Microsofts seneste AI-værktøj kan forudsige ubesvarede lægeaftaler

Mellem manglen på uddannede læger, mangel på plejepersonale og generel nedslidning blandt sundhedspersonale, er det ikke en let opgave i det moderne kliniske landskab at sikre sig en lægetid. Faktisk har tidsværdien for udnævnelser aldrig været højere.

Dette stykke er præcis, hvad Microsofts seneste kunstig intelligens (AI)-værktøj forsøger at adressere: reduktion af udeblevne sundhedsaftaler. Merav Davidson, Microsofts vicepræsident for Industry AI, skrev i Microsoft Industry Blogs: "De årlige omkostninger ved manglende aftaler i sundhedssektoren er mere end 150 milliarder dollars alene i USA. Udeblevne aftaler fører ikke kun til et fald i patienternes helbred, men de økonomiske effekter af patientudfald påvirker markant klinikdriften og beregningerne af faste omkostninger, hvilket resulterer i overbemanding og uplanlagt nedetid, hvilket i sidste ende efterlader sundhedsudbydere, der kæmper med den daglige drift."

Davidson fremhæver et vigtigt fænomen. Udeblevne aftaler er ikke kun til skade for patienten, men også for hele det kliniske økosystem. For eksempel, hvis en patient ikke dukker op til deres tildelte plads, vil dette værelse nu stå ubrugt i det pågældende tidsrum. I de fleste situationer kan den ikke bare fyldes med den næste person i køen, da det er en aftalebaseret service, og den næste person vil sandsynligvis ikke ankomme før deres tildelte tid. Selvom et eller to ubesvarede aftaletidsrum kan være ubetydelige, når det ses i et holistisk perspektiv, koster denne ubrugte tid systemet milliarder af dollars årligt. Vigtigere er det måske det faktum, at en spildt aftale er en forpasset mulighed for en anden, der virkelig havde brug for at se en læge, men som ikke var i stand til at komme ind. I betragtning af, at nuværende ventelister for primære læger indebærer måneder lange ventetider nationalt er dette et meget reelt problem.

ANNONCE

Microsofts værktøj er indlejret i dens robuste Cloud for Healthcare-platform og har en nem læringskurve: “Modellen er let at implementere og kan trænes inden for blot to timer, hvilket efterlader sundhedsudbyderen klar til at bruge løsningen inden for blot én dag. Dette tilbud kommer både klinikere og patienter til gode. Med en brugervenlig og velkendt grænseflade giver forudsigelse af mistede aftaler kontorpersonale og klinikere i stand til at forudsige udeblivelser fra patienter uden datavidenskabsuddannelse eller bemanding."

Davidson forklarer yderligere, at "Forskellige slags inputdata har vist sig at være væsentlige til at forudsige ubesvarede aftaler i sundhedsdomænet. Demografi, historiske mønstre, sociale determinanter og aftaledata såsom type og tidspunkt på dagen er input-eksempler, som plejeteam kan bruge til at træne modellen." Forviklingerne bag softwaren har været forklaret i detaljer af Microsoft, som også insisterer på, at "Modellen er ikke foruddannet og skal trænes af brugeren af ​​en sundhedsudbyder."

ANNONCE

Det er bemærkelsesværdigt, at klinikker og ambulatorier ikke er de eneste steder, som dette værktøj potentielt kan gavne. Der kan i sidste ende være en væsentlig rolle for denne software i næsten alle kliniske omgivelser, lige fra akutmodtagelsen til indlæggelsessituationer.

Faktisk, selvom denne AI-motor sandsynligvis har brug for mere arbejde og test, før dens fulde potentiale kan realiseres fuldt ud, er konceptet lovende med hensyn til at bruge data og objektive målinger til at forbedre kliniske resultater.