納屋効果を打破するためにスマート病院に変革する台北医科大学医療システムは Google Cloud と連携し、Gemini AI を使用して看護師のシフト引き継ぎ効率の向上を支援します

業界関係者によると、実際に日常業務にAIを導入している医療機関の割合は5％にも満たない可能性があり、国内のベンチマーク医療機関である「台北医科大学ヘルスケアシステムTMU-H」は、本格的にAIを導入している数少ない代表的な機関の1つだという。 。

台北医科大学の医療システムは、4 つの病院 (北京医科大学、万方病院、双河病院、新国立病院)、2 つのセンター、1 つの機関で構成されており、近年、医療情報 3.0 に向けた医療システムの推進を積極的に進めており、一部の情報システムを移行しています。 Google Cloud 環境でデータの保存、分析を支援し、MedLM や Gemini などの Google Cloud の AI モデルを使用して、TMU-H のさまざまな機関の医療およびヘルスケアの同僚が AI を通じて業務効率を向上できるようにします。

医療の根幹に焦点を当て、医療の質を向上させ、データの壁を突破し、システムを次々とバージョンアップ

TMU-H 医療システムの病院間の統合には、時代の進化と密接に関連する歴史的な軌跡があります。台北医科大学のウー・マイシ学長は、その開発プロセスを分析した。まず、データベースが標準化されており、データは単一のプロセスで共有および整理できる。 データが統合された後は、ストレージ、分析、共同プロジェクトのためにクラウドにアップロードできます。データの統合と連携が完了したら、次の段階ではプラットフォーム管理とBI（ビジネスインテリジェンス）を組み合わせ、AIによる医療の質の最適化を図ります。

時系列で見ると、TMU-H は 1997 年に医療情報システム (HIS) の導入を開始し、2012 年に単一の医療システムを形成するための第 2 期改定計画を開始しました。 10 年以上の開発期間を経て、システムがそれぞれ独立して開発され、システムが重複する現象が発生しているため、System 3.0 の標準化計画は 2023 年後半に開始され、テストを経て段階的に実装されます。 2024年には元旦、春節、二百二十八連休が予定されており、各病院のシステムも刷新された。

上記の状況に基づいて、ケアとヘルスケアのプロセスと効率を継続的に最適化するために、TMU-H はクラウド ツールのコラボレーションを選択し、Google Cloud のソリューションを選択しました。 Wu Maisi 氏は、当時、台北医科大学の教育システムは長年にわたり Google Cloud ソリューションを採用しており、両者は長期的な暗黙の協力関係にあったと指摘しました。また、Google Cloud はデータを保有する唯一のクラウド プロバイダーでした。これにより、データをクラウドにアップロードし、海外に輸出しないためのコンプライアンス要件を管轄当局が確実に理解できるようになります。

TMU-H は Google Cloud と協力しており、IT アーキテクチャは依然としてヘルスケアの強化、AI プログラムと自動化プログラムの統合を目的としています。このうち AI は Med-PaLM 2 からインポートされた MedLM モデルと Vertex AI 上の Gemini モデルです。 Wu Maisi 氏は、「AI には強力なコンピューティング能力が必要なため、パートナーの支援が必要です。Google Cloud の MedLM と Gemini がアップグレードされたことを見て、Gen AI を統合するためにパートナーを招待することにしました」と強調しました。

AI の主な適用シナリオを見つけて、看護師の問題点の解消を支援することを優先します。

TMU-H では、変革プロセスは AI のための AI であってはなりません。それは、まず医療のどの側面を最適化できるかを見つけ、次に AI ツールを上手に活用して改善に適したプロセスを支援するというものです。 、それによりより良いサービスを提供します。 Wu Maisi 氏は次のように指摘しました。「デジタル ツールは今後も変化し続けるため、新しい AI ツールが登場したときに、医療プロセスをどのように改善できるかを順に問います。社内および社外の利害関係者 (ステークホルダー) のニーズを満たすために、私たちは次のように考えます。医療の質は向上しています。」

