Bệnh viện Ottawa (TOH) đã bắt đầu giải quyết thách thức này bằng cách tích hợp DAX Copilot của Microsoft vào năm ngoái. Và nó đã có tác động lớn: Kết quả ban đầu cho thấy tiết kiệm được bảy phút cho mỗi lần khám, giảm 70% tình trạng kiệt sức và mệt mỏi do bác sĩ lâm sàng báo cáo và 93% bệnh nhân báo cáo trải nghiệm chăm sóc tốt hơn hoặc tương đương.
“Việc tiếp cận dịch vụ chăm sóc có lẽ là một trong những vấn đề lớn nhất mà bệnh nhân phải đối mặt”, Glen Kearns, Phó chủ tịch điều hành kiêm Giám đốc thông tin của TOH, nói với VentureBeat. “Nếu chúng ta có thể cải thiện thông lượng, thậm chí là một vài bệnh nhân cho mỗi bác sĩ trong mỗi ca, bạn nhân con số đó với 10 bác sĩ trong một cơ sở chăm sóc, sau đó nhân con số đó với 365 — thì đó không phải là sự gia tăng không đáng kể trong việc tiếp cận dịch vụ chăm sóc”.
Ambient AI như một trợ lý tích cực
TOH là bệnh viện đầu tiên của Canada thử nghiệm DAX Copilot của Microsoft, được tích hợp trực tiếp với nền tảng hồ sơ sức khỏe điện tử (EHR) được sử dụng rộng rãi Epic. Vào tháng 3, Microsoft đã tích hợp DAX Copilot với Dragon Medical One (DMO) vào trợ lý AI nhúng Microsoft Dragon Copilot, mà gã khổng lồ công nghệ này cho biết được hơn 600.000 bác sĩ sử dụng.
Kenn Harper, giám đốc dự án Dragon của Microsoft, giải thích với VentureBeat rằng DAX Copilot có khả năng ghi lại các cuộc trò chuyện giữa bác sĩ và bệnh nhân thông qua ứng dụng di động và tạo ra các bản thảo ghi chú lâm sàng theo thời gian thực.
Ông cho biết: “Các bác sĩ lâm sàng có thể bắt đầu ghi âm từ điện thoại di động, đặt điện thoại xuống, khám bệnh nhân, nói chuyện với bệnh nhân, không khác gì những gì họ vẫn làm bình thường”.
Sau đó, hệ thống sẽ trích xuất thông tin chi tiết dựa trên bối cảnh của chuyến thăm khám (triệu chứng, chẩn đoán, kế hoạch điều trị, theo dõi), thông tin này sẽ có sẵn ngay trong EHR; tất cả những gì bác sĩ lâm sàng phải làm là nhanh chóng xem xét và hoàn thiện.
Harper giải thích rằng: “Thay vì phải viết lại mọi thứ từ đầu và nhớ tất cả các chi tiết nhỏ hoặc gõ trước mặt bệnh nhân, thì mọi thứ sẽ diễn ra tự động”, đồng thời lưu ý rằng họ sẽ nhận được bản thảo đầu tiên “khá chính xác” sau khi buổi khám kết thúc.
Để điều chỉnh Dragon Copilot, Microsoft sử dụng “kho dữ liệu lâm sàng khổng lồ đã được tuyển chọn trong nhiều năm”, Harper giải thích. Các kỹ sư liên tục tinh chỉnh các mô hình ngôn ngữ lớn (LLM) với dữ liệu đó để hệ thống có thể hiểu và tóm tắt thông tin y tế một cách đáng tin cậy.
Để cải thiện độ chính xác hơn nữa, các mô hình được tối ưu hóa theo chuyên khoa, có thể là bác sĩ cấp cứu, bác sĩ da liễu, bác sĩ tim mạch hoặc bất kỳ chuyên gia y tế nào khác.
