رویکرد تحول دیجیتال چگونه به بهبود سطح خدمات بیمارستان‌ها کمک می‌کند؟

به گزارش گزارشگر یک، بیمارستان‌ها و مراکز درمانی پیشرو با پیاده‌سازی سامانه‌های یکپارچه هوشمند و دارای امکانات و همچنین بهره‌گیری از فناوری‌هایی مانند هوش مصنوعی (AI)، برای بهبود فرآیند تشخیص و درمان با کمک گرفتن از «سیستم‌های پشتیبان تصمیم گیری» (سیستم پشتیبانی تصمیم). )، اختصاص داده اند.

الگوریتم های هوش مصنوعی فزاینده برای بهبود تشخیص بیماری بالینی در زمینه هایی مانند رادیولوژی، پوست، بیماری، چشم پزشکی و آسیب شناسی مورد استفاده قرار گرفته است، با این حال، بر روی تحول دیجیتال، فقط بمنظور بهبود تشخیص های پزشکی، اشتباه انجام می شود. است. بیمارستان‌ها می‌توانند در حوزه‌های کلیدی از تحول دیجیتال برای بهبود مستمر برنامه‌های عملیاتی و ایجاد ارزش و مطلوبیت برای ذینفعان، شامل بیمار، درمان کادر، نوبت دهی و مدیریت زنجیره تامین کننده استفاده کنند.

در همین رابطه، مهدی حسینی – مدیر ارشد سلامت هوشمند فناپ زیراخت – در گفت و گو با گزارشگر یک، با بیان اینکه، از آنجایی که بیمارستان ها تلاش می کنند مراقبت های مناسب و سفارشی سازی شده را در زمان مناسب به یک بیمار خاص، ارائه دهند. انجام دو کار ضروری است، بیان کرد: ابتدا ارزیابی دقیق تشخیص و درمان و درمان دوم مدیریت منابع بیمارستانی. برخی از آنها برای فرآیند تشخصی و درمان تا حدودی آموزش دیده اند، اما مهارت و توانایی لازم برای مدیریت منابع پزشکی بیمارستانی وجود ندارد و این چالش برانگیزی است، به ویژه در دورانی که همه کووید-19 به اوج رسیده بود، این موضوع فشار را بالا می برد. بر بیمارستان ها وارد کرد.

وی افزود: در بیمارستان، سیستم‌های عملیاتی «تصمیم‌گیری پشتیبان» که بر داده‌ها هستند (Data Driven DSS)، می‌توانند بینش‌های ارزشمندی را برای کمک به تصمیم‌گیری در حوزه‌های تریاژ (اولویت بندی افراد برای بهره‌مندی از درمان)، پذیرش و ارائه‌دهنده ترخیص کنند. برای مثال، اگر در پذیرش مطمئن باشید که بیمار تازه وارد شده است، باید به آیسییو فرستاده شود یا به بخش عمومی، یک الگوریتم پشتیبان تصمیم گیری می توانید توصیه هایی را برای تصمیم گیری های پیش بینی شده برای پذیرش در آی سی یو ویژه آن بیمار خاص ارائه کنید. دهد.

حسینی ادامه داد: بررسی داده‌های عملیاتی بیش از 100 هزار مورد در 15 بیمارستان نشان می‌دهد، بیمارانی که در سی یو پذیرش می‌شوند، اما در بخش دیگری از بیمارستان (برای مثال، بخش عمومی) بستری شده اند، دوره اقامت. طولانی‌تری در بیمارستان‌ها و پذیرش مجدد آنها هم افزایش یافته است.

او گفت: اگر ممکن است آی سی یوی مورد نظر محدود باشد، ممکن است بیمار ممکن است گزینه هایی باشد که مانند یک درمان بیمار در یک واحد دیگر (مثلا آی سی یوی جراحی بجای پزشکی) یا ترخیص بیمارانی که در حال حاضر در آی سی یو هستند. را برای ایجاد فضا در آی سی یو درنظر بگیرید و مطمئن باشید برپایه تحقیقات گزینش گزینش هر یک از این دو، پیامدهای مهم دهای مهم. تصمیم‌گیری الگوریتم‌های پشتیبان می‌تواند این پیام‌ها را کاهش دهند، هزینه‌ها و انتخاب‌های مختلف را بسند و دامی‌ها انتخاب کنند.

