宾夕法尼亚大学卫生系统在其Penn Medicine BioBank中拥有大量匿名的患者数据，SVP兼CIO的Michael Restuccia的团队看到了利用这些数据造福研究医院患者的机会。
“我们讨论了如何将AI研究中的一些创新应用到诊所中去。”他说。这导致了基于AI的诊断工具的创建，该工具可以自动评估典型腹部CT扫描生成的500多张图像，帮助早期诊断肝脂肪变性，即更为人熟知的脂肪肝病。这类系统还可以帮助优先安排放射科医生应该首先审查的扫描。
宾夕法尼亚大学佩雷尔曼医学院放射学副教授兼副主任Charles Kahn补充说，能够利用有关人群的信息来观察个体与其他群体的差异，从而可以通过早期发现疾病进行干预。“这就是精准医疗，”他说，“这只是我们能够做的事情的一个原型。”
宾夕法尼亚大学只是获得CIO100奖项的创新医疗提供者中的一员，他们正在推动医疗数字化的边界。斯坦福医学院儿童健康、迈阿密大学卫生系统和大西洋健康都在精准医疗、机器学习、环境文档等领域进行了项目推进。德勤咨询公司负责AI实践的首席专家Bill Fera博士说：“从临床角度看，我们在放射学、诊断服务和病理学方面看到了进步。”
宾夕法尼亚大学的AI首创
基于AI的CT扫描分析系统是首批被部署到临床实践中的系统之一，部分原因是研究驱动的学术医学实践可以自行构建和运行工具，而无需通过医疗产品制造商获得FDA批准所需的严格流程。“我们不能免费赠送或出售它，但我们可以在我们的实践中使用它。”Kahn说。
不过，这个系统不是一夜之间形成的。Penn Medicine信息服务应用副主任Donovan Reid说：“可能花了两年时间算法才真正准备好投入生产。”又过了四年，系统终于在去年准备好投入生产。
由于算法需要大量处理资源，团队决定将其托管在云端。数据加密后被发送到云端进行处理，结果流回到放射报告中。为此，IT团队开发了一个AI协调器，计划作为开源工具提供给其他医疗提供者。“让它可用将对社区服务医院产生影响。”宾夕法尼亚大学研究教授Walter Witschey说。
在系统上线前，团队也面临了一些挑战。IT担心成像数据流对基础设施的影响，计算资源必须与任何时候成像研究的需求相匹配。“我们接收到的量比预期的要大得多，”应用经理和项目主席Ameena Elahi说，而且系统必须快速生成结果。“医生希望立即得到解释，而不是在凌晨四点。”她补充道。
令人惊讶的是，除了劳动力成本外，直接成本每月只有大约700美元。“我们变得很有创造性，使用了我们已有的工具和应用程序。”Elahi说。到目前为止，该系统已经处理了超过6000次扫描，现在团队计划扩展到包括医院系统每年进行的150万次成像扫描中的更多部分。“我们正在扩大协调器的规模，以处理各种不同类型的研究。”她说。
大西洋健康的环境文档
当大西洋健康系统研究减少医生倦怠的方法时，IT团队专注于优化患者就诊期间的文档效率，并减少EVP兼首席信息和数字转型官Sunil Dadlani所称的“篮内负担”。
技术实际上增加了临床医生的负担。“例如，电子健康记录(EHR)系统是导致压力的最常见原因之一，”Dadlani说，“医生花在EHR上的时间比花在患者身上的时间还多。”医生们经常把一些文档工作带回家，Dadlani和其他医疗CIO称之为“睡衣时间”。此外，随着消费者变得更加数字化，家庭和工作的界限也变得模糊。“这是导致倦怠的关键原因之一。”他说。
项目从小组开始，包括所有利益相关者的代表。在与临床医生定义问题后，合作团队制定了战略，医生们全程参与其中。“他们甚至参与了技术选择。”Dadlani说，然后，IT团队为4800名临床医生部署了一个环境文档系统。
环境文档，也称为环境监听技术，是一种AI算法，能够监听临床医生和患者之间的对话，并实时创建临床医生可以审核并保存到患者记录中的笔记。“在很多情况下不需要编辑。” 德勤咨询公司的Fera说。
新系统使医生有更多的时间与患者面对面，而不必担心创建文档。现在有80%到90%的医生使用它——Dadlani说，这个数字并不容易达到。
项目规划的一部分是确保前沿技术能够与Atlantic Health现有的四到五年的技术框架集成。“你还必须了解在工作流程中的何处使用这些技术而不会产生上游或下游的问题，”Dadlani说，而且IT的责任并不仅仅是部署。“这些技术有性能漂移，所以你必须在其整个生命周期中进行审计和监控。”他补充道。
为了减少“篮内”工作量，团队分析了入篮内容，并创建了诸如处方续药请求、预约安排和需要护理团队处理的事项等类别，然后，它创建了一个系统，将消息分配给适当的人，并应用GenAI创建可以由医生审核、编辑和发送的回复。没有任何回复会在没有人工审核的情况下发出。“这非常重要，”Dadlani说，“今天，在提供者满意度和效率方面，我们在全国处于前列。”
