Microsofts nyeste AI-verktøy kan forutsi tapte legeavtaler

Mellom mangelen på utdannede leger, mangel på pleiepersonell og generell utmattelse blant helsepersonell, er det ikke en lett oppgave å sikre seg en legetime i dagens moderne kliniske landskap. Faktisk har tidsverdien for avtaler aldri vært høyere.

Dette stykket er nøyaktig hva Microsofts siste verktøy for kunstig intelligens (AI) prøver å adressere: redusere ubesvarte helseavtaler. Merav Davidson, Microsofts visepresident for Industry AI, skrev i Microsoft Industry Blogs: «De årlige kostnadene for tapte avtaler i helsesektoren er mer enn 150 milliarder dollar i USA alene. Ubesvarte avtaler fører ikke bare til en nedgang i pasientens helse, men de økonomiske effektene av pasientoppvisninger påvirker i betydelig grad klinikkdrift og faste kostnadsberegninger, noe som resulterer i overbemanning og uplanlagt nedetid, som til slutt gjør at helsepersonell sliter med daglige operasjoner.»

Davidson trekker frem et viktig fenomen. Ubesvarte avtaler er ikke bare skadelig for pasienten, men også for hele det kliniske økosystemet. For eksempel, hvis en pasient ikke dukker opp for den tildelte plassen, vil det rommet nå gå ubrukt for den tidsperioden. I de fleste situasjoner kan den ikke bare fylles med neste person i køen, gitt at det er en avtalebasert tjeneste, og den neste personen vil sannsynligvis ikke ankomme før den tildelte tiden. Selv om en eller to ubesvarte avtaler kan være ubetydelige, sett i et helhetlig perspektiv, koster denne ubrukte tiden systemet milliarder av dollar årlig. Enda viktigere, kanskje, er det faktum at en bortkastet time er en tapt mulighet for noen andre som virkelig trengte å se en lege, men som ikke var i stand til å komme inn. Gitt at gjeldende ventelister for primærleger innebærer måneder lange ventetider nasjonalt er dette et veldig reelt problem.

ANNONSE

Microsofts verktøy er innebygd i den robuste Cloud for Healthcare-plattformen og har en enkel læringskurve: «Modellen er lett distribuerbar og kan trenes opp i løpet av bare to timer, noe som gjør at helsepersonell er klar til å bruke løsningen i løpet av bare én dag. Dette tilbudet kommer både klinikere og pasienter til gode. Med et brukervennlig og kjent grensesnitt gir prediksjon av tapte avtaler kontoransatte og klinikere i stand til å forutsi manglende oppmøte uten datavitenskapelig opplæring eller bemanning.»

Davidson forklarer videre at "Ulike typer inndata har vist seg å være viktige for å forutsi tapte avtaler i helsevesenet. Demografi, historiske mønstre, sosiale determinanter og avtaledata som type og tid på dagen er input-eksempler som omsorgsteam kan bruke for å trene modellen.» Forviklingene bak programvaren har vært forklart i detalj av Microsoft, som også insisterer på at "Modellen er ikke forhåndsopplært og må trenes av brukeren av en helsepersonell."

ANNONSE

Spesielt er klinikker og polikliniske innstillinger ikke de eneste stedene dette verktøyet potensielt kan ha nytte av. Det kan etter hvert bli en betydelig rolle for denne programvaren i nesten alle kliniske settinger, alt fra akuttmottaket til døgnbehandlingssituasjoner.

Faktisk, selv om denne AI-motoren sannsynligvis trenger mer arbeid og testing før dets fulle potensial kan realiseres fullt ut, er konseptet lovende med hensyn til å bruke data og objektive beregninger for å forbedre kliniske resultater.