Trong vòng phản hồi, các nhóm sẽ phân tích bản thảo đầu tiên do máy chuẩn bị và so sánh với nội dung và mức độ thay đổi của bác sĩ lâm sàng sau đó.
Harper cho biết: “Điều này đảm bảo rằng theo thời gian, khi dữ liệu tiếp tục được đưa vào và chúng tôi học hỏi từ dữ liệu đó, thì quá trình chỉnh sửa sẽ giảm xuống”.
TOH đang cải thiện các chuyến thăm khám như thế nào, giảm tình trạng kiệt sức của bác sĩ
Theo Hiệp hội Y khoa Canada, các bác sĩ dành khoảng 10 giờ mỗi tuần cho các công việc hành chính, chẳng hạn như cập nhật biểu đồ sau các cuộc hẹn với bệnh nhân.
Kearns giải thích rằng TOH đã phát triển một kế hoạch đánh giá mạnh mẽ cho DAX Copilot bao gồm các bản cập nhật hàng tháng thông qua bảng điều khiển Microsoft Power BI. Điều này kết hợp phản hồi từ bác sĩ lâm sàng, khảo sát bệnh nhân và dữ liệu từ Epic.
Ông cho biết: “Khung này giúp chúng tôi liên tục theo dõi tác động và hướng dẫn cải tiến”.
Ông giải thích rằng thông thường vào cuối ngày hoặc ca làm việc, các bác sĩ phải quay lại và hoàn thiện hồ sơ từ các lần khám bệnh nhân. Nhưng công cụ này đã giảm bớt công việc sau giờ làm việc, lập biểu đồ và lập hồ sơ cho “tất cả các loại bác sĩ “. Điều này không chỉ giúp họ tiết kiệm thời gian mà còn giúp giảm tình trạng kiệt sức vì họ có ít công việc tẻ nhạt hơn để làm.
Công cụ này cũng đã cải thiện tải nhận thức của bác sĩ lâm sàng trong các lần khám: Thay vì tập trung vào việc nhập thông tin chi tiết về bệnh nhân và điều hướng các tài liệu và biểu mẫu, họ có thể “tham gia theo cách khác và tốt hơn”, Kearns cho biết. Ngoài ra, “chúng tôi đã thấy mức độ thông lượng tăng lên, nhiều bệnh nhân hơn trong mỗi ca, mỗi bác sĩ”.
Kearns nhấn mạnh rằng tất cả bệnh nhân đều được yêu cầu đồng ý trước khi ghi lại các cuộc hẹn và họ có quyền truy cập vào các ghi chú trong cổng thông tin bệnh nhân MyChart của họ. Họ cũng được cung cấp tài liệu về chương trình và được đảm bảo rằng hồ sơ sức khỏe của họ luôn được bảo mật và an toàn.
Khả năng tiếp nhận của bệnh nhân cũng “rất, rất tích cực”, với 97% báo cáo rằng trải nghiệm của họ với công cụ AI tốt như một cuộc hẹn thông thường hoặc tốt hơn. “Chúng tôi cho rằng điều đó là do bác sĩ có cơ hội tương tác với họ theo cách khác và có chủ đích hơn trong suốt chuyến thăm khám, thường bị rút ngắn bởi thời gian”, Kearns cho biết.
Nhìn về phía trước, ông cho biết công cụ này có thể được sử dụng trong các tình huống như phát hiện dấu ấn sinh học và các yếu tố xã hội quyết định sức khỏe (các vấn đề không liên quan đến y tế ảnh hưởng đến sức khỏe của một người, chẳng hạn như suy dinh dưỡng hoặc thiếu phương tiện đi lại. Hơn nữa, các đơn đặt hàng, giấy phép trước và thư giới thiệu có thể rất cồng kềnh; một mục tiêu trong tương lai là để Dragon Copilot kích hoạt các hành động sau khi khám.
Kearns cho biết: “Sẽ có nhiều thay đổi trong lĩnh vực thu thập tài liệu”.