وی در ادامه سخنانش تشریح کرد: از الگوریتم‌ها همچنین می‌توانیم برای خودکارسازی وظایف عملیاتی استفاده کنیم. در مجموعه‌ای از آزمایش‌ها از پزشکان و کارکنان «آمازون مکانیکال ترک» Amazon Mechanical Turk یک واحد بیمارستانی شبیه‌سازی شده را مدیریت می‌کند، یافته‌های این آزمایش‌ها را نشان داد سوگیری‌های رفتاری و خطاهای تصمیم‌گیری بر شناخت، ممکن است بر تصمیم‌های عملیاتی تأثیرگذار باشد. با جدا کردن تصمیم گیری به دو بخش بالینی و عملیاتی و استفاده از الگوریتم ها برای خودکارسازی مؤلفه های عملیاتی به نتایج بنمار.

گفته شده حسینی در بخش‌های بیمارستانی، الگوریتم‌های ماشین (ماشین یادگیری) و تصمیم‌گیری پشتیبان می‌تواند برای پیش‌بینی تعداد مورد انتظار پذیرش‌ها و انتقال بیماران به بخش‌های مورد استفاده قرار گیرد و این پیش‌بینی‌ها، روند آینده را هدایت کنند و به این ترتیب روند روند را انجام دهند. تخت‌های بیمارستان می‌شود، سفر بیمار بهبود می‌یابد و از مدت اقامت در بیماران کاسته می‌شود.

او در ادامه سخنانش با بیان اینکه پیش‌بینی‌های هر بخش در کارتابل مدیریت تخت‌ها در کل بیمارستان نه تنها وضعیت فعلی هر بخش را نشان می‌دهند، بلکه پیش‌بینی‌هایی نیز برای وضعیت آینده مورد انتظار در بیمارستان ارائه می‌شوند، مشخص می‌کند: نتایج نمونه‌های اجرا شده بسیار امیدوارکننده است. برای مثال یک مرکز پزشکی در بوستون آمریکا، با همکاری گروهی از پژوهشگران دانشگاه امآیتی کارپوشه‌های پیش‌بینی، برای پشتیبانی از تصمیم‌گیری‌ها در زمینه پذیرش و انتقال بیماران را با نمایش آمار فعلی هر بخش و همچنین تعداد ترخیص‌های پیش‌بینی انجام شده و به همین ترتیب انجام می‌شود. یک بیمارستان کودکان در بوستون آمریکا از سامانه پیش‌بینی‌کننده تعیین مکان برای استفاده از بیمار می‌توان با کمک آن بخش اورژانس را می‌داند چه احتمالی احتمالاً در بیمارستان پذیرش شده و در کدام بخش بستری می‌شود.

وی افزود: به این ترتیب کارتابل مدیریت تخت های بیمارستان، برنامه ریزی بهتر و ارتباطات پیشرفته را در موارد مختلف امکان پذیر می کند و این فرآیند را می توان به سامانه هشداردهی خودکار تجهیز برای مثال زمانی که زمان انتظار برای تخت جدید از آستانه قرار گرفت. پیش بینی شده عبور کند، هشدار دهد.

فناوری دیجیتال در خدمت کادر درمان

حسینی با اشاره به اینکه فناوری دیجیتال می‌تواند به مدیریت منابع انسانی نیز کمک کند، تشریح کرد: به عنوان نمونه برای مدیریت کارکنان پرستاری که در هزینه‌های بیمارستان‌ها نقش مهمی دارند، به جای تکیه بر تماس‌های تلفنی، پیام‌های متنی و صفحات می‌پردازند. برنامه (صفحات گسترده) با تصمیم گیری درباره کارکنان که در آخرین لحظات تغییر می‌کنند، سرپرستاران و بیمارستان‌ها می‌توانند از تحلیل اطلاعات برای بهبود این روند استفاده کنند. برای مثال، الگوریتم‌ها می‌توانند میزان غیبت پرستاران و نیاز به افزایش نیروی انسانی را پیش‌بینی کنند تا تعداد نو لاشندی. نتایج تحقیقات در عملیات بخش اورژانس نشان می‌دهد این موارد را می‌توانیم الگوسازی کنیم، حتی در محیط‌هایی که میزخشان استفاده می‌کنند.

