賢明なホスピスオプションはAIを使用して、e-prescribe時間を20秒から2に短縮します

健康IT企業として、Wise Hospice Optionsは、多くの異なるシステム、特に電子健康記録と統合されています。同社は、運営されている21年間を通じて15以上のEHRと統合されています。それが発見した唯一の定数は、各システムが独自の標準と物事を行う方法を持っていることです。

ホスピスケアでは、ヘルスレベル7および高速ヘルスケア相互運用性リソースの仕様基準は厳しく守られておらず、異なるEHRによってフィールドをさまざまな方法で使用できます。同社が2013年にシステムに電子処方の実装を開始したとき、これらの違いは非常に迅速に明らかになりました。

各システムは、異なる薬物補充の識別子を含む異なるレベルの詳細を送信します。普遍的な標準化の欠如は、賢明なホスピスシステムを残し、ITチームは相互運用性がそれが埋めると約束したギャップを完全に埋めることができませんでした。

精度の向上、統合のユーザーエクスペリエンス

長年にわたり、賢明なスタッフは、統合の精度とユーザーエクスペリエンスを向上させるために、さまざまなソリューションを試みてきました。彼らは持っている さまざまなEHRと協力してデータを改善しました 彼らは受け取ります。ただし、EHR企業には独自のIT優先順位と能力があるため、賢明なスタッフは、データギャップを完全に解決するために必要な完全なデータを取得できませんでした。

これにより、eの予測システムが解析または処理できないという認識されていない薬物と指示（SIG）が生まれました。 NCPDPが構造化された成文化されたSIG標準に向かって作業していても、EHRによる採用は困難であるため、困難です。 NIHには、薬物データベースの標準化を支援するために利用可能なRxNorm APIがありますが、ホスピススペースでの採用は遅く、定期的に使用されていません。

Wise Wiseが統合した15のEHR Systemsのうち、ベンダーと協力して、ほぼシームレスな電子処理をサポートする真の機能的な薬物統合のために詳細かつ特定のデータを送信することを望んでいたのは、残念ながら、この唯一のシステムが取得され、現在は日没になっています。

「利用可能な標準が採用されていないことと、多くの組織を一緒に投薬メッセージの基準に向けて取り組むのが難しいため、ユーザーの体験を改善し、相互運用性の約束を満たすためにどのオプションがコントロールされているかを調べなければなりませんでした。

「他のシステムがとった方法の1つは、EHRから受信したフリーテキストエントリを単純に受け入れてロードすることです」と彼は続けました。 「これを行うと、ユーザーの電子処方フローが合理化されますが、大幅なリスクと機能性が低下します。フリーテキストSIGエントリは、投与と頻度が独自の異なるフィールドにないため、電子処方ツールの投与をチェックできません。」

唯一の場所のリスクは軽減される可能性があります

アレルギーのチェックは、略語、間違い、またはアレルギーのタイプミス（たとえば、ペニシリンがしばしば間違っている）によって損なわれる可能性があり、患者の害に直接つながる可能性があります。すべてのEHRがこれらのチェックを注文とシステムに入力したものを提供するわけではなく、これらのリスクが軽減される可能性のある唯一の場所にe-prescribingシステムが唯一の場所になります。

「私たちはそれを信じていません 簡略化されたeプレシングワークフロー Faubion氏は、ユーザーとホスピスの患者とクライアントへのリスクの増加を正当化します。

「この状況的レビューから出てくる目標は、システムでのeの処方のユーザーエクスペリエンスを改善し、EHR側の更新を必要とせずに薬物療法とアレルギーインターフェイスの有効性を改善し、システムに関係するチャネルと連絡先の数を合理化することでした」と彼は続けました。

10の異なる戦線ではあまりにも多くのエネルギーが無駄になっており、賢明なスタッフは、内部開発または単一ソースの外部ツールを使用して、ソリューションとしてそのエネルギーを単一のソースにコンパイルする必要があると彼は付け加えました。これにより、スタッフは、薬物、SIG、アレルギーのために、データのさまざまなタイプと構造のAIテクノロジーを調べることになりました。同社は、薬物とアレルギーを成文化し、自由テキストSIGを成文化されたフィールドに解析できるツールを必要としていました。