迈阿密大学卫生系统优化调度
迈阿密大学SVP兼CIDO David Reis面临着一种不同的时间管理问题：外科医生在HR系统中预订的假期和其他不在办公室的时间没有与学术医疗中心的25个以上手术室的调度系统连接起来。
“没有任何东西告诉手术室调度人员某位医生不在。”他说，这导致宝贵的手术时间块未被使用。因此，根据一位医生领导的建议，Reis组建了一个团队，创建了一个基于机器学习的主动系统，提供手术室时间块分配和那些预订了这些时间块的数百名外科医生之间冲突的实时通知。
算法需要集成两个独立的平台：HR端的Workday和电子医疗记录系统Epic。“我们想要一个无限可扩展且高度可靠的解决方案。”迈阿密大学卫生系统的首席企业架构师Ravi Akkiraju说，但他不想重新发明轮子。因此，团队首先联系了供应商。“Epic没有手术时间块的API，Workday也没有。”他说。所以，他们与Workday合作，创建了一个与Epic后端数据库及其篮内功能交互的API。
使新系统上线并运行需要时间，并且需要相当多的手工工作。“Epic系统中有成千上万的数据表和数十万个数据字段，”他说，“我们必须确定哪些适用于我们正在谈论的调度，因为这是一个新颖的集成。没有数据字典告诉我们，‘去这里。’”
系统启动并运行后，手术室能够填补265个本来会闲置的时间段。“两百六十五名患者能够更早接受手术。”Reis说，在前六个月内，额外完成了超过200小时的手术。
斯坦福医学儿童健康中心构建新的路线图
斯坦福儿童医院有大量的癌症患者，但直到去年，为每位患者定制的治疗协议或路线图大多仍然是纸质的。
“我们的EMR供应商Epic在这方面没有任何东西，我们找不到满足我们需求的任何东西。”斯坦福CIDO Tanya Townsend说，因此团队构建了自己的集成，将电子病历(EMR)链接到托管患者路线图的Microsoft SharePoint系统。
该项目花了八个月时间构建，但现在，她说，临床医生可以打开患者记录，如果有路线图，患者图表中会出现一个横幅，将临床医生带到SharePoint文档。目前有超过500名工作人员使用该系统，系统中包含超过1000个患者路线图。
Fera预计我们将看到更多开放的EMR系统API供医疗机构使用，这将为此类项目节省时间和金钱。“法规正指引我们朝这个方向发展，”他说，“打开EMR，这是创新的起点。开放的API将允许在EMR之外进行创新，我们有更多加速发展的机会。”
医疗数字化的下一步
斯坦福的Townsend说，更多的创新即将到来。“我们正在考虑使用AI来提高临床医生的效率和收入周期自动化，以减少拒绝和提前授权，”她说，“我们还在使用机器人过程自动化来节省大量时间。”
团队还在进行一个环境文档试点，以及一个让患者与提供者沟通的篮内试点项目，并使用AI自动生成可能的回复。“理论上，响应时间和周转时间应该会有所改善，”她说，“有这么多机会，CIO们要确保他们为正确的原因做正确的事情，在一开始就了解预期结果，意识到并非所有事情都会达到预期，并迅速调整。”
Restuccia说，Penn也在推出更多的临床健康工具，包括环境监听，并正在推进一个基于AI的图表摘要工具。“当我们见到患者时，他们通常会带着来自不同健康系统的各种并发症，”他说，“图表摘要工具将减少医生的负担。”在患者参与方面，他预计更多的自我预约、评估工具、临床试验信息获取、在线支付以及与护理团队互动的更好方式。他还预计将更多地利用从每年数百万次门诊和数千次住院中收集的数据进行分析。
迈阿密大学的AI使用也在加速，Reis说：“我们有超过100个AI项目正在进行，其中约20个已完成。”其中80%是用于编码和账单——这些是低垂的果实。此外，Fera补充道，GenAI有望通过自动化授权、裁决和上诉解决来提高后台生产力。
但目前，大多数医疗创新仍集中在后台。“这些项目更多是关于减少行政和文档负担，”Restuccia说，“但对于AI在直接患者护理中的能力，我们仍有些犹豫。”
Reis说，通过环境听写，“我们正在发明更好的方法让EMR系统捕捉对话，但我们尚未发明一种让提供者避免在健康记录中频繁点击的方法。”他说，提供者仍然需要“点击几十次来记录患者的就诊情况。”
Fera补充道，医疗记录系统是一个仍需数字化的领域，他指出，其中许多数据仍然是电子化而非数字化的。“通过数字化，患者和临床医生之间的互动将发生根本变化，”他说，并指出许多重要的进展，如环境监听，正在医疗记录系统之外发生。“在某种程度上，如果我们能让电子病历成为记录系统而非工作系统，我们就可以在EMR之上进行创新，使工作流程更加适合和直观。”他说。
现在的推动力是消除工作，而不是让用户使用技术来完成工作。“我们还没有达到技术能够消除工作的地步，但我们正处在GenAI将实现这一点的边缘。”Reis说。
