随访工作太麻烦?人工智能解难题

2019-03-01 张斯文 健康界

“您好,这里是江苏省人民医院介入科,我是科室随访助手,为了更好地了解您的病情,想问您几个问题您看方便吗?”张大爷在江苏省人民医院做完手术后,就会定期接到科室随访助手打来的电话。电话内容主要是了解术后相关情况,并根据张大爷的反馈,发送一些相关的宣教信息。张大爷接到的随访电话和日常普通通话听起来没什么差异,而拨出电话的实则是人工智能机器人。转变方式破解随访难题随访,是医院定期了解患者病情变化和指导

“您好,这里是江苏省人民医院介入科,我是科室随访助手,为了更好地了解您的病情,想问您几个问题您看方便吗?”张大爷在江苏省人民医院做完手术后,就会定期接到科室随访助手打来的电话。电话内容主要是了解术后相关情况,并根据张大爷的反馈,发送一些相关的宣教信息。

张大爷接到的随访电话和日常普通通话听起来没什么差异,而拨出电话的实则是人工智能机器人。

转变方式破解随访难题

随访,是医院定期了解患者病情变化和指导患者康复的一种观察方法,是治疗方案的效果反馈和患者治疗结果的疗效保障。

随着近些年人工智能的不断发展,已有一些医疗机构将人工智能技术融入临床,人工智能随访应运而生。

2017年7月,我国首家开展人工智能随访的医院,浙江省海宁市中心医院推出了“虚拟医生”AI智能随访助手,通过打通就诊数据,实现医生与就诊患者从“1对1”转变为“1对多”管理,AI辅助医生跟踪上万种细微指标特征差异,实现打破医生与患者时间和空间的长期随访。

海宁市中心医院信息科科长原晓飞给健康界算了这样一笔账,即便一名医护人员8小时不间断的对患者进行随访,一天差不多可以随访96人,并且数据常有疏漏,内容利用率低——依赖于人工呼出的传统随访,存在很多行业痛点。

而借助了人工智能手段,海宁市中心医院虚拟医生AI可与每一位医生的数据库连接,通过技术创新,将医生的知识内容转化为AI服务手段。并通过模式创新实现医生“1对多”服务患者。患者与医生可通过电话号码、APP、网站、微信等入口,与虚拟医生产生服务请求。用信息化、智能化的方式解决疾病管理中遇到的问题。

过去,在上海交通大学附属仁济医院,医务人员常常要一个个拨打患者的电话询问其术后状况,并做记录。仁济医院日间手术平均每天出院患者在120人次以上,而每位患者一般在术后24~48小时要进行一次随访,这就意味着医务人员每天要花9~12个小时用于电话随访。5%的患者如果出现呕吐、疼痛、发热等症状,需要多次随访,这给医院带来了巨大的随访工作量。

2018年6月起,上海交通大学附属仁济医院东院日间手术病房正式上线AI随访助手,让医务人员繁重的随访工作减轻了不少。

人工智能AI随访助手可以做到每天无间断、全覆盖随访,一天内可完成400~1000人次的随访工作,极大地提高了随访的工作效率。此外,AI随访助手还会对采集到的患者随访海量信息进行统计分析,为临床科研工作提供有效的数据支持。

慢病随访是目前AI主战场

“2017年底,国家层面出台了《进一步改善医疗服务行动计划(2018—2020年)》,文件中多次提到连续医疗服务、互联网、慢病管理等关键词,目的在于不断提高人民群众就医的幸福感和获得感。”江苏省人民医院医务处处长宋宁宏告诉健康界,在这个大背景下,该院在2018年4月份上线了人工智能随访系统,前期有7个科室参与其中,大部分随访内容与慢病相关。

据了解,江苏省人民医院的人工智能随访系统分三个模式,分别是关怀式院级随访;阶段式专科随访和长期式科研随访。

其中,院级随访和专科随访主要以人工智能为主进行,另外科研随访模式采取人工智能与人工配合的方式,目前该随访系统建立了3000多个疾病的随访标准流程,50多个特定的慢病管理随访模式。

“术后随访个性化要求较高,而慢病随访是人工智能随访发展的一个突破点。”宋宁宏说。这一观点在海宁市中心医院也得到了印证。自上线以来,海宁市中心医院已累计开发29套慢病随访方案,服务患者48075人,成功随访66286人次。

对于慢病管理来说,对患者定期随访是其中的重要一环。

但由医护人员人工操作给患者逐个打电话的传统随访模式,不仅消耗了大量的人力物力,而且记录手工书写,医护人员无法直接导出数据,也无法用客观的数据来呈现客观对比,有价值的随访数据难以沉淀。传统随访模式给慢病管理带来的增效并不突出。

海宁市中心医院以四大慢病中,发病率最高、覆盖率最广、增长率最快的慢性病糖尿病为突破口,率先在该领域开展人工智能随访服务。

2018年5月~7月,该院共服务糖尿病患者2435位,系统生成自动随访计划4885次,进行随访通话3328次,自动完成约人均2次随访。

慢性患者的随访是一项长期的工作,耗时耗力耗人,通过虚拟医生“1对多”管理,智能代替人力,为慢病管理开拓了新的思路,既能节省公共卫生经费,也能为政府和老百姓减轻医疗负担。

