ÜGYFÉL: Jelentős amerikai egészségügyi tervKÍVÜLÖNTÉS: Teljes átláthatóság biztosítása valós időben arról, hogy mely egészségügyi terv tagjai vannak sürgősségi osztályon vagy kórházba felvéve Er
edmény: 30 nap alatt elkészültegy valós idejű műszerfal alkalmazás, amely gépi tanulási képességekkel kiegészítve 20%-kal csökkentette a klinikai felülvizsgálati költségeket
Az Egyesült Államok egyik nagy nyugati parti egészségügyi tervének vezető főorvosa teljes átláthatóságot kért arról, hogy ki van a kórházban egy adott pillanatban. Tekintettel arra, hogy a társaság már dolgozott az InterSystems-szel az egészségügyi információcsere területén, a vállalati adat- és elemzési igazgató magabiztosan válaszolt: "Igen, meg tudjuk csinálni." "Meg tudják csinálni hat hónap alatt?" - kérdezte a CMO. A válasz? Szintén: igen.
Az eredmény, amelyet kevesebb mint 30 nap alatt hoztak létre, az egészségügyi terv "Bed Board" alkalmazása volt, amely az egészségbiztosítók körében gyakori kihívásokra adott válasz.
Az egészségügyi terv 2 millió embert biztosít több nyugati államban. Naponta faxokat, e-maileket és telefonhívásokat kap több kórháztól, és ezekből napi "összeírást" készít arról, hogy mely tagok kapnak sürgősségi vagy fekvőbeteg-ellátást, és hol tartózkodnak. A cél az, hogy ezeket az információkat felhasználjuk:
- Az esetek áttekintése és rangsorolása orvosi kezelés és nyomon követés céljából
- Az optimális ellátás biztosítása
- A felesleges vizsgálatok, kezelések, kórházi kezelések vagy nem megfelelő ellátás költségeinek elkerülése
Az egészségügyi tervnek a felvételt követően 24 órája van arra, hogy megállapításokat tegyen olyan kérdésekben, mint az orvosi szükségesség vagy a kezelés megfelelősége, ha beavatkozik. A régi módszer - az összes adat szintetizálása különböző papírlapokon - lassú és nem hatékony folyamat volt. Mire a megfelelő emberekhez eljutott a megfelelő információ, gyakran már túl késő volt ahhoz, hogy befolyásolni lehessen a nyújtott ellátást. Az ágytábla alkalmazás ezt teljesen megfordította.
Valós idejű műszerfal gépi tanulási betekintéssel
A Bed Board egy műszerfal alkalmazás, amelyet gépi tanulással kiegészített betekintésekkel bővítettek. A klinikai és üzleti csapatok számára valós idejű betekintést nyújt az akut ellátásban részt vevő egészségügyi tervtagok állapotába. Az InterSystems HealthShare szoftver kulcsfontosságú volt a Bed Board sikeréhez, mivel lehetővé tette az egészségügyi terv számára, hogy:
- Kapcsolatok létrehozása és a több külső adatfolyamból származó adatok automatikus összesítése
- A bejövő adatokban minden egyes tervtag egyedi azonosítása
- A beérkező elektronikus egészségügyi nyilvántartási információk integrálása a terv igénylési adataival
- Normalizálja az összes adatot a későbbi elemzésekhez és jelentésekhez való felhasználáshoz
- Tiszta adatok táplálása a terv gépi tanulási algoritmusaihoz és az adatvizualizációs eszközökhöz, például a Tableau-hoz
- Támogató adatok bemutatása, amikor a felhasználó a Bed Board legfelső szintű, interaktív kijelzőjén lefelé fúrja az adatokat
Az ilyen típusú megoldások létrehozásának legidőigényesebb lépése általában a valós idejű adatfolyamok összesítése és normalizálása. A HealthShare segítségével ez a munka kevesebb mint egy hónap alatt befejeződött.
A hatékonyság növelése
Mostantól, amikor egy tervtag bejelentkezik a sürgősségi osztályon vagy kórházba kerül, az ágytábla egy percen belül frissül. A HealthShare azonosítja a tagot a beérkező elektronikus egészségügyi nyilvántartási adatok és a meglévő kárigényadatok között, és a tagi szintű információkat a klinikai felülvizsgálati tevékenységet támogató munkasorokba helyezi. Minden egyes új eseménynél - orvos kijelölése, előzetes diagnózis felállítása vagy betegfelvétel - a HealthShare frissíti az ágytáblát.
Az összes információ egy helyen történő tárolásának megnövekedett hatékonysága, valamint az a képesség, hogy a műszerfalon lefelé haladva minden egyes betegről részleteket kapjon, lehetővé teszi a terv klinikai részlegének, hogy a 24 órás célon belül elvégezze a felülvizsgálatokat.
Az ágytábla a terv földrajzi területein a felvételi mennyiségeket és mintákat is korrelálja a tagok demográfiájával, diagnózisával és az ellátás helyével. A klinikai részleg ezeket az információkat a lefedett régiókban a felhasználás szélesebb körű tendenciáinak nyomon követésére használja fel.
A befektetés megtérülésének 20%-os növelése
A HealthShare aggregált, normalizált és folyamatosan frissített adattárolójával az egészségügyi tervnek megvolt az alapja a gépi tanulási képességek hozzáadásához az ágytábla alkalmazáshoz. A Bed Board most már nem csak összegyűjti az adatokat a felhasználók számára, hanem intelligenciát is alkalmaz rájuk, hogy csökkentse a felhasználók munkaterhelését. A gépi tanulási réteg irányítja a felülvizsgálati csoportokat, hogy a maximális hatás érdekében hova összpontosítsanak.
Egyes esetekben a gépi tanulási algoritmusok a klinikai felvételek klinikai felülvizsgálatát a klinikus bevonása nélkül is képesek elvégezni. Korábban a vizsgált felvételek húsz százalékát olyan tagok tették ki, akiknek egyértelműen kórházi kezelésre volt szükségük. Az ágytábla segítségével elkerülhető a klinikusok bevonása ezekbe az esetekbe, így időt takarít meg, és lényegében 20%-kal csökkenti a klinikai felülvizsgálat adminisztratív költségeit.
A valós idejű adatok megragadása nagyobb ellenőrzést biztosít
A terv ágytábla-alkalmazása jól mutatja a gépi tanulás és az ellátás longitudinális, valós idejű nyilvántartásának kombinációjának értékét. A valós idejű adatok átláthatósága és az, hogy kérdéseket tudunk feltenni arról, hogy mi történik, megváltoztatja a játékot. Ez lehetővé tette a Terv számára, hogy megértse a napi munkafolyamatokat, és tudja, ha egy adott létesítményben vagy régióban valami kezd kicsúszni a kezéből.