او افزود: امکانات سیستم‌های هوشمند مدیریت بیمارستان در پیش دستانه و ارائه پاسخ سریعتر سطح ثبات و پیش بینی پذیر بودن برنامه کاری پرستاران را افزایش می‌دهد. این جنبه از این مهم است که رتبه بالای جابه‌جایی پرستاران یکی از چالش‌های مهم حوزه سلامت و درمان است. بررسی مکان‌های محلی پرستاران در یکی از بهترین آژانس‌های آمریکایی سلامت در منزل، نشان می‌دهد ناهماهنگی‌های ناشی از عملکرد کارفرما در برنامه‌ریزی امور محوله به بررسی، احتمال ترک کار از سوی آنها را افزایش می‌دهد.

وی ادامه داد: تحلیل اطلاعات برای بهینه سازی کار گروهی کارکنان به کار می‌آید. برپایه تحقیقات، چینش ترکیب تیم های مراقبت، تاثیر قابل توجهی بر عملکرد آنها دارد. یک مطالعه روی تیم‌های بخش اورژانس که مجموعاً بیش از ۱۱۱ هزار بیمار را در طول دو سال ویزیت کرده است، نشان می‌دهد که تفاوت‌ها در سلسله مراتب و مهارت پزشکان، پرستاران و پزشکان مقیم به تأثیرات بر عملکرد تیم با توجه به اعضای جدید آن می‌شود. مطالعه دیگری روی تیم‌های جراحی قلب که بیش از 6000 عمل جراحی در طول هفت سال انجام شد، نشان داد که به آشنایی با دو میان اعضای تیم و تعداد همکاری‌های گذشته هرکدام از ترکیب‌های دونفره جراح‌ها، اثر مهمی روی بهبود بازدهی تیم انجام می‌شود. همه این موارد را در هنگام تلاش برای بررسی اعضای تیم‌ها به دستی غیرممکن می‌کنند، اما هوش مصنوعی می‌تواند به آسانی همه دیدگاه‌های تحقیقات را برای تعیین بهترین ترکیب تعیین کند.

فناوری دیجیتال برای بهینه سازی نوبت دهی

حسینی اظهار کرد: تعداد زیادی از بیمارستان‌ها ثبت و ذخیره الکترونیکی به پرونده‌های بیماران مبتلا شده‌اند، اما نوبتدهی در موارد مختلف هنوز تا حد زیادی یک درمان است که از برنامه‌ریزی جراحی‌ها در اتاق‌های تا رادیولوژی و کارهای دیگر هنوز دستی است. انجام می شود. در زمینه نوبت دهی و زمان بندی، فناوری های دیجیتال برای پیش بینی بهتر نیازهای بخش ها و هماهنگی آسان تغییرات لحظه ها و همچنین بهینه سازی نوبت دهی ها برپایه آخرین متدها بکار گرفته می شود. برای مثال، از الگوریتم‌های ماشینی می‌توانم برای پیش‌بینی بهتر مدت زمان هر کاری مانند جراحی یا ام آرةدی اسکدادی. به عنوان مثال، مدت زمان مورد انتظار برای یک عمل جراحی نه تنها تابعی از ویژگی های بیمار و نیازهای بالینی که به دلیل عوامل مختلف عملیاتی است، به معنای زمان انجام عمل جراحی بسته به زمان جراحی، حجم کاری و مراحل کار در اتاق است. عمل تغییر می کند. الگوریتم‌ها برای تأثیرات این عوامل عملیاتی در پیش‌بینی‌ها، به ما کمک می‌کنند.

