This site uses cookies to provide you with a more responsive and personalized service. By using this site you agree to our use of cookies. Please read our cookie notice for more information on the cookies we use and how to delete or block them.

Accept and close

בינה מלאכותית בשירות מערכת הבריאות

29/03/2018

מאמר
אנליטיקס

כיצד יכולות טכנולוגיות קוגניטיביות להקל עומסים, לשפר את איכות השירות למטופלים, לחסוך כסף ולייעל את שירותי הבריאות?

שירותי הבריאות עומדים בפני אתגר לא פשוט: מחד, צורך לספק שירותי רפואה באיכות גבוהה יותר, ומטופלים המצפים לשירותים מתקדמים יותר, איכותיים יותר וזמינים יותר, ומאידך, שינויים רגולטוריים ודמוגרפיים, נסיקה בעלויות וירידה במשאבים שעומדים לרשות ספקי הבריאות.

לאור כל אלו הופך הצורך בהתייעלות מערכת הבריאות ושיפור חוויית המטופל באמצעות ידע ותובנות לדחוף ואקוטי מתמיד. כאן נכנסות לתמונה הטכנולוגיות הקוגניטיביות.

השימוש הנרחב בגיליונות רפואיים אלקטרוניים וסנסורים שונים מציף את המערכת בנתונים ברי ניתוח. באמצעות טכנולוגיות קוגניטיביות – ביניהן בינה מלאכותית, למידת מכונה, מודלי חיזוי ואופטימיזציה, ניתוח טקסט ועיבוד שפה חופשית, עיבוד תמונה, אוטומציית תהליכים ועוד – ניתן להניב מהנתונים הללו תובנות ברמה מערכתית, לפתח פתרונות ולשפר את הליך קבלת ההחלטות העסקיות והקליניות במערכות הבריאות.

להלן מספר תרחישי שימוש:

שיפור וניהול ביצועים פיננסים

בינה מלאכותית וטכנולוגיות קוגניטיביות תומכות בשיפור וניהול תקציב, הפחתת עלויות, שיפור תמחור, שיפור הליכי גבייה וכן זיהוי וטיפול בהונאות.

Use case – קידוד מדויק יותר
אנו משתמשים כיום במודלים שמנתחים את טקסט חופשי המתאר את הפרוצדורות בהן נקטו במהלך ניתוחים ומזהים מקרים עם הסתברות גבוהה לטעות בקידוד שהוזן למערכת. בעתיד גם ימליץ המודל על הקידודים המתאימים ביותר לפעולה שבוצעה. מטרת המודלים להעשיר את הרשומה הרפואית ובמקביל לשפר את הליך החיוב ולהבטיח כי בית החולים יזכה לתשלום המגיע לו מהגורם המבטח.

התייעלות תפעולית

ניצול מיטבי של משאבים והפחתת בזבוז במערכת (ניצולת חדרי ניתוח, למשל), לצד מיכון תהליכים והכנסת טכנולוגיות קוגניטיביות לשם ייעול תהליכים מוטי כח אדם וצמצום טעויות האנוש.

Use case – מסלול מהיר לאישורים
תהליך קבלת המטופלים להליך רפואי מחייב גורמים אנושיים לקרוא, למיין ולתייק טפסים ואישורים רבים. באמצעות כלים קוגניטיביים ניתן לשלוף את המידע הנדרש מהטפסים ולנתחו באמצעות מודלים אנליטיים לומדים במטרה להסיק את התובנות הנדרשות – האם התקבלו כל הטפסים המתאימים? האם הם כוללים את כל האישורים הנדרשים? האם ניתן לאשר את הפניה ולהפנות לקבלת השירות? וכן הלאה.
להקמת מסלול מהיר לאישורים יש ערך תפעולי מובהק, והוא יכול לייעל משמעותית מוקדים, להקל על עומסים ולשפר את חווית המטופל.

