Ang Pinakabagong AI Tool ng Microsoft ay Mahuhulaan ang Mga Napalampas na Appointment ng Doktor

Sa pagitan ng kakulangan ng mga sinanay na manggagamot, kakulangan ng mga kawani ng nursing, at pangkalahatang pagkasira sa mga manggagawa sa pangangalagang pangkalusugan, ang pagkuha ng appointment ng doktor ay hindi isang madaling gawain sa modernong klinikal na tanawin. Sa katunayan, ang halaga ng oras para sa mga appointment ay hindi kailanman naging mas mataas.

Ang piraso na ito ay eksakto kung ano ang sinusubukang tugunan ng pinakabagong artificial intelligence (AI) tool ng Microsoft: pagbabawas ng mga napalampas na appointment sa pangangalagang pangkalusugan. Merav Davidson, Microsoft Vice President of Industry AI, ay sumulat sa Microsoft Industry Blogs: “Ang taunang halaga ng mga hindi nakuhang appointment sa industriya ng pangangalagang pangkalusugan ay higit sa $150 bilyon sa US lamang. Ang mga napalampas na appointment ay hindi lamang humahantong sa pagbaba sa kalusugan ng mga pasyente, ngunit ang mga epekto sa ekonomiya ng mga hindi nagpapakita ng pasyente ay makabuluhang nakakaapekto sa mga operasyon ng klinika at mga kalkulasyon ng nakapirming gastos, na nagreresulta sa labis na kawani at hindi nakaiskedyul na downtime, na sa huli ay nag-iiwan sa mga tagapagbigay ng pangangalagang pangkalusugan na nahihirapan sa pang-araw-araw na operasyon.

Itinampok ni Davidson ang isang mahalagang kababalaghan. Ang mga napalampas na appointment ay hindi lamang nakakapinsala sa pasyente, kundi pati na rin sa buong clinical ecosystem. Halimbawa, kung ang isang pasyente ay hindi lumabas para sa kanilang inilalaan na puwang, ang silid na iyon ay hindi na magagamit para sa yugto ng panahon na iyon. Sa karamihan ng mga sitwasyon, hindi lamang ito mapupuno ng susunod na tao sa pila, dahil ito ay isang serbisyong nakabatay sa appointment, at ang susunod na tao ay malamang na hindi darating hanggang sa kanilang inilaan na oras. Kahit na ang isa o dalawang napalampas na mga puwang ng appointment ay maaaring bale-wala, kapag tiningnan sa isang holistic na pananaw, ang hindi nagamit na oras na ito ay nagkakahalaga ng system ng bilyun-bilyong dolyar taun-taon. Ang mas mahalaga, marahil, ay ang katotohanan na ang isang nasayang na appointment ay isang napalampas na pagkakataon para sa ibang tao na talagang kailangan na magpatingin sa isang manggagamot ngunit hindi nakapasok. Dahil ang mga kasalukuyang listahan ng paghihintay para sa mga doktor sa pangunahing pangangalaga ay nangangailangan ng mga buwang oras ng paghihintay sa buong bansa, ito ay isang tunay na problema.

ADVERTISEMENT

Ang tool ng Microsoft ay naka-embed sa kanyang matatag na Cloud for Healthcare platform at may madaling learning curve: “Ang modelo ay madaling i-deploy at maaaring sanayin sa loob lamang ng dalawang oras, na iniiwan ang healthcare provider na handa na gamitin ang solusyon sa loob lamang ng isang araw. Ang handog na ito ay nakikinabang kapwa sa mga clinician at pasyente. Gamit ang user-friendly at pamilyar na interface, ang hula sa mga napalampas na appointment ay nagbibigay ng kapangyarihan sa mga kawani ng opisina at mga clinician na mahulaan ang mga hindi pagsipot ng pasyente nang walang pagsasanay sa data science o staffing."

Ipinaliwanag pa ni Davidson na "Ang iba't ibang uri ng data ng pag-input ay natagpuan na makabuluhan sa paghula ng mga napalampas na appointment sa domain ng pangangalagang pangkalusugan. Ang mga demograpiko, makasaysayang pattern, panlipunang determinant, at data ng appointment gaya ng uri at oras ng araw ay mga halimbawa ng input na magagamit ng mga pangkat ng pangangalaga upang sanayin ang modelo." Ang mga intricacies sa likod ng software ay ipinaliwanag nang detalyado ng Microsoft, na iginigiit din na "Ang modelo ay hindi pa nasanay at kakailanganing sanayin ng user ng isang healthcare provider."

ADVERTISEMENT

Kapansin-pansin, ang mga klinika at mga setting ng outpatient ay hindi lamang ang mga lugar na posibleng makinabang ang tool na ito. Sa kalaunan ay maaaring magkaroon ng malaking papel para sa software na ito sa halos lahat ng mga klinikal na setting, mula sa departamento ng emerhensiya hanggang sa mga sitwasyon ng pangangalaga sa inpatient.

Sa katunayan, kahit na ang AI engine na ito ay malamang na nangangailangan ng higit pang trabaho at pagsubok bago ang buong potensyal nito ay ganap na maisakatuparan, ang konsepto ay nangangako patungkol sa paggamit ng data at mga sukatan ng layunin upang mapabuti ang mga klinikal na resulta.