به گزارش ایسنا، امروزه بیمارستان‌ها و مراکز درمانی پیشرو با پیاده‌سازی سامانه‌های یکپارچه هوشمند و داده محور و همچنین بهره‌گیری از فناوریهایی نظیر هوش مصنوعی (AI)، بر بهبود فرایند تشخیص و درمان با کمک گرفتن از «سیستم‌های پشتیبان تصمیم گیری» (Decision Support System)، تمرکز کرده‌اند.

الگوریتم های هوش مصنوعی بطور فزایندهای برای بهبود تشخیص بالینی علائم بیماری در زمینه هایی مانند رادیولوژی، پوست، گوارش، چشم پزشکی و آسیب شناسی مورد استفاده قرار گرفته‌ است، با این حال، تمرکز بر رویکرد تحول دیجیتال، فقط بمنظور بهبود تشخیص‌های پزشکی، اشتباه است. بیمارستان‌ها می‌توانند در چندین حوزه کلیدی از تحول دیجیتال برای بهبود مستمر برنامه‌های عملیاتی و ایجاد ارزش و مطلوبیت برای ذی‌نفعان، شامل بیمار، کادر درمان، نوبت دهی و مدیریت زنجیره تامین استفاده کنند.

در همین رابطه، مهدی حسینی - مدیر ارشد سلامت هوشمند فناپ زیرساخت - در گفت و گو با ایسنا، با بیان اینکه، از آنجا که بیمارستانها تلاش می کنند مراقبت های مناسب و سفارشی‌سازی شده را در زمان مناسب به یک بیمار مشخص، ارائه دهند بنابراین انجام دو کار ضروری است، اظهار کرد: نخست ارزیابی دقیق فرایند تشخیص و درمان بیماران و دوم مدیریت موثر منابع بیمارستانی. برخی از آنها برای فرایند تشخصی و درمان تا حدودی آموزش دیده اند، اما مهارت و قابلیت لازم برای مدیریت موثر منابع بیمارستانی ندارند و این مسئله چالش‌برانگیزی است، به ویژه در دورانی که همه گیری کووید-۱۹ به اوج رسیده بود، این موضوع فشار بالایی بر ظرفیت بیمارستانها وارد کرد.

وی افزود: در بیمارستان، سیستم‌های عملیاتی «پشتیبان تصمیم‌گیری» که مبتنی بر داده‌ها هستند (Data Driven DSS)، می‌توانند بینش‌های ارزشمندی را برای کمک به تصمیم‌گیری‌ در حوزه های تریاژ (اولویتبندی بیماران برای بهرهمندی از درمان)، پذیرش و ترخیص ارائه دهند. برای مثال، وقتی در بخش پذیرش مطمئن نیستند که بیمار تازه وارد،پ باید به آیسییو فرستاده شود یا به بخش عمومی، یک الگوریتم پشتیبان تصمیمگیری می تواند توصیه هایی را براساس اولویت‌های پیش بینی ‌شده برای پذیرش در آی سی یو ویژه آن بیمار خاص ارائه دهد.

حسینی ادامه داد: بررسی داده های عملیاتی بیش از ۱۹۰ هزار مورد بستری در ۱۵ بیمارستان نشان می دهد، بیمارانی که می‌بایست در آی سی یو پذیرش می‌شدند، اما در بخش دیگری از بیمارستان (برای مثال، بخش عمومی) بستری شده اند، دوره اقامت طولانی‌تری در بیمارستان داشته و نرخ پذیرش دوباره آنها هم افزایش یافته است.

او گفت: اگر ظرفیت آی سی یوی مورد نظر محدود باشد، مسئولان بیمارستان ممکن است گزینه های مختلفی مانند بستری کردن بیمار در یک واحد دیگر (مثلا، آی سی یوی جراحی بجای پزشکی) یا ترخیص بیمارانی که در حال حاضر در آی سی یو هستند را برای ایجاد فضا در آی سی یو درنظر بگیرند و البته برپایه تحقیقات گزینش هر یک از این دو رویکرد، پیامدهای مهم و ناخواسته ای دارند. الگوریتم‌های پشتیبان تصمیم گیری می‌توانند این پیامدها را کاهش دهند، هزینه‌ها و منافع انتخاب‌های مختلف را بسنجند و توصیه‌های مناسب ارائه دهند.