אספקת טיפול רפואי ברמה גבוהה יותר, ואפקטיבית יותר

ניתן לשלב טכנולוגיות קוגניטיביות בניתוח מסע המטופל ופיתוח מודלים המתריעים בפני התדרדרות או סיכון למחלות מסוימות, וכן כדי להשתמש במידע ובתובנות לטובת פיתוח תרופות וטיפולים חדשים ורפואה מתואמת אישית. כמו כן, ניתן לשלב כלים אלו במאמצים לשמירה על בריאות הציבור.

Use case – חיזוי התדרדרות חולים במחלה כרונית
פיתחנו מודלים המנתחים מידע רפואי קליני מובנה ולא מובנה, לרבות סיכומי רופא מטפל, מרשמים וקנייתם בפועל, אבחנות נוספות, אשפוזים וכן הלאה, על מנת לחזות את הסיכון להתדרדרות חולים במחלה כרונית. המודל יספק אינדיקציה לסיכון להתדרדרות במצבו הרפואי של המטופל, מה שיאפשר לשפר את איכות הטיפול הרפואי ולהקצות משאבים ממוקדים לטיפול במטופלים בסיכון.

ניהול סיכונים

ניתן להשתמש בעושר המידע שמתקבל מסנסורים וגיליונות אלקטרוניים לטובת מחקר וזיהוי גורמים שמשפיעים על חשיפה לסיכונים תפעוליים ומקצועיים ולהיערך בהתאם. טכנולוגיות קוגניטיביות יכולות לשפר את יכולות זיהוי וניהול סיכונים לספקי בריאות ע”י פיתוח מודלים מתקדמים לזיהוי חריגות וסימנים מעידים, והתראה עליהם בזמן אמת לספקי השירות.

Use case –עמידה בפרוטוקול טיפול
הרגולטור וספקי שירותי הבריאות עצמם מגדירים פרוטוקול טיפול – הנחיות כיצד לפעול במצבים מסוימים ואיזה מידע מחויבים נותני השירות להעביר למטופל. אי עמידת הגורמים המטפלים בפרוטוקול יכול לפגום בהליך הטיפולי ולחשוף את הארגון לתביעות רשלנות. המודלים שלנו מנתחים את הטקסט החופשי והמלצות הרופא בסיכום הביקור – לרבות המידע המובנה בהפניה לבדיקות ותוצאות הבדיקות – במטרה לזהות אי עמידה בפרוטוקול הטיפול, ובכך לצמצם סיכונים עבור ספק השירות ולשפר את הטיפול הרפואי והשירות למטופל.

שיפור חווית המטופל

כלים קוגניטיביים ודיגטליים מאפשרים להתאים באופן אישי את חווית השירות לכל מטופל, לשלב מיכון אוטומטי ומודלים על מנת לקצר תהליכים בירוקרטיים כגון קבלת אישורים וזכאויות למיניהם, ולהוביל לחווית שירות חיובית יותר ולשיפור מצבו הבריאותי של המטופל.

Use case – הנעת מטופל באופן מותאם אישית
שילוב של ביג דאטה, ניתוח מידע מתקדם, טכנולוגיות קוגניטיביות ומדעי ההתנהגות מאפשרים לנו לנתח וללמוד את ההעדפות והגורמים המניעים את הליך קבלת ההחלטות של כל מטופל ולפתח תוכנית מותאמת אישית להנעת מטופלים לשמירה על משטר טיפולים בהתאם לארכיטייפ ההתנהגותי של כל מטופל (משתף פעולה, תחרותי, הישגי וכדומה). הטמעת יכולת הנעת מטופל מותאמת אישית יכולה להוביל לשיפור חווית המטופל לצד תוצאות בריאות טובות יותר, בפרט למטופלים הסובלים ממחלות כרוניות.

 

כתבה: טל דובב-זלצר, מנהלת, מובילת תחום Analytics Health Care ב- Deloitte Analytics.
ליצירת קשר: tdovev@deloitte.co.il

 

 

שתפו את המאמר:

לכל המאמרים

כלל הפתרונות של Deloitte

צמיחה עסקית
רגולציה ומקסום ערך
שיפור ביצועים
ניהול סיכונים