Nutzung von KI und ML zur Identifizierung dringlicher Nachrichten im Patientenportal

Baystate Health, ein gemeinnütziges, integriertes Gesundheitssystem, das mehr als 800.000 Menschen im westlichen Neuengland versorgt, nutzt KI und ML zur Erkennung dringlicher eingehender Nachrichten, die über das MyBaystate-Patientenportal gesendet werden. Der Ansatz verbessert die Patientenversorgung, verringert das Risiko und führt das Personal zu höherer Produktivität, indem Contact Center-Agenten, Krankenpfleger und Klinikpersonal in die Lage versetzt werden, potenziell zeitkritische Patientenkommunikation schnell, einfach und zuverlässig zu identifizieren.

Baystate hat mit InterSystems zusammengearbeitet, um seine KI- bzw. ML-Vision in die Tat umzusetzen. InterSystems entwickelte ein KI-Modell unter Verwendung eines LLM (Large Language Model), um das Projekt auf der Grundlage der Angaben von Baystate zu unterstützen. Ein multidisziplinäres Team, bestehend aus Baystate-Mitarbeitern und Fachexperten von InterSystems arbeiteten eng zusammen, um das Modell zu verfeinern und zu trainieren.

InterSystems stellte auch Fachwissen in den Bereichen Datenwissenschaft und KI bereit und arbeitete mit Ärzten und Führungskräften von Baystate zusammen, um die Vorteile der Technologie zu erläutern und mögliche Bedenken und Missverständnisse zu zerstreuen.

Baystate nutzt die InterSystems Personal Community als Basis seines MyBaystate-Portals. Das Portal verbessert die Patientenerfahrung und -zufriedenheit, indem es den Patienten ermöglicht, ihre Pflegeunterlagen und Testergebnisse einzusehen, Termine und Rezepte anzufordern und mit Anbietern zu kommunizieren – einfach und sicher.

Das Patientenportal ist nur für nicht dringliche Angelegenheiten bestimmt. Deutliche Hinweise weisen die Patienten an, das Portal nicht für medizinische Notfälle zu nutzen. Dennoch tun Patienten gelegentlich genau das. Tatsächlich werden etwa 6 % der Nachrichten im Patientenportal von den Baystate-Mitarbeitern als klinisch dringend eingestuft.

In der Vergangenheit wurden diese zeitkritischen Nachrichten dem Klinikpersonal in den Baystate-Praxen und -Gesundheitszentren sowie den Contact Center-Agenten, die Termine planen und andere Routineanfragen bearbeiten, nicht als Priorität angezeigt. Die Empfänger hatten keine Möglichkeit festzustellen, welche ihrer zahlreichen Nachrichten die sofortige Aufmerksamkeit des Klinikteams erforderten, ohne jede Nachricht einzeln zu überprüfen.

"Das Portal ist bei unseren Patienten sehr beliebt", erklärt Jennifer Barrett, Contact Center Director, Baystate Health. "Es ist nicht ungewöhnlich, dass man an einem Montagmorgen 120 Terminanfragen vorfindet, die am Wochenende eingegangen sind. Unsere Sachbearbeiter mussten sich jede einzelne Anfrage ansehen, um sicherzugehen, dass sie nicht dringend war. Wir weisen die Patienten ausdrücklich darauf hin, dass sie das Portal nicht nutzen sollten, um Notfalltermine zu vereinbaren, aber es kommt trotzdem vor."

Krankenschwestern und -pfleger in ambulanten Praxen sahen sich ähnlichen Herausforderungen gegenüber, wenn es darum ging, eingehende Nachrichten zu sortieren, um festzustellen, ob sie zur sofortigen Bearbeitung an einen Arzt weitergeleitet werden mussten. Und selbst wenn eine Krankenschwester eine dringende Nachricht identifiziert und weitergeleitet hatte, bestand immer noch die Möglichkeit, dass sie im überfüllten Posteingang von Oracle Health¹ des vielbeschäftigten Klinikers unbemerkt blieb, da Kliniker oft unter Zeitdruck stehen und eine große Anzahl von Nachrichten erhalten.

