過剰な臨床文書は広く蔓延している問題であり、 医師の燃え尽きを引き起こし、患者のケアにも影響を与える アメリカ医療情報学会が最近実施した調査で明らかになったことです。電子カルテの作成の負担と、必要な書類の作成に必要な時間と労力について、医師や看護師が不満を抱いていることが明らかになりました。
役に立つ技術があります。多くの医療システムが活用しています 自然言語処理ツール、 生成型人工知能 そして アンビエント スクライブ 臨床医のEHR文書作成作業を支援する。
しかし、これらのツールはプラグアンドプレイではありません。効果的に機能させるには、臨床エンドユーザーの特定のニーズに合わせてカスタマイズする必要があります。
DeepScribe の最高医療責任者である Dean Dalili 博士は、アンビエント スクライブによるカスタマイズは、特に医療専門分野にとって不可欠な機能であると述べています。メモの取り方をパーソナライズできると、臨床医が自動メモの編集に費やす時間が短縮されるからです。
「物理的なインターフェースでフォーマットや個別のメモの取り方の設定に費やす時間が減り、患者のために使える時間が増える」と彼は語った。
この Q&A で、Dalili 氏はアンビエント インテリジェンスとそれが企業にもたらすメリットについても説明しました。この機能は、メモの取り方をコーディング標準と比較し、ケアのポイント全体にわたって臨床訪問メモの品質を確認するためのレポート構造を作成します。
Q. アンビエント臨床文書はどのようにしてケア提供体験を改善し、燃え尽き症候群を軽減するのでしょうか?
A. アンビエントAI文書化の影響を理解するには、以前の基準を検討してください。臨床文書は紙ベースでしたが、その後、 [federal] ポリシー。
この移行は、特に投薬の安全性に関して品質と安全性に良い影響を与え、医師は意思決定を行う際に患者の状況についてより深い洞察を得ることができるようになりました。
しかし、問題は、医師が患者よりもコンピューターを視覚的に操作することが多いため、EHR によって医療提供の質が低下していることです。
EHR は燃え尽き症候群の原因となります。これは実際には、精神的負荷が高いという現象です。これは臨床医であることの一部ですが、常に異なる種類の作業モードに切り替え、キーボードを使って診察内容を何らかの視覚的な出力に変換している場合はさらに悪化します。
AI 臨床文書作成により、医療提供者は患者と直接やり取りし、通常の会話を行うことができます。その会話が情報源となり、ソフトウェアは包括的な構造化された文書を作成します。ある意味では、医療提供者の記憶に頼るよりも包括的です。
テクノロジーは常に耳を傾けており、医療従事者が忘れたり、集中していなかったりする詳細をキャッチすることがあります。これらの詳細は臨床文書に記録され、患者の体験の質が向上し、メモの質も向上します。
Q. カスタマイズ可能な AI スクライブ ツールが専門医療現場にとって重要なのはなぜですか?
A. カスタマイズはすべての医師にとって重要ですが、特に専門医にとって重要です。医師として、私たちはリズムに陥ります。
標準的な構造のみのメモを作成する、万能のスクライブ ソリューションは、ほとんどの医療提供者には役立ちません。医療提供者が情報をどのように収集するかについては微妙な違いがあります。それは、メモの主観的な履歴部分、身体検査の一部、または医療提供者が治療計画の一部を各臨床評価とグループ化する評価と計画の部分の要素である可能性があります。
また、医師ごとに好みの書式要素もあります。老年医学の医師であれば、患者を Mr. または Miss. で呼びたいと思うかもしれません。小児科医であれば、若い患者をそのように呼びたくないので、ファーストネームのみで呼びたいと思うかもしれません。
カスタマイズ オプションがあると、プロバイダーが好む内容、慣れている内容、または過去に書いた内容に近いメモを作成するのに役立ちます。出力がプロバイダーのドキュメント設定に一致すると、編集作業が少なくなるため、これは重要です。
AI による筆記の価値命題について考えてみましょう。最初に会話をし、その後に会話の記録にさらに時間を費やす必要はありません。しかし、そのメモを希望どおりに編集する必要がある場合、依然として余分な作業が多く発生します。そのため、カスタマイズは専門分野で重要なのです。
専門分野特有のワークフローは、通常のプライマリケアの診察とは異なる方法で記録されます。そのため、プロバイダーが記録したい重点領域や詳細が異なります。一部の人に当てはまる汎用的な万能形式ではなく、出力と構造をカスタマイズできるようにフォーマットを設定することが重要です。そうすることで、AI は専門分野に固有の診察の要素を聞き取ることができます。
たとえば、腫瘍学では、患者の診断と患者の問題を特定するために使用されたすべてのデータ要素を定義する非常に長いデータの概要が通常あります。さらに、計画の特定の要素は、薬物療法だけでなく、社会的支援、栄養、その他のことに関連する、がん治療に特有のものである可能性があります。整形外科のメモはまったく異なり、身体の筋骨格検査、画像診断などに重点が置かれる可能性があります。
Q. この技術は、市場で入手可能な他の AI スクライブとどう違うのですか?
A. まず、私たちは、ライブ スクライブによってコード化された臨床訪問の履歴データを含む独自の大規模言語モデルを使用します。これは、構造化されたデータ要素の作成に役立ちます。私たちは、インターネット上でトレーニングされる ChatGPT4 などの LLM とは異なり、LLM をトレーニングします。
医療情報を使用して LLM を微調整すると、医療関連の出力がより正確になる可能性が高くなります。インターネット全体で LLM をトレーニングすると、コンテンツに反響する可能性のある余分なノイズが発生します。
DeepScribe には、高精度のドキュメントを作成するために使用されるユーザー ノートに基づく最大のトレーニング データ ソースがあり、信頼性と採用を促進し、プロバイダーがやり直しや編集に費やす時間を最小限に抑えます。
2 つ目の差別化要因は、このツールが 50 を超えるさまざまなカスタマイズ要素を提供していることです。これにより、プロバイダーは幅広い専門分野とユーザーを対象に、ゼロから作成する場合に近い成果物を制作できます。
3 番目の重要な差別化要因は、アンビエント インテリジェンスと呼ばれる新しいカテゴリであり、これは、スクライビングを超えた機能です。
ここでは、コーディング標準や臨床品質標準など、あらゆる種類の構造化データに患者との会話を適用できます。そこから、AI は会話がそのコーディング標準を満たしているかどうかを判断できます。
このインテリジェンスにより、幅広いプロバイダーにわたって、企業が医師のパフォーマンスを瞬時に確認できるレポート構造を作成することもできます。これは、ケアの時点で価値の高い臨床コンテンツを決定し、そのコンテンツが提供されたかどうかを評価するのに役立ちます。
Q. DeepScribe は医師の既存のワークフローや技術スタックに統合されますか?
A. アンビエント AI ではワークフローが根本的に異なり、ある程度の適応が必要になります。医師は、これまでとは異なる方法で所見を声に出して伝える必要があります。
医療従事者は単に「これは良くないようです」と言うことはできません。代わりに「左膝が腫れているようです」と言う必要があります。つまり、医療従事者が適応しなければならない言語にはある程度の特殊性があります。この詳細レベルにより、AI リスニングはより堅牢になります。
統合の程度は EHR に依存し、DeepScribe は Epic、athenahealth、eClinicalWorks および 100 を超える他の EHR と統合されていますが、医師が独自の EHR を接続したい場合、DeepScribe は API を介して統合することもできます。
Andrea Fox は Healthcare IT News の上級編集者です。
Eメール： メールアドレス
Healthcare IT News は HIMSS Media が発行する出版物です。