Đồng đội kỹ thuật số để khắc phục vấn đề nhân sự
Một lĩnh vực khác mà TOH đang tích hợp AI là “đồng đội kỹ thuật số”. Mùa hè năm ngoái, cơ sở này đã phát triển các trường hợp sử dụng với Deloitte và ra mắt Sophie, người có thể nói được nhiều thứ tiếng.
Điều thú vị là cô ấy có thể hiểu được cảm xúc và phản ứng hành vi của bệnh nhân.
“Tôi ghét phải nói điều này, nhưng bệnh nhân nói dối bác sĩ lâm sàng,” Kearns thừa nhận. “Bạn biết đấy, ‘Thang đo cơn đau của bạn là bao nhiêu?’ ‘Ồ, tôi ổn, năm trên 10.’ Nhưng sau đó Sophie sẽ có khả năng nhìn vào khuôn mặt của bạn và nói, ‘Ồ, trông không giống năm.’”
Sau đó, cô ấy có thể hỏi bệnh nhân định nghĩa số năm là gì và có thể đưa ra quyết định dựa trên dữ liệu khách quan.
TOH sẽ ra mắt một ứng dụng khác vào mùa xuân để giúp bệnh nhân tìm hiểu và tiếp cận hệ thống chăm sóc sức khỏe cũng như tham gia sàng lọc trước.
“Tôi không nghĩ là có ai không biết về cuộc khủng hoảng nguồn nhân lực chăm sóc sức khỏe đang tồn tại trên toàn cầu”, Kearns lưu ý. “Chúng tôi thực sự muốn cố gắng hỗ trợ và phục vụ bệnh nhân mạnh mẽ hơn so với khả năng hiện tại của chúng tôi”.
Ví dụ, cơ sở thực hiện các cuộc gọi theo dõi bệnh nhân sau một số thủ thuật nhất định. Tuy nhiên, do hạn chế về nguồn lực, họ chỉ có thể theo dõi những bệnh nhân có nguy cơ cao nhất. Mục tiêu của Kearns là theo dõi từng bệnh nhân, với hình đại diện cung cấp thông tin giải thích về bất kỳ câu hỏi nào của bệnh nhân và xác nhận xem họ có hiểu lệnh xuất viện của mình không, có thể đến hiệu thuốc hay đã tuân theo lệnh của bác sĩ lâm sàng hay không. Hình đại diện có thể chuyển tiếp đến y tá hoặc nhóm lâm sàng của bệnh nhân nếu cần.
“Một trong những điều mà ngành chăm sóc sức khỏe tự hào là sự tiếp xúc của con người”, Kearns cho biết. “Đây là cách để đảm bảo rằng chúng tôi đang tối đa hóa và tối ưu hóa các nguồn lực tiếp xúc của con người, nhưng cũng đảm bảo rằng bệnh nhân được hỗ trợ tốt trong suốt hành trình chăm sóc sức khỏe của họ”.
Tuy nhiên, ông lưu ý rằng vẫn còn sớm trong trò chơi. Một bước quan trọng trong tương lai là cho phép đồng đội kỹ thuật số tương tác với thông tin và môi trường Epic.
“Chúng tôi còn nhiều việc phải làm ở đó, chúng tôi vẫn rất tập trung vào khía cạnh áp dụng”, Kearns cho biết. “Chúng tôi vẫn là một hệ thống chăm sóc sức khỏe phản ứng rất nhanh với tình trạng sức khỏe của bệnh nhân. Chúng tôi muốn đạt đến trạng thái chủ động”.
 của bác sĩ lâm sàng và bệnh nhân là một vấn đề quan trọng trong chăm sóc sức khỏe — bệnh nhân vì họ gặp khó khăn trong việc tiếp cận dịch vụ chăm sóc, còn bác sĩ lâm sàng vì họ có quá nhiều việc phải làm.){kind=link}