ホスピス用の統合e-preccribing

Wise Hospice Optionsは、Health IT Vendor Drfirstと協力して、ホスピスに統合された電子処理を提供することを決定しました。 Wiseは、ユーザーエクスペリエンスとデータフローを改善し、長年にわたって多くの問題を最小限に抑えるために協力してきましたが、データはデータソースであるEHRから得られるものと同じくらい良いです。 10を超えるさまざまな組織と協力しようとすることから賢明なものになったように、Drfirstのスタッフと問題について議論しました。

「これは、彼らの臨床グレードのAIツールが最初に登場したときです」とFaubionは指摘しました。 「このツールは、薬の名前、長所、フォームから薬を成文化するために構築され、フリーテキストエントリからアレルギーを成文化し、DRFIRST E-PRescribingシステムが使用する個々のフィールドにシグを解析しました。

「AIのデモと結果をバックするデータのデモを見た後、以前のユースケースについて議論し、テストデータをレビューし、データフローを確定しました」と彼は続けました。 「これが最初のアプリケーションになります リアルタイム設定での臨床グレードAIツール、EHRから受け取ったようにデータを処理します。各EHRのデータフォーマットの違いに対応するには、AIモデルを各統合に対して個別にセグメント化およびトレーニングする必要があります。」

実装されるコーディングインフラストラクチャは、各アカウントのオンまたはオフの標準化および切り替えになりますが、各統合を扱うことで、より高い精度とより良い結果が得られます。この決定は、賢明なチームとDrfirstチームの両方で作業を増やしましたが、彼らはクライアントのパフォーマンスを改善する価値があると判断しました。

ユーザーの大幅な改善

「改善に必要なコラボレーションを簡素化するという目標が満たされました。AIツールは100％の変換を提供しませんが、SIGの80％の変換率、および薬物およびアレルギーの方がさらに高いことはユーザーにとって大きな改善でした」とFaubionは報告しました。 「EHRSが薬物界面を強化したとしても、複雑ではなく、複雑ではない薬の一部があり、複雑な指示を持つ複雑なSIGなどです。

「AIツールを使用しても、重複するエントリや誤訳のリスクを完全に排除することはできませんが、必要な手動入力または修正の量を大幅に削減しました」と彼は続けました。 「e-prescriptionはまだ正確さのためにレビューする必要がありますが、大半は調整または編集する必要はなくなります。この改善は舞台裏で完全に発生し、ユーザーによる手動のアクティベーションまたは介入を必要としません。」

Wise Hospice Optionsは、DRFIRSTチームと協力して、AIツールをEHRSの大多数に適応させ、サポートされているシステムを拡大し続けています。サービスを統合に拡大するには、受信したデータの分析、大量のバッチデータの処理、およびクライアントの潜在的な落とし穴、改善、ユニークなパターンの結果を確認することが含まれます。

「たとえば、一部のEHRは、薬の強さを名前から分割し、他のEHRはそれらをまとめます」とFaubionは説明しました。 「違いの一部は、1つのクライアントが薬物の複数のルートを選択するなど、クライアントレベルで発生します。各構造の治療により、AIが各クライアントとシステムのより正確になります。欠点は、最初はこのツールのオンボーディングをEHRベースに制限する必要があることです。

「このツールで特定のEHRをサポートするため、該当する各クライアントにオファリングを開きます」と彼は続けました。 「追加の精度は絶対に遅いロールアウト時間です。これにより、より個別化されたアプローチを取得し、AIが現在AIツールによってサポートされていない可能性のあるクライアントの特定のデータまたは順序付けプラクティスに対してAIが持つ可能性のあるギャップを特定することができます。