同时也提高了患者治疗依从性,为患者提供有效、连续性的医疗服务和全生命周期的闭环管理。

医院系统数据待完善

“数据质量是统计工作的生命。”这句话多年来一直牢记在原晓飞的脑海中。在海宁市中心医院启动人工智能随访项目的初期,原晓飞“头疼”了好一阵子。

“刚进行人工智能随访项目设计时,我们就发现医院业务系统中患者的联系方式存在很多问题,只能通过优化医院HIS系统来逐步解决。”原晓飞说。按理来说,临床中出院有多种方式,包括自然出院和死亡。实际上,当患者没有治愈希望时,选择出院放弃治疗的人不占少数,医生会开出自然出院的诊断。基于这一特殊背景,医护人员在随访过程中常常遇到给过世的患者家属打电话询问病情的尴尬。

为此,海宁市中心医院完善了医院HIS系统的数据字段,进行人工智能随访时,只选择系统中登记“有好转”“康复”的患者,而不是所有的出院患者,有效避免了给部分过世患者家属带来的情绪上的二次伤害,也使医院的数据系统得到进一步的完善。

原晓飞介绍,自2016年以来,海宁市中心医院就一直在推进医院信息化建设,鼓励临床医护人员参与医院信息化建设,把信息化纳入科室考核,不断提升、完善医院信息化水平。

现在,在海宁市中心医院,人工智能随访获得的数据,可通过随访患者身份证号进行主索引,与医院HIS系统进行交互,保证数据的实时、准确。

而在海宁市中心医院对于人工智能随访工作的构想中,还包括一部分内容——疫苗接种随访,目的在于为接种过疫苗的儿童家长提供健康宣教,但因考虑到出入数据安全,浙江省金苗系统数据暂未对外开放,这项工作便搁置了。

江苏省人民医院同样也面临着数据安全和数据壁垒的问题。

宋宁宏表示,在江苏省人民医院,对于人工智能随访获得的数据,医务处进行总控,每个科室要拿到系统内的数据,需向医务处提出申请,经多部门审批通过后可实现院内数据共享。

而对于医院与医院间的数据共享可就没有这么容易了!

“现在的人工智能随访以及一些大数据的搜集都是每一家医院自己在做,医院与医院之间的还没有完全做到互联互通,检查结果同质化和网上共享是卫生主管部门要面对的问题。”宋宁宏说,未来打通医院间的信息壁垒,需整合数据资源形成一个高质量的信息平台,可推动人工智能在医疗领域的不断发展,也可成为医护患间更好交流的桥梁。

版权声明:
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
评论区 (0)
#插入话题

相关资讯

人工智能可以预测卵巢癌患者的生存期吗?

研究人员已经创建了新的人工智能(AI)学习软件,用以预测卵巢癌患者的生存率和对治疗手段的应答。研究人员表示这项新技术可以帮助临床医生更快地为患者提供最佳治疗方案,同时也为个性化治疗铺平了道路。

Healx公司和波士顿儿童医院合作开发罕见病Barth综合症药物

Healx公司宣布与波士顿儿童医院和Barth综合症基金会(BSF)合作,用以推进研发治疗巴斯综合征的候选化合物。该公告发布于世界罕见疾病日,用以引起普通公众和政策制定者对罕见疾病的关注。

会“看”病历会“思考”,“人工智能医生”能否取代人类医生

新华社广州2月19日消息,能“读图”识别影像,还能“认字”读懂病历,甚至像医生一样“思考”,出具诊断报告,给出治疗建议……这不是科幻,人工智能医疗正从前沿技术转变为现实应用,“人工智能医生”离患者越来越近。机构预测,中国医疗人工智能的市场需求已达数百亿元。专家认为,“人工智能医生”的应用,有利于缓解社会老龄化带来的医疗资源供需失衡以及地域分配不均等问题。那么,“人工智能医生”何时能真正上岗?人工智

会看病历会思考,“人工智能医生”即将上岗?

能“读图”识别影像,还能“认字”读懂病历,甚至像医生一样“思考”,出具诊断报告,给出治疗建议……这不是科幻,人工智能医疗正从前沿技术转变为现实应用,“人工智能医生”离患者越来越近。

Healthbox报告:利用人工智能进行医疗大数据变革

“人工智能(AI)”一词诞生于1956年,但近年来,由于数据量的显着增加、先进算法使机器能够像人类一样“思考、工作和反应”,以及计算能力和存储能力的提高,“人工智能”一词的受欢迎程度急剧上升。

人工智能模型可准确诊断儿童疾病

《自然—医学》近日在线发表的一篇论文报告了一个准确度较高的人工智能(AI)模型,其对常见儿童疾病的诊断准确度相当于经验丰富的儿科医生。研究结果以概念验证的方式,证实了基于人工智能的系统可以辅助儿科医生处理海量数据,增强诊断性评估,并在诊断不明确的情况下提供临床决策支持。