品質が劇的に向上したと付け加えました。 「一度正しく設定すれば、メンテナンスは簡単です。何か問題が発生した場合、すぐにチケットを発行して修正してくれるからです」と彼は言いました。 「彼らは今、データに依存して仕事をしています。」

関連記事