追加のユーザーエントリや介入はありません

Way Way Way Way Built Builted ProcessとData Flowは、追加のユーザーエントリや介入なしにAIを使用できるようにします。これは、EHRから受信されたデータを強化して、e-Prescribingシステムとの互換性を高めるツールです。

「これにより、ワークフローが「修正」から、さまざまなクリックと潜在的に複数の画面で、薬物を手動で一致させる潜在的に複数の画面を変更し、「レビューして処方」に変更します」とFaubion氏は言います。 「ユーザーは、処方されているものと、アレルギーの相互作用や過剰摂取など、何がアラートが発生するかに注意を払う必要があります。」

Wise Hospice Optionsの最初の整形式テストバッチの薬物およびアレルギーデータでは、AIが薬物の92％を成文化し、SIGの80％を完全に解析し、アレルギーの95％を成文化しました。同社は、複雑または習慣があり、特定の注意が必要なインスタンスがあるため、これらのカテゴリのいずれにも100％を期待していませんでした。薬の場合、簡単に翻訳できない化合物や、酸素のような成文化された識別子を持たない薬として入力される可能性のあるアイテムがあります。

「標準以外の周波数など、e-prescribingシステムがデフォルトで処理するように設計されていない複雑なSIGが存在します」と彼は説明しました。 「アレルギーは常に成文化されることはできず、「ほこり」や「季節的アレルギー」などの処方薬とは関係ない場合があります。これらのニュアンスを考えると、私たちは潜在的なパフォーマンスに興奮していました。

「いくつかのアカウントでDrfirst AIを実装すると、予想よりもパフォーマンスメトリックがさらに優れていることがわかりました」と彼は続けました。 「AIツールは、薬物の99％、SIGの85％、アレルギーの96％を成文化しました。比類のないまたは無効な薬のほぼ完全な予防は、ユーザーエクスペリエンスにとって大きな結果であり、大幅に改善されています。」

ワークフロー時間が合計されます

以前は、古いまたは時代遅れのNDCで受け取られた薬、賢明な大要からの薬物識別子、または薬物データベースにまだない可能性のあるOTC薬は、ユーザーが正しい薬を処方するためにe前書きシステムの修正薬を見つけて選択する必要があります。このワークフローには、経験豊富なユーザーと数回クリックするには約15秒かかります。各患者が平均7つの薬を持っているとすぐに増加します。

「単にSIGをレビューするのと比較して、各薬物のSIGを書き直すのに必要な時間を追加しました。e-prescriptionあたり20秒から2〜3秒にe-prescribeの時間を短縮しました」とFaubionは報告しました。 「私たちはこれらの結果と、このAIツールがユーザーのエクスペリエンス、ワークフロー、データの精度に向けて改善したことに非常に満足しています。

「私たちは非常に肯定的な結果を見てきましたが、実装以来、私たちが取り組んできたいくつかのバンプと改善がまだありました」と彼は付け加えました。 「実装中に、クライアントはいくつかのAIエラーを報告し、ユーザーとDRFIRSTチームとのエスカレーションシステムを迅速に実装して、これらのエラーが迅速に修正され、再発しないようにしました。」

Wiseは、いくつかの組織が手動エントリを使用したり、事前に設定されたリストに固執する他の組織と比較して独自の薬物エントリを作成したりするため、ホスピスレベルでデータの差異を見てきました。 DRFIRSTチームはまた、e-Prescriptionの理由セクションの処理の改善に取り組んできました。これは、以前のユースケースではめったに使用されない分野であり、その利用はWiseのクライアントプール間でも大きく異なるためです。

「これにより、リストされている複数の理由を処理するなど、多くの改善がもたらされました」とFaubion氏は述べています。 「データ処理を改善するために協力するにつれて、結果が時間の経過とともに改善され続け、AIを通じてより多くのデータが供給されることに興奮しています。」

LinkedInでビルのヒットカバレッジをフォローしてください： ビル・シウィッキ
彼にメールしてください： [email protected]
Healthcare IT NewsはHIMSSメディアの出版物です。

今すぐ見る：最高AI役員は主に責任を負わなければなりません