Gesundheit

Wie University of Rochester AI verwendet, um zu verringern die Gefahr von fehlgeschlagenen follow-up

Die University of Rochester Medical Center benötigte eine bessere Möglichkeit, um sicherzustellen, dass seine viele Patienten mit Begleit-und Radiologie-Befunde erhielt die empfohlenen follow-up-Betreuung in einer fristgerechten Weise.

DAS PROBLEM

Bei Nichtbeachtung passiert, für eine Reihe von Gründen, einschließlich inkonsistente Kommunikation in der Pflege übergänge, keine Benachrichtigung von Patienten verwertbare Testergebnisse, und Unzureichende Systeme für die Verwaltung und Nachverfolgung zufallsbefunde.

„Während eine Mehrheit der beiläufigen Radiologie-Befunde, zum Glück gutartigen Knötchen, andere entpuppen sich in der behandelbaren Formen von Krebs,“ sagte Dr. Ben Wandtke, medizinisches Personal, president und chief bildgebende Diagnostik bei UR Medizin Thompson Health und associate professor im department of imaging sciences an der University of Rochester Medical Center.

“Leider, aufgrund von Lücken in der Kommunikation, können die Patienten fallen durch die Maschen und nicht in die richtige Krebs-Behandlung sofort“, sagte er.

Für Beispiel, der Unterschied zwischen einem stage 1 Krebs die Diagnose und eine Stufe 4 Diagnose kann eine 50% oder größere überlebenschancen auswirken. Frühere Diagnose führt zu einer verbesserten Versorgung der Patienten und besseren Ergebnissen und kann auch Ergebnis in einem geringeren Kosten der Pflege.

VORSCHLAG

Im Jahr 2015 wird die provider-Organisation pilotiert eine Empfehlung-tracking-system es fordert „Sicherheitsnetz“ bei FF Thompson Krankenhaus, fünf Radiologen angeschlossenen community hospital. Das Ziel des Systems war es, dienen als Sicherheitsnetz für die Patienten, für die ärzte identifizierten einen potenziellen Malignität oder Aneurysma und bot eine umsetzbare Empfehlung.

„Es wurde schnell ein Erfolg“, Wandtke berichtet. “In den ersten 13 Monaten, die wir verfolgt 589 Empfehlungen, 86% davon waren zufriedenstellend geschlossen durch das Programm, wodurch das Risiko einer verspäteten Diagnose von 74%. Wir nachträglich erweitert Korrektiv zu gehören sechs Krankenhäuser und 75 Radiologen.“

„Unsere tracking-Bemühungen führen direkt zu mehr als 1.000 neue Prüfungen jährlich durchgeführt, oft mit höheren Erstattung von imaging-Modalitäten wie CT und MRI.“

Dr. Ben Wandtke, University of Rochester Medical Center

Während das Wachstum war spannend, Personal, bemerkten Sie, dass der manuelle Prozess erforderlich, um Flagge Empfehlungen wurde eine wesentliche Hürde für den breiten Einsatz des Programms. Die Rücklaufsperre Programm hing von den Radiologen manuell hinzufügen Patienten Fällen zu einer zentralen Datenbank für die Verfolgung in der Zeit von Diktaten.

„Unsere Einrichtungen führen mehr als 800.000 diagnostic imaging Prüfungen jährlich, und unsere Radiologen waren zu beschäftigt, um konsequent vergessen Sie nicht, alle Ihre Empfehlungen an die Datenbank,“ Wandtke erklärt. „Wir brauchten einen Weg, um diesen Prozess zu automatisieren verbessern der Wirksamkeit unseres Sicherheits-net.“

Das ist, wenn die Organisation wandte sich an die künstliche Intelligenz (KI) und Sprachtechnologie-Entwickler Nuance.

MARKTPLATZ

Es gibt eine Reihe von Anbietern von natural language processing-powered analytics auf dem Markt heute. Sie gehören Accenture, Cornerstone Solutions Group, Expert Systems, IBM, Lexalytics und SAS Institute.

DIE HERAUSFORDERUNG

Wandtke sagte, dass Rücklaufsperre erforderlich, um die Vorteile der jüngsten Fortschritte in der Verarbeitung natürlicher Sprache algorithmen, um zu helfen identifizieren und zu verfolgen mehrere der Empfehlungen aus der Abteilung.

„Auf der Basis unserer Ergebnisse des Pilotprogramms war es uns klar, dass wir die Erfassung weniger als die Hälfte von unsere Empfehlungen, und wir haben nicht die Ressourcen, die intern eine Lösung zu entwickeln“, sagte er. “Wir haben eine Partnerschaft mit Nuance zu integrieren mPower, Ihre NLP-basierte klinische-analytics-Lösung, in unserem Backstop-system. mPower enthält radiologe-konzipiert und validiert algorithmen, die automatisch identifiziert umsetzbare Empfehlungen aus unstrukturierten Radiologie Bericht text.“

Ohne Störung der provider-Organisation Radiologen‘ workflow -, die NLP-basierte klinische Analysen bereitgestellt, eine weitere Schicht von Schutz für Patienten, fügte er hinzu. Darüber hinaus werden die analytics verwendet, um einen Bericht über die Häufigkeit und Qualität der Empfehlungen generiert, um die einzelnen Radiologen und Führung zur Verbesserung der Qualität der Empfehlungen Radiologen gehören in Ihren berichten, erklärte er.