او گفت: ازدحام در بخش مراقبت های پس از بیهوشی، مواردی است که در فرآیند فرآیندهای اتاق عمل می‌انجامد. ، کمک می کند.

مدیریت زنجیره تامین با کمک فناوری دیجیتال

وی معتقد است تجهیزات پزشکی و تجهیزات جراحی در بیمارستان‌ها درخور توجه است و در برخی موارد، این میزان یک سوم کل هزینه‌های عملیاتی بیمارستان‌ها را شامل می‌شود. اما تامین امنیت و مدیریت موجودی، بیمارستان در بیمارستان ها اولویت ندارد و ارائه دهنده خدمات سلامت بیشتر به طور مستقیم بر روی فرآیندهای مراقبت از بیمار متمرکز می شود.

حسینی با بیان اینکه تحقیقات نشان داده است در بسیاری از صنایع، تحولات دیجیتالی در زنجیره تامین، هزینه های فرآیندها را تا درصد کاهش و درآمد را تا ۲۰ درصد افزایش می دهد، تشریح کرد: بیمارستان ها نیز از این قاعده مستثنی هستند. خودکار کردن فرآیند جمع آوری داده ها، مرتب سازی، تطبیق حساب ها و پرداخت هزینه تجهیزات، جراحی و دارویی، باعث کاهش هزینه های پزشکی مرتبط با تامین و مدیریت موجودی می شود. در جریان همه‌گیری، تقویت چابکی و قبول‌پذیری در برابر شوک‌های پیشنهادی و بسیار حیاتی‌تر می‌شود و بیمارستان‌های بیمارستان‌ها به طور معمول برای استفاده از داده‌ها و فناوری‌ها هستند تا درک درستی از موجودی، قیمت گذاری، زمان انتظار و روند وجود داشته باشند. .

او در ادامه سخنانش گفت: طبق اطلاعات سایت هاروارد بیزنس ریوو، فناوری‌های RFID (ردیابی با استفاده از فرکانس رادیویی) و ردیابی‌های مرتبط با اینترنت می‌توانند برای ردیابی و مکان‌یابی بهتر و در لحظه هر یک از تجهیزات مورد استفاده قرار گیرند. برای مثال، بیمارستان سنت ماریس کلینیک مایو در سال 2015 یک سیستم RFID را برای عملیاتی کردن اورژانس خود راه اندازی کرد که به بهبود مراقبت و درمان و همچنین کاهش هزینه ها منجر شد.

ی افز: یکپاچه زیازی و هاه جهیز جهیزات خش ه ه ه ه ا ا ا ا ا ا ا ا ا ا ا ی ی ی ی ی ی ی ار ا ار ز از زا اب ااب. پروژه‌سازی یکی از راه‌های دسته‌یابی به این هدف است، اما اطلاعاتی که به راحتی با یک سیستم دیجیتالی مدیریت می‌شود، فراهم می‌کند تا بتوان به همان اندازه مفید واقع شود.

حسینی در پایان خاطر نشان کرد: بیمارستان‌ها برای امکان پذیرفتن ارائه دادن از مزیت های تحول دیجیتال، باید با نگاهی تحول آفرین در مدل کسب و کار، جمع آوری فرآیندها و ذینفعان و با تمرکز و تمرکز بر فناوری ها و سیستم های اطلاعاتی نوآورانه، به این مهم. بپردازند. برای تحول دیجیتال در گام نخست یک شرکت در حوزه هوشمندسازی را به‌عنوان همکار راهبردی گزینش کنند. یک مجموعه متخصص در حوزه تحول دیجیتال که نقشه راه‌اندازی هوشمند را طراحی می‌کند، در راه پیاده‌سازی آن همراهی و راهنمایی کند و برای چالش‌ها و بازدارنده‌ها، راهکارهای خلاقانه ارائه کند. امروز در ایران هم مجموعه‌های متخصصان وجود دارند و هم فناوری لازم برای ایجاد زیرساخت توسعه یافته است.

انتهای پیام