臨床医のエクスペリエンスを向上させるための EHR 最適化戦略

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: 58:48 — 53.8MB)

購読する： アップルのポッドキャスト | スポティファイ

医療システムのリーダーは、隠れた EHR の摩擦を明らかにし、戦略的最適化を優先するガバナンスを構築し、AI の基本的なワークフローを準備するための戦略を概説します。 YouTubeで見る

EHR ワークフローの速度が低下した場合、臨床医がチケットを送信することはほとんどありません。代わりに、彼らは適応し、回避策を構築し、混雑した診療所や病院のフロアを移動し続けます。時間が経つにつれて、その目に見えない摩擦が蓄積し、安全上のリスク、非効率性、燃え尽き症候群が生じます。しかし、ほとんどの医療システムは、問題の範囲を系統的に測定したことがありません。

「最も危険な思い込みは、沈黙が満足感に等しいということです」と、CMIO のハンナ・ガルビン医学博士は述べています。 ケンブリッジ ヘルス アライアンス、最近のヘルスシステムCIOの間 ウェビナー。 「臨床医は、ワークフローの摩擦のために常にチケットを提出するわけではありません。彼らはただ適応して作業を続けるだけです。」

Cambridge Health Alliance は、ハーバード大学メディカルスクールと提携した 10 億ドルの公的学術医療システムです。そこでガルビン氏のチームは、定量的な EHR データと定性的な観察を組み合わせて、臨床医が慣れ親しんでいる問題を表面化させます。具体的には、Epic の Signal ツールは時間外にチャートで時間を追跡します。

仕事とインバスケットの負担。さらに、Phrase Health などのベンダーの分析プラットフォームは、臨床医が臨床意思決定支援ツールをどのように操作するかを評価します。構造化されたリスニングセッション、リーダーシップラウンド、専門分野に特化した再教育も、データだけでは明らかにできないギャップを埋めます。

Ash Goel 氏、MD、上級副社長兼 CIO ブロンソン・ヘルスケアミシガン州南西部にある 5 つの病院からなる 20 億ドルのシステムも、同様にプロアクティブな測定に投資しています。彼のチームは、決められたスケジュールで臨床病棟を訪問し、ワークフローを観察し、効果的な実践方法を教え、何が壊れているかについての情報を取り戻すことを仕事とする、巡回するユーザビリティの専門家を雇用しました。ゴエル氏は、その瞬間の教育モデルは、従来のチケット システムでは完全に見逃されていた摩擦を捉えていると説明しました。

マーク・トビアス医学博士、創設者兼CEO フレーズヘルスはギャップを「想像通りの仕事」と「出来上がった仕事」の違いと表現しました。チームはワークフローを協力して設計し、自信を持って導入します。実際には、ベッドサイドでの経験が当初の計画から乖離することがよくあります。 Galvin 氏は、根本的な問題がソフトウェア自体にあることはほとんどないと指摘しました。通常、ソフトウェアがどのように構成され、臨床医が時間の経過とともにどのようにそれに適応したかが重要です。

チケット待ち行列から戦略的ガバナンスまで

Tobias 氏にとって、EHR 最適化に対する需要はほとんどの組織で供給をはるかに上回っています。この不均衡により、ガバナンスと優先順位付けが不可欠になります。 「情報学者とCMIOをハイレベルのガバナンス会議に参加させ、戦略的優先事項を定義することが不可欠だ」とトビアス氏は述べた。 「彼らはテクノロジーを熟知しており、問題点を知っている臨床医たちであり、彼らが関与するのは義務です。」

Cambridge Health Alliance では、ガバナンスは 2 つの方針で運営されています。サービス ライン委員会は、日常的な最適化リクエストを処理します。彼らは、臨床的影響、安全性、運用上の価値に基づいて、構造化されたスコアリングフレームワークを通じてそれぞれを評価します。重要なのは、採点プロセスは透明性があるため、最も声の大きい人に優先順位がデフォルト設定されるわけではありません。より大規模な戦略的取り組みは、IT リーダーシップ、プライバシー、法務、財務、AI ガバナンスを含むエンタープライズ レビューを通じて別のパスをたどります。リスクが関与する場合、そのチェーン内の複数のポイントにも拒否権が与えられます。

同様に、Goel は 2 つの作業モードを中心に IT チームを構成しています。継続性チームは、故障対応作業とシステム メンテナンスを処理します。次に、個別のアジャイル ワーク ストリームが、医師のアクセス、臨床の質、看護ワークフローなどの戦略的目標に関連付けられたドメイン固有の最適化スプリントに焦点を当てます。 「標準化は良いことですが、それには目的がなければなりません」とゴエル氏は言う。 「標準的な治療経路がどのようなもので、その目標が何であるかを定義することに取り組みましょう。」

