بین کمبود پزشکان آموزش دیده، کمبود کارکنان پرستاری، و فرسودگی عمومی کارکنان مراقبت های بهداشتی، تامین قرار ملاقات با پزشک در چشم انداز بالینی امروزی کار آسانی نیست. در واقع، ارزش زمانی برای قرار ملاقات ها هرگز بالاتر نبوده است.
این قطعه دقیقاً همان چیزی است که آخرین ابزار هوش مصنوعی (AI) مایکروسافت سعی دارد به آن بپردازد: کاهش قرار ملاقات های از دست رفته مراقبت های بهداشتی. مراو دیویدسون، معاون هوش مصنوعی مایکروسافت، در وبلاگهای صنعت مایکروسافت نوشت: «هزینه سالانه قرار ملاقاتهای از دست رفته در صنعت مراقبتهای بهداشتی تنها در ایالات متحده بیش از 150 میلیارد دلار است. قرار ملاقات های از دست رفته نه تنها منجر به کاهش سلامت بیماران می شود، بلکه اثرات اقتصادی بیمار به طور قابل توجهی بر عملیات کلینیک و محاسبات ثابت هزینه ها تأثیر می گذارد، که منجر به پرسنل بیش از حد و توقف برنامه ریزی نشده می شود و در نهایت ارائه دهندگان مراقبت های بهداشتی را با اعمال روزمره دچار مشکل می کند.
دیویدسون یک پدیده مهم را برجسته می کند. قرار ملاقات های از دست رفته نه تنها برای بیمار، بلکه برای کل اکوسیستم بالینی مضر است. به عنوان مثال، اگر یک بیمار در اسلات اختصاص داده شده خود حاضر نشود، آن اتاق اکنون برای آن دوره زمانی بلااستفاده خواهد ماند. در بیشتر موقعیتها، با توجه به اینکه این یک سرویس مبتنی بر قرار است، نمیتوان آن را فقط با نفر بعدی در صف پر کرد، و فرد بعدی احتمالاً تا زمان تعیینشده خود نمیرسد. اگرچه ممکن است یک یا دو جای ملاقات از دست رفته ناچیز باشد، اما زمانی که به صورت کلی نگریسته شود، این زمان استفاده نشده سالانه میلیاردها دلار هزینه برای سیستم دارد. مهمتر از آن، شاید این واقعیت است که یک قرار ملاقات بیهوده فرصتی از دست رفته برای شخص دیگری است که واقعاً نیاز به مراجعه به پزشک داشت، اما قادر به مراجعه به پزشک نبود. در سطح ملی، این یک مشکل بسیار واقعی است.
تبلیغات
ابزار مایکروسافت در پلتفرم قوی Cloud for Healthcare تعبیه شده است و منحنی یادگیری آسانی دارد: «این مدل به راحتی قابل استقرار است و میتوان آن را تنها در عرض دو ساعت آموزش داد و ارائهدهنده مراقبتهای بهداشتی را برای استفاده از راهحل در عرض یک روز آماده میکند. این پیشنهاد هم برای پزشکان و هم برای بیماران مفید است. با یک رابط کاربر پسند و آشنا، پیشبینی قرار ملاقاتهای از دست رفته به کارکنان مطب و پزشکان این امکان را میدهد تا بدون آموزش علوم داده یا پرسنل، عدم حضور بیمار را پیشبینی کنند.
دیویدسون همچنین توضیح میدهد که «انواع مختلف دادههای ورودی در پیشبینی قرار ملاقاتهای از دست رفته در حوزه مراقبتهای بهداشتی مهم هستند. جمعیتشناسی، الگوهای تاریخی، عوامل اجتماعی تعیینکننده و دادههای قرار ملاقات مانند نوع و زمان روز نمونههای ورودی هستند که تیمهای مراقبت میتوانند برای آموزش مدل از آنها استفاده کنند.» پیچیدگی های پشت نرم افزار بوده است با جزئیات توضیح داده شده است توسط مایکروسافت، که همچنین اصرار دارد که "این مدل از قبل آموزش دیده نیست و باید توسط کاربر ارائه دهنده مراقبت های بهداشتی آموزش داده شود."
تبلیغات
قابل ذکر است که کلینیک ها و مراکز سرپایی تنها مکان هایی نیستند که این ابزار می تواند به طور بالقوه از آن بهره مند شود. ممکن است در نهایت نقش مهمی برای این نرم افزار تقریباً در تمام تنظیمات بالینی، از بخش اورژانس گرفته تا موقعیت های مراقبت بستری وجود داشته باشد.
در واقع، اگرچه این موتور هوش مصنوعی احتمالاً قبل از تحقق کامل پتانسیل آن به کار و آزمایش بیشتری نیاز دارد، این مفهوم با توجه به استفاده از دادهها و معیارهای عینی برای بهبود نتایج بالینی امیدوارکننده است.
منبع: https://www.forbes.com/sites/saibala/2022/09/30/microsofts-latest-ai-tool-can-predict-missed-doctors-appointments/