いわゆるステークホルダーとは、外部的には一般の患者を指し、内部的には医療従事者を指します。患者の医療診断プロセスに新たな技術を導入する場合、制度面や実装面などさまざまな検討が必要となるため、TMU-Hではまず内部診療プロセスに生成AIを導入し、AIを導入することにした。看護師のアシスタントになることで、看護師が毎日最も多くの時間を費やす業務、つまり日常的な医療記録の整理に費やす時間を削減します。

「Gen AI の最も強力な点はおそらく文書処理です。そのため、看護師がシフトを引き継ぐ場面から実験を開始しました。すべてのケア行為を記録する必要があり、引き継ぎも記録する必要があり、さらには退院後に要約を書く必要があります。まずはこの 3 つのことから始めましょう」とウー・マイシ氏は語った。 TMU-H は病院のシフト記録システムを Gemini と統合しており、システムの操作時に看護師が AI にインテリジェントな看護シフト レポートを生成できるようにし、生成された内容を看護師が再確認して検証し、後続の看護師が迅速かつ正確に把握できるようにします。患者の状態。

Google Cloud が提供する技術リソースのおかげで、Gemini の生成品質と速度は継続的に最適化されており、TMU-H が看護レポートを生成する速度は、当初の 30 秒からわずか 10 秒まで増加しました。従来手作業でシフト記録を転記していた場合と比べ、看護師が7人の患者を担当する場合、患者シフト記録の作成には平均6～11分、合計すると1時間以上かかっていた。 1 時間から 10 秒への改善は AI の知恵を際立たせ、看護師がシフト レポートのデータの正確性を確認するための時間を増やすことができ、さらには患者ケア プロセスを改善することもできます。

製錬データがスマート金鉱となり、AIフライホイール効果で普及が加速

クラウド プラットフォームにはヘルスケア オートメーション アプリケーションも含まれており、TMU-H はこの分野で引き続き取り組んでいます。 Wu Maisi 氏は、以前は各ベッドの点滴残量を確認するために看護師が各病棟に急行しなければならなかったが、現在では TMU-H の 4 つの病院に合計 1,080 台のスマート輸液ポンプが導入されており、これらのポンプはシステムを通じて監視できるようになりました。患者輸液の安全性を確保するためのシステム接続により、医療スタッフの負担が軽減され、スマート病院への新たな大きな一歩を象徴しています。

他にも、急性腎障害電子警告システム、希少疾患システム、さらにはスマート薬品キャビネットの自動補充など、自動化プログラムを組み込んだ医療アプリケーションが無数にありますが、これらはすべて TMU-H のデジタル変革基盤に基づいています。将来的には、これらのヘルスケア データは、Google Cloud ソリューションとのクロスドメイン コラボレーションの実現を試みる機会も得られるでしょう。自動プログラムを AI と組み合わせると、これらのシステムからのデータが蓄積され続け、AI モデルの「栄養」となり、フライホイール効果を促進し、医師や看護師が診断やケアのプロセスにおいてより多くの根拠を得るのに役立ちます。医療の質の向上に役立ちます。

上記のシナリオは臨床治療に限定されていますが、医療機関の管理者の観点からは、各病院地区の運営データを効果的に統合することで、よりインテリジェントなビジネス上の意思決定を行うことができます。 Wu Maisi 氏は、将来 AI を BI システムと組み合わせる場合、その目標は、業務の改善の余地を洞察し、実用的な解決策を見つけるために、プロセス統合、監視プラットフォーム、レビュー メカニズムの 3 つを実装することであると述べました。患者はより質の高い治療を受け続けることができます。

TMU-H の革新への勇気の裏には、Wu Maisi 氏は次のように断言しました。「変革の価値は、さまざまなクラウド ソリューションや巨大な AI コンピューティング機能の提供など、Google Cloud が重要なパートナーの役割を果たしている当社のプロセスを再検討することです。新しいテクノロジーの実験を継続し、スマート病院への移行を加速していきます。今後も Google Cloud とさらに協力して、共同で人々のケアの質を向上させ、政府が計画する「健康な台湾」の新しいビジョンを反映していきたいと考えています。 。」

この記事のコンテンツは「Google Cloud」によって提供されています。