実際、ガルビン氏は、ガバナンス構造そのものを定期的に見直す必要があると指摘した。彼女のチームは最近、ベンダーの状況が拡大するにつれて元のリスクベースのフレームワークがボトルネックを生み出し始めたことを受けて、Cambridge Health Alliance の AI ガバナンス モデルを全面的に見直しました。改訂されたモデルにより、信頼できるパートナーがサービス ライン ガバナンスに直接アクセスしてレビューできるようになり、プロセスの厳格さと即応性が維持されます。

データを標準化し、エクスペリエンスをパーソナライズする

EHR の最適化において最も根深い緊張の 1 つは、有用なパーソナライゼーションと有害なカスタマイズの間の境界線です。実際には、技術スタックのどこに変更が加えられるかによって区別されます。

Cambridge Health Alliance では、データ イネーブルメント プログラムにより、注文、文書要素、コーディング構造などの基礎となるデータ モデルが標準化されています。この標準化により、分析と相互運用性が保護されます。パーソナライゼーションは、ダッシュボード、スマート ツール、および設定リストを通じてプレゼンテーション層で行われます。その結果、レポート インフラストラクチャの一貫性が維持される一方で、臨床医はシステムとの対話方法を柔軟に行うことができます。

トビアス氏は、Phrase Health がサービスを提供している約 70 の病院全体で、パーソナライゼーションのアプローチをあらゆる領域で見てきました。 「私たちは人々がどのようにカスタマイズしているかについてフィードバックを提供します。これにより、情報学チームは誰に相談すればよいのかがわかり、標準ツールを臨床医が常に変更する必要があるものに合わせて調整できるようになります」と彼は言いました。そのデータは、組織が独自にカスタマイズするための技術的な知識が不足している臨床医にサービスを提供するのにも役立つと同氏は付け加えた。

ブロンソン ヘルスケアでも、対処不可能な中断アラートを削減するキャンペーンにより、同様の教訓が得られました。ゴエル氏のチームは、パフォーマンス改善スタッフと情報学のリーダーを集めて、有効性に重点を置いた標準的なケア経路を定義しました。その結果、技術的な満足度も臨床の質も向上しました。この取り組みにより、組織内の会話も「より多くのアラート」から「より良いワークフロー」へと変わりました。

自動化の前に最適化する

医療システムが AI を導入するプレッシャーの高まりに直面する中、パネリストは最適化が最優先される必要があるという共通の見解を共有しました。

自動運転車に例えると、その点が分かります。 「道路が穴だらけで、車線標識がない場合、その上で AI エンジンを実行しようとするとおそらく問題が発生するでしょう」とゴエル氏は言います。同じロジックが EHR ワークフローにも適用されます。クリーンなデータ、健全なガバナンス、適切に設計されたプロセスがなければ、AI ツールは既存の問題を悪化させるリスクがあります。さらに、Goel 氏は、生物医用工学の場合と同様に、モデルのドリフトには継続的な観察可能性が必要であると強調しました。

それに応じて、Cambridge Health Alliance では、Galvin のチームは収益サイクル、財務、および管理 AI ツールを最優先にしました。臨床 AI アプリケーションには、より慎重な審査プロセスが適用されます。実際、その精査によって一部の臨床ツールの安全性に関する懸念がすでに明らかになり、導入前に徹底的な評価を行うことの価値が強化されています。

ベンダーの誇大宣伝にも同じ注意が当てはまります。トビアス氏は、あらゆるプロセスに AI を追加するという圧力に抵抗するよう組織に促しました。同氏は、あまりにも多くの医療システムが、機械学習をまったく必要としない問題に対する AI ソリューションを追求していると観察しました。ワークフローを正しくするという基礎的な作業は、最終的には有意義な自動化の前提条件となります。

テイク・イット・アウェイ

• EHR の摩擦について臨床医が沈黙しても、満足しているわけではありません。直接的な観察と構造化されたリスニングと組み合わせた定量的分析を使用して、隠れたワークフローの問題を明らかにします。
• ガバナンスを 2 つのトラックに分離します。1 つは透明性のあるスコアリング フレームワークを使用した日常的な最適化であり、もう 1 つは企業レベルのレビューによる戦略的または高リスクのテクノロジーに関する意思決定です。
• 事後的なメンテナンスと、測定可能な組織目標に関連付けられたプロアクティブなスプリントベースの戦略的最適化の両方を処理できるように IT チームを構築します。
• 分析と相互運用性を保護するために基盤となるデータ構造を標準化します。プレゼンテーション層とワークフロー層でのみパーソナライズします。
• AI を導入する前に、基本的な EHR ワークフローを最適化します。未解決のプロセスの問題は自動化によって増幅されます。
• 臨床医の負担を金額、安全性の成果、医療提供者の維持率、競争力のある市場での地位に換算する ROI の物語を構築します。

パネリストらは、医療システムは AI を基礎的な最適化作業を過ぎた近道として扱う誘惑に抵抗すべきであることに同意した。 「AI は悪いワークフローを修正しません」とガルビン氏は言います。 「それはそれらを増幅させます。」