Guardoc Health tvrdi da dnevno obrađuje više od milijun kliničkih dokumenata koristeći Amazon Nova modele putem Bedrocka.
Primjena umjetne inteligencije u kliničkoj dokumentaciji zahtijeva precizno izračunavanje rizika. Greške u ovom procesu mogu dovesti do odbijenih Medicare zahtjeva prema Modelu plaćanja vođenog pacijentom, kaznenih naknada, pravnih problema, a u najgorim slučajevima, do propuštanja dijagnoze koja mijenja način na koji se pacijent liječi.
Međutim, ako se sve ispravno odradi, koristi su smanjene ispravke, manje hospitalizacija i niži troškovi usklađenosti. Guardoc Health, koji razvija softver za dokumentaciju za pružatelje dugotrajne skrbi, objavio je podatke o implementaciji koji podržavaju takve rezultate.
Razmjeri osnovnog problema
Guardoc Health mora obraditi dokumente koji dolaze u gotovo svakom formatu koji kliničko okruženje može proizvesti: višestranični PDF-ovi s rukopisnim bilješkama liječnika, obrasci prethodne autorizacije gdje samo stanje potvrdnog okvira određuje odluku o pokrivenosti, liste lijekova koje se pojavljuju kao uređene tablice u jednom grafikonu i slobodni tekst u drugom, te obrasci za prijem pacijenata koji miješaju otkucane podatke s pečatima i rukopisom na istoj stranici.
Istraživanje objavljeno u BMJ Quality and Safety procjenjuje da je oko 12 milijuna pacijenata u SAD-u pogođeno dijagnostičkim greškama svake godine, pri čemu su greške u rukovanju informacijama navedene kao doprinosni faktor. U volumenu koji Guardoc obrađuje, stopa greške od jedan posto samo u otkrivanju stanja generirala bi tisuće netočnih zapisa dnevno. Svaki od njih nosi vlastite posljedice za sigurnost pacijenata ili usklađenost.
Guardoc izvještava o smanjenju grešaka u dokumentaciji za 46 posto, 70 posto smanjenju kaznenih naknada, te više od 400.000 dolara godišnjeg povrata investicija za jednu ustanovu, bez objavljivanja razdoblja osnovice ili metodologije iza tih izračuna.
U kvartalnoj implementaciji koja obuhvaća dvije ustanove i 200 pacijenata, tvrtka tvrdi da je njen sustav pokrenuo 847 ispravki dokumentacije, označio 86 problema vezanih uz točnost PDPM naknada, te je povezan s 74 posto smanjenja hospitalizacija na 100 prijema. Odvojena studija slučaja koja obuhvaća sedam ustanova i 1.618 stanovnika identificirala je 10.612 problema, prema Guardocu.
Sistem povlačenja usredotočen na troškove i točnost
Guardocova arhitektura klasificira stanja kroz generaciju obogaćene pretrage, povlačeći dokaze iz vlastite dokumentacije pacijenata prije nego što ih analizira kako bi proizvela konačan odgovor.
Amazon Textract prvo izvlači tekst i strukturalne metapodatke iz svake dolazne stranice, na što tvrtka gleda kao na najnižu cijenu po stranici u procesu. Taj izlaz se dijeli duž kliničkih granica, tako da lista lijekova ili odjeljak dijagnoze ostaje netaknut umjesto da se dijeli prema proizvoljnom broju znakova.
Svaki dio se ugrađuje koristeći Amazon Titan Text Embeddings V2 i pohranjuje u Amazon DynamoDB, razdijeljen prema pacijentu kako bi pretraživanje nikada ne prelazilo granice pacijenata. Prilagođeni prefiltrirajući proces sužava skup kandidata prema vrsti dokumenta i svježini prije nego što pretraživanje najbližih susjeda preuzme najrelevantnije dijelove za danu klasifikacijsku upit, vraćajući samo reference stranica u ovoj fazi kako bi se održala lagana prijenos podataka.
Amazon Nova 2 Lite potom provodi tekstualnu analizu kako bi uklonila očite nepodudarnosti. Samo stranice koje prežive sve prethodne filtre stižu do Amazon Nova Pro, koji prima sirove PDF podatke i analizira raspored, rukopis, potpise i pečate kako bi proizveo klasifikaciju na temelju koje sustavi nižeg reda djeluju.
Dizajn slijedi logiku dijeljenja troškova tijekom cijelog procesa: jeftini dijelovi obavljaju rad visoke volumene poput ugrađivanja i grubog filtriranja, dok se složenija multimodalna razmišljanja zadržavaju za završnu fazu kada su zaista potrebna.
Teški slučajevi kliničke dokumentacije
<pPrema Guardocu, dva tipa dokumenata čine većinu onoga što su ranije verzije sustava propustile. Prvi su polja liječničke potvrde na obrascima prethodne autorizacije, gdje rukopisna napomena može nadjačati tiskani potvrdni okvir. Drugi su dijelovi simptoma koje prijavljuju pacijenti, gdje rukopis često nosi informacije koje se ne pojavljuju nigdje drugdje u evidenciji.
Ekstrakcija lijekova predstavlja povezani problem. Imena lijekova, doze, putovi i učestalosti pojavljuju se u strukturiranim tablicama, u prozi zakopanoj unutar liječničkih bilješki, u rukopisnim dodacima na tiskanim popisima i u skenima koji su proslijeđeni kroz više ruku. Guardocov hibridni sustav prvo pokreće Amazon Textract za čiste tiskane tablice, a zatim prosljeđuje i izvorni PDF i Textract izlaz na Amazon Nova Pro kako bi razriješio obavijene tablične stupce, rukopisne dodatke i nestandardne formate koje OCR sam ne može pravilno obraditi.
„S obitelji Nova, olakšavamo zdravstvenim organizacijama da ranije otkriju visokorizične slučajeve i djeluju prije nego što problemi postanu skupi”, rekao je Assaf Amiaz, direktor proizvoda u Guardoc Healthu. „Automatizacijom radnih tokova koji su nekad zahtijevali ručni nadzor, obitelj Nova pomaže timovima smanjiti praznine u usklađenosti, spriječiti greške i više vremena posvetiti poboljšanju ishodima pacijenata.”
Pogledajte također: Kako AI skraćuje vrijeme otkrivanja lijekova u Kini
