サウジアラビアでは、機械学習モデルが外来患者のノーショーの削減に貢献しています

2年前、サウジアラビア王国国家警備隊保健省のリヤド拠点病院、キング・アブドゥルアズィズ・メディカル・シティが、 世界で初めて 4 つの異なる HIMSS モデルでステージ 7 に到達。 （その 最近パイオニアになりました 別のモデルではステージ 6 に到達するためのいくつかの素晴らしい作業が行われました。) 医療情報とテクノロジーの高度な利用は、医療システムの 130 万人の患者に恩恵をもたらしています。

それ以来、ベッド数 3,720 の MNGHA は、さまざまな特定のユースケースにわたってデジタル医療変革の取り組みを継続してきました。その中には、世界中の医療提供者組織を長らく悩ませてきた、表向きは単純なユースケースも含まれます。 何の番組はありません 外来患者の環境で。

これらは破壊的であり、ケア提供プロセスに不必要なコストを追加し、ケア管理と患者の転帰に実際の影響を与える可能性があります。

しかし、MNGHAのデータおよびビジネスインテリジェンス管理担当ディレクターのフダ・アル・ガムディ氏によると、国家警備隊保健省は分析に人工知能を適用することでノーショーの削減という点で顕著な成果を上げており、AIを使って事前にノーショーの予測を行っているという。患者が予約を欠席する可能性が最も高いのは外来診療環境かもしれません。

医療システムは、機械学習を使用して電子医療記録 (患者の概要、臨床情報、予約履歴) からデータを取得し、EHR 内で医師に警告できる AI モデル用に処理およびトレーニングしています。これにより、医師が患者に必要なリマインダーを送信できるようになり、独自のワークフロー内で予定を予約することもできます。

MNGHA はサウジアラビア全土の 30 以上の病院、専門病院、プライマリケアセンターで構成されており、すべての施設は BESTCare と呼ばれる統合 EHR システムにリンクされています。

これにより「膨大な量のデータを保有できるという利点」が得られるとアル・ガムディ氏は説明した。 「高度な分析、予測、機械学習」

分析への革新的なアプローチは多くの分野で医療システムに役立っているが、ノーショウは特に懸念されている分野だと彼女は述べた。

「特にこの問題に取り組む理由は、外来患者設定がMNGHAが患者に医療サービスを提供する最大のチャネルであると考えられているからです」と彼女は述べた。 「入院患者やERとは異なり、外来患者は1日あたり約2万件の訪問を行っているため、最大規模であると考えられています。 [on] 平均。”

これは、年間 500 万から 600 万の訪問者を合計します。

「したがって、ノーショーのような問題が発生すると、間違いなく医療提供者、リソース、そして患者自身に影響を及ぼします」とアル・ガムディ氏は語った。

MNGHA が公立病院であるという事実は、患者が予約時間に来なかった場合に費用を計算するのが難しい場合があることを意味しますが、費用はかかると彼女は指摘します。「そして私たちはそれを認識し、節約について考え始める必要があります」 。」

幸いなことに、MNGHAには「分析と研究を開始し、これに影響を与える要因を解明しようとすることができる膨大な量のデータがある」とアル・ガムディ氏は語った。 「私たちは、登録、入院、外来の異なるモジュールを備えた統合された電子医療記録システムを持っています。

「このプロジェクトで利用しているデータセットに関しては、クリニック自体に関連する情報に加えて、主に人口統計情報、主に性別、年齢などの非常に単純な情報です。あるクリニックから別のクリニックへ。」と彼女は説明した。 「データセットの 3 番目の部分は、患者自身の病歴です。患者の中には、他の患者と同様に、予約を欠席する率が高いことに私たちは気づいています。そのため、この種の病歴は、私たちに洞察を与えてくれます。」そういった種類の患者については。」

重要なのは、このプロジェクトでは「私たちはいかなる種類の臨床データにも対処しなかった」と彼女が付け加えた。そのためには、ノーショーに影響を与える可能性のあるどの種類の臨床的要因を専門の臨床医が判断する必要があるからである。

しかし、患者情報の基本的なデータセットを使用することで、いくつかの初期モデルを作成し、どれが最適で最も正確であるかを検証することができました。

「このプロジェクトは 2 年前に始まりました。確実に準備ができていることを確認するために段階を経る必要があります。 [incorporate the model] 「つまり、最初の年にモデルが作成され、現在はモデルを検証する段階にあると言えます。この検証段階には約 4 ～ 6 か月かかります」とアル・ガムディ氏は述べた。

「検証の一部はデータサイエンス内で実施され、その後、臨床医の小グループと看護師および患者サービスのスタッフを対象に検証を開始します」と彼女は付け加えた。 「そのフェーズにはさらに約 6 か月かかりました。その時点で、モデルが信頼できるものであることを検証し、そのモデルの結果を本当に信頼できるかどうかを確認するのに 1 年かかりました。」

データ サイエンスの専門家がアルゴリズムに満足すると、MNGHA はそのモデルを EHR システムに組み込み、臨床ワークフローに統合する措置を講じました。

「臨床医は、その日に予定されていた患者が予約に参加できない可能性があることを知ることができます。そして、医療記録システム内にこの種のフラグを設定することで、臨床医は追加のリマインダーを送信したり、たとえば患者に尋ねたりすることができます。患者に注意を促すために一種の電話をかけるサービスだ」とアル・ガムディ氏は語った。

最終的には、すべての地域のすべての MNGHA 施設にこのモデルを導入する計画です。

同様のことを自分の組織でも試してみたいと考えている医療機関に対して、アル・ガムディ氏はちょっとしたアドバイスを提供している。

「たとえ小さなデータセットから始めるとしても、データの小さなスクープやパラメータの小さなリストであっても、この種の実装を行う方が良いでしょう。なぜなら、データが患者について多くのことを教えてくれることを私たちは確信しているからです。これは、機械学習と人工知能の技術を使用することで発見できる、隠れたパターンの一種です。

「データを処理し、そこから知識を得るために一歩を踏み出すことは、非常に重要なことです」と彼女は言う。 「これは作成できる非常にシンプルなモデルです。しかし、組織に大きな影響を与えます。」

MNGHA による予測分析のための機械学習の使用に関する詳細なケーススタディを読む ここ。

Mike Miliard は Healthcare IT News の編集長です
ライターにメールを送信します: [email protected]
Healthcare IT News は HIMSS の出版物です。