Mit Hilfe von InterSystems implementierte Baystate ein KI/ML-basiertes System zur automatischen Erkennung dringender Nachrichten in den KIS- und CRM-Plattformen. Zeitkritische Nachrichten werden jetzt mit einem Sternchen gekennzeichnet und sind für Contact Center-Agenten, medizinische Assistenten, Krankenschwestern, Ärzte und andere Teammitglieder leicht zu erkennen.

Ein abteilungsübergreifendes Baystate-Team überprüfte eine Sammlung historischer Patientenkommunikation, um Nachrichten zu kennzeichnen, die im KI-Modell als dringend eingestuft werden sollten. Da das KI-Modell auf realen Patienteninteraktionen basiert, spiegelt es die lokalen Sprachmerkmale der Baystate-Patienten genau wider und kann in Zukunft problemlos auf andere Anwendungen ausgeweitet werden.

"Die Mitarbeiter und die Partnerschaft mit InterSystems waren fantastisch", sagt Ken Riley, Director of Patient Technologies, Baystate Health. "Wir hatten kein großes internes KI-Fachwissen oder Erfahrung im Umgang mit LLMs Das Team von InterSystems hat das Modell entwickelt und sich mit unseren Stakeholdern getroffen, um ihnen die Funktionsweise und den technischen Hintergrund zu erklären."

Baystate führte ein Pilotprogramm durch, um das Modell zu validieren und abzustimmen, bevor es in vollem Umfang in der Produktion eingesetzt wurde. Fehler und falsch-positive Ergebnisse ließen sich dadurch reduzieren, und die anfänglichen Schwierigkeiten des Modells, den Kontext zu verstehen, wurden beseitigt. (z. B. hätte das Modell die Nachricht „Vor einigen Monaten war ich mit starken Magenschmerzen in der Notaufnahme“ möglicherweise fälschlich markiert, weil der Begriff „Magenschmerzen“ herangezogen wurde.)

"Ich war erstaunt, wie gut die Technologie funktionierte und wie genau sie dringende Symptome erkennen konnte", erinnert sich Ausschussmitglied Michelle Phillips, RN, Director Ambulatory Nursing, Baystate Health. "Es ist einfach unglaublich, wie das Modell lernt und mit der Zeit immer genauer wird.

Das KI-Modul, das auf einem Technologie-Stack von InterSystems läuft, ist jetzt in Produktion und unterstützt vier Gesundheitszentren und zwölf Primärversorgungspraxen. Die Lösung trägt zur Verbesserung der Versorgungsqualität bei, da Baystate dringende Patientenkommunikation viel schneller und effizienter erkennen und darauf reagieren kann.

"Das Projekt war ein großer Erfolg für uns. Es ist wie ein zusätzliches Paar Augen, was vor allem an sehr arbeitsreichen Tagen sehr hilfreich ist", erklärt Barrett. "Wir hatten kürzlich eine Situation, in der ein Patient über das Portal Brustschmerzen meldete, und wir konnten ihm sehr schnell die richtige medizinische Versorgung zukommen lassen, da die Nachricht als dringlich gekennzeichnet war."

"Auch die Kliniker sind sehr zufrieden damit", fügt Phillips hinzu. "Es hilft uns, die Arbeitsabläufe in der Praxis zu optimieren und erleichtert uns die Identifizierung von Portalnachrichten, die einen schnellen Rückruf erfordern."

Für die Zukunft planen Riley und sein Team den Einsatz von KI, um die Qualität der Pflege und die Produktivität der Mitarbeiter weiter zu verbessern. "Der nächste Schritt ist die automatische Weiterleitung der entsprechenden Nachrichten an die richtige Abteilung oder den richtigen Arzt, um menschliche Wartezeiten zu verkürzen, Ressourcen freizusetzen und Antworten zu beschleunigen", erklärt Riley. "Darüber hinaus prüfen wir den Einsatz von KI und LLM für eine Reihe verschiedener Anwendungsfälle, wie z. B. die automatische Beantwortung nicht dringender Nachrichten und die automatische Statuskennzeichnung bezüglich der Einhaltung von Qualitätsmaßnahmen für die Berichterstattung."

---

1 - Ehemals Cerner