Om författaren Orlando Agrippa har över 10 års erfarenhet som informationssystemledare och direktör i Storbritanniens NHS, med ett oklanderligt fokus på leverans av kliniska system, affärsintelligens och analys. Orlando har tillbringat tid med att förstå det amerikanska sjukvårdssystemet och har arbetat i Australien som chef för analytics transformation. Med en meritlista för att förbättra verkställande framgång i offentliga och privata organisationer av varierande skala och komplexitet. Det är allmänt accepterat att artificiell intelligens är på väg att revolutionera många industrier, trots att det fortfarande finns värdefulla praktiska exempel på dess framgång. Så hur kan denna lovande teknik leva upp till denna hype? Det är tydligt för mig att för att hålla detta löfte måste det användas för att göra en verklig och positiv skillnad på sätt som förändrar liv och i grunden gynnar samhället. Vissa branscher är mer avancerade när det gäller att tillämpa den här tekniken: detaljhandeln och tillverkningen har till exempel tagit ledningen genom att använda AI för att förbättra kundupplevelsen eller lita på mannen med de mest otacksamma uppgifterna för att optimera sin effektivitet. Men detta nya tillvägagångssätt kommer sannolikt att ta itu med några av de mest ihållande samhällsproblemen i andra sektorer, särskilt inom hälso- och sjukvården och läkemedelsområdet, där fokus för patientvård och bedömning måste förändras. Uppfattningen är att branscher, på alla nivåer och inom många verksamhetssektorer, är på väg att helt se över sitt arbetssätt och snart kommer att struktureras på ett helt annat sätt. För närvarande tror 40 % av företagen att deras affärsmodeller helt enkelt inte kommer att existera under de kommande fem åren. Överföringen av denna känsla till sjukvårdssektorn och de potentiella fördelarna är inte bara spännande, utan verkligen transformerande. Tänk på återinläggningar på sjukhus: den pågående utmaningen för vårdpersonal, och ofta resultatet av att balansera effektivitet och kundservice.
(Bild: © Bildkredit: Rawpixel / Pixabay)
Utmaningen med återtagande.
Detta kan anses vara kontroversiellt, men sjukhus i sin mest grundläggande form påminner mycket om hotell eller fabriker. De måste arbeta effektivt för att få in människor i systemet, fokusera på att tillhandahålla de mest lönsamma processerna och vara nära knutna till det, ge den bästa kundupplevelsen. Att komma ut från sjukhuset så snabbt som möjligt är inte bara en fördel för sjukhuset, det är vad de flesta patienter verkligen vill ha. Men det finns en bra balans. Att släppa människor för tidigt har förödande effekter på patienten och sjukhuset. Patienter som skrivs ut för tidigt kommer att läggas in igen, vissa med svårare komplikationer än tidigare, vilket ökar bördan. Men sjukvårdspersonal är under ett enormt tryck att hålla uppe patientflödet för att minska antalet blockerade sängar eller blockerade patienter, människor som stannar på sjukhus längre än de borde. När detta tryck gör att en patient släpps tidigt är påverkan på förtroendet enorm och sjukhusets erfarenhet är tveksam. Betrakta återigen metaforen om hotellet och fabriken. Vad kostar det att tappa förtroendet när ett stort antal bilar återkallas på grund av ett processproblem i en fabrik? Dessutom, vad är effekten på kundupplevelsen om någon skyndar sig att checka in i slutet av en drömsemester?Hur kan AI hjälpa?
Att använda artificiell intelligens som assistent under dessa omständigheter kan göra stor skillnad. Genom att utnyttja den stora mängden patientdata som finns tillgänglig har sjukhusen möjlighet att implementera avancerade algoritmer för att förutsäga effekterna av olika omständigheter där vårdpersonal blir skickligare på att hantera. På så sätt visar sig AI och maskininlärning vara ett oumbärligt verktyg för att upprätthålla patientflödet. Den har förmågan att förutsäga effekten av patientdemografi på den hastighet med vilken de kommer att utvecklas i systemet, vilket gör att sjukhusen kan ha rätt resurser och undvika till och med toppar i efterfrågan eller potentiella problem. att reagera på omständigheterna. . Naturligtvis är det svårt att övervinna de år av klinisk erfarenhet och den erfarenhet som vårdpersonal använder för att bedöma patienters fysiska tillstånd: att fatta strategiska beslut om tilldelning av sängar och framtida läkning. Med det sagt, att använda maskininlärning för att bearbeta samma data och hjälpa kliniker på alla nivåer ger en bättre förståelse för patientresan. Det gör att proffs kan fokusera på att ge den bästa behandlingen och fatta strategiska beslut, baserat på data som de aldrig skulle ha tillgång till tidigare. Vissa banbrytande sjukhus utvecklar redan strategiska partnerskap med AI-kapabla företag och leverantörer. Men i diskussion med mina NHS-kollegor är det tydligt att en bristande förståelse för vad detta faktiskt innebär och hur man implementerar det med allt tunnare budgetar är en motvilja. Med cirka 1 miljon patienter som passerar genom NHS varje dag och 4,3 miljoner människor som väntar på behandling, är att driva denna anläggning väl en uppgift som måste göras i stor skala. Trycket på människor att komma in i systemet ökar snabbt och återinläggningar blir som en följd av detta. Detta gör inte bara patientens upplevelse negativ, utan sätter också mer press på systemet. Att hjälpa till att lösa detta problem kommer bokstavligen att förändra liv och gynna samhället.
Bildkredit: Shutterstock (Bild: © Bildkredit: Allt möjligt / Shutterstock)