„Alle Radiologie-Bericht aus allen University of Rochester, Krankenhäuser und imaging-Zentren wird nun analysiert mit NLP-algorithmen täglich,“ Wandtke sagte. “Die Empfehlungen identifiziert, die von mPower sind im Vergleich zu diejenigen, die durch den Radiologen. Alle Empfehlungen nicht manuell eingegeben werden, werden automatisch extrahiert, in unserer Datenbank namens Follow-up-Manager, entwickelt auch gemeinsam mit Nuance.“

Programm-Navigatoren können nun überprüfen Sie die NLP-extrahierten Empfehlungen und mit wenigen Klicks die Datenbank füllen, mit Dutzenden von Datenpunkten einschließlich der Identifizierung von Patienten -, Bestell-und primary-care-Anbieter mit Ihren Kontaktdaten und details zu den zufallsbefund einschließlich der Empfehlung Fälligkeit und imaging-Modalität.

Die Datenbank bietet eine Liste der überfälligen Empfehlungen müssen überprüft werden, erzeugen kann, die Vorlagen-Buchstaben und EHR-Benachrichtigungen und Dokumente, die gesamte Kommunikation mit Patienten und Leistungserbringern im Gesundheitswesen.

„Mit Hilfe dieser zwei medizinische it-Lösungen, die wir überschritten haben, die pilot-Projekt-Ergebnisse auf einer großen Skala,“ Wandtke sagte. “Bringen wir dieses wieder auf die Ebene des einzelnen Patienten, die wir behandeln, würde ich mag zu teilen eine echte Erfolgsgeschichte. Wir hatten eine 80-jährige Patientin anwesend, um die ED mit Atemnot. Eine Brust-Röntgen ergab ein Besorgnis erregender Knoten, für die ein CT der Brust follow-up empfohlen wurde.“

Diese Empfehlung wurde mitgeteilt das die Bestellung Anbieter und dokumentierte in Ihrem Bericht. Die klinischen Analysen identifizierten diese Patienten gezogen und der follow-up-Empfehlung in der follow-up-manager-system für das tracking über die Backstop-Programm.

„Nach der second-level-intervention, in dem die Rücklaufsperre navigator kontaktiert die PCP‘ s care manager, erhielten die Patienten Ihre follow-up-CT drei Monate nach Ihrer ED besuchen“, erinnerte er sich. “Sie hat in der Folge erhielten eine PET-Untersuchung, die bestätigt, Stufe 1 Lungenkrebs-Diagnose. Ohne den Nuance-Lösungen, dieser patient würde sich wahrscheinlich entwickelt haben, die in fortgeschrittenem Stadium von Krebs vor der Diagnose.“

ERGEBNISSE

Die Universität von Rochester verfolgt nun mehr als 500 Empfehlungen pro Monat (0.8% von Diagnose-volume), und 91% dieser Empfehlungen in zufriedenstellender Weise geschlossen. Das tracking-system ermöglicht durch die follow-up-manager-system führte zu einem 80% Anstieg der Mitarbeiter Fähigkeit, „den Kreis schließen“ in der Patienten-Versorgung – die Verringerung des Risikos einer verspäteten Diagnose und Sicherstellung der rechtzeitigen follow-up auf zufallsbefunde, Wandtke berichtet.

Weitere 55% der Empfehlungen verfolgt wurden identifiziert, die nur durch die NLP-analytics.

„Als Ergebnis haben wir eine erhöhte die empfohlene Prüfung completion rate um 29% – von 55% auf 71% – Verbesserung sowohl der Patienten-outcomes und Entschädigungen“, sagte er. „Unsere tracking-Bemühungen führen direkt zu mehr als 1.000 neue Prüfungen jährlich durchgeführt, oft mit höheren Erstattung von imaging-Modalitäten wie CT und MRI.“

Darüber hinaus die Generierung zusätzlicher Prüfungen, das Programm verbessert auch die Versorgung der Patienten, die durch frühere Diagnosen und reduziert die medizinisch-rechtlichen Risiken, fügte er hinzu.

„Das heißt, es ist mehr als nur tracking-follow-up-compliance“, erklärte er. “Programme wie diese verstärken den Einsatz von Evidenz-basierten Leitlinien und konsequente Anwendung von qualitativ hochwertigen Pflege. Sie Adresse die Fragmentierung der medizinischen Versorgung und priorisieren der Patienten und die klinischen Ergebnisse.“

BERATUNG FÜR ANDERE

„Jeder patient verdient seine beste chance für eine Heilung,“ Wandtke sagte. “Wenn es eine Technologie gibt, die hilft, machen dies zu einer Realität, die Sie unbedingt annehmen sollten, es. Das problem der verzögerten Diagnose bezogen auf verwertbare radiologische Ergebnisse ist universal, aber es muss nicht sein. Verarbeitung natürlicher Sprache-Analytik gekoppelt mit Datenbank-Technik und human touch haben fast beseitigt dieses problem an der Universität von Rochester.“

Mit der Gesundheitsversorgung in Richtung einer high-Zuverlässigkeit-Modell, provider Organisationen müssen Systeme entwickeln, die der Pflege, der identifizieren kann, kleine Probleme und beheben Sie Sie, bevor Sie sich entwickeln, in Krisen, fügte er hinzu.

„Ich ermutige andere Organisationen im Gesundheitswesen,“ riet er, „zu ernst Blick auf Ihre Lücken in der Kommunikation, die Identifizierung der Barrieren und arbeiten an einer Lösung.“

Twitter: @SiwickiHealthIT
E-Mail der Autorin: [email protected]
Healthcare-IT-News ist die HIMSS Media-Publikation.