وی در ادامه سخنانش تشریح کرد: از الگوریتم‌ها همچنین می‌توانیم برای خودکارسازی وظایف عملیاتی استفاده کنیم. در یک مجموعه آزمایش‌ها از پزشکان و کارکنان «آمازون مکانیکال ترک» Amazon Mechanical Turk خواسته شد یک واحد بیمارستانی شبیه‌سازی شده را مدیریت کنند، یافته‌های این آزمایش‌ها نشان داد سوگیری‌های رفتاری و خطاهای تصمیم‌گیری مبتنی بر شناخت، ممکن است بر تصمیم‌های عملیاتی تأثیر بگذارند. با جدا کردن تصمیم گیری به دو بخش بالینی و عملیاتی و استفاده از الگوریتم‌ها برای خودکارسازی مؤلفه عملیاتی به نتایج بهتری می‌انجامند.

طبق گفته حسینی در بخش های بیمارستانی، الگوریتم‌های یادگیری ماشین (Machin learning) و پشتیبان تصمیم گیری می‌توانند برای پیش‌بینی تعداد مورد انتظار پذیرش ها، ترخیص‌ها و انتقال بیماران به بخش استفاده شوند و این پیش‌بینی‌ها، روند اقدامات بعدی را هدایت می‌کنند و بدین ترتیب روند گردش تخت‌های بیمارستان تسهیل می‌شود، سفر بیمار بهبود می‌یابد و از مدت اقامت بیماران کاسته می‌شود.

او در ادامه سخنانش با بیان اینکه پیش‌بینی‌های هر بخش‌ در کارتابل مدیریت تخت‌ها در کل بیمارستان نه تنها وضعیت فعلی هر بخش را نشان می دهند، بلکه پیش‌بینی‌هایی نیز برای وضعیت آینده مورد انتظار در بیمارستان ارائه می‌کنند، تصریح کرد: نتایج نمونه‌های اجرا شده بسیار امیداورکننده است برای مثال یک مرکز پزشکی در بوستون امریکا، با همکاری گروهی از پژوهشگران دانشگاه امآیتی کارپوشه های پیش‌بینی‌ شده برای پشتیبانی از تصمیم‌گیری‌ها در زمینه پذیرش و انتقال بیماران را با نمایش آمار فعلی هر بخش و همچنین تعداد ترخیص‌های پیش‌بینی‌شده اجرا کرد و به همین ترتیب، یک بیمارستان کودکان در بوستون امریکا از سامانه پیش‌بینی‌ کننده تعیین جا برای بیمار استفاده می‌کند که با کمک آن بخش اورژانس می‌داند چه بیمارانی احتمالاً در بیمارستان پذیرش شده و در کدام بخش بستری می‌شوند.

وی افزود: به این ترتیب کارتابل مدیریت تخت های بیمارستان، برنامه ریزی بهتر و ارتباطات پیشرفته را در بخش های مختلف امکانپذیر می کند و البته این فرایند می تواند به سامانه هشداردهی خودکار تجهیز شود برای مثال وقتی که میانگین زمان انتظار برای تخت جدید از آستانه پیش‌بینی شده عبور کند، هشدار بدهد.

فناوری دیجیتال در خدمت کادر درمان

حسینی با اشاره به اینکه فناوری دیجیتال می‌تواند به بخش مدیریت منابع انسانی بیمارستان نیز کمک کند، تشریح کرد: به عنوان نمونه برای مدیریت کارکنان بخش پرستاری که سهم قابل توجهی در سبد هزینه‌های بیمارستان دارند، به جای تکیه بر تماس‌های تلفنی، پیام‌های متنی و صفحات گسترده(spreadsheets) با تصمیم‌گیری درباره کارکنان که اغلب در آخرین لحظات تغییر می‌کنند، سرپرستاران و مدیران بیمارستان‌ها می‌توانند از تحلیل اطلاعات برای بهبود این روند استفاده کنند. برای مثال، الگوریتم‌ها می‌توانند میزان غیبت پرستاران و نیاز به افزایش نیروی انسانی را پیش‌بینی کنند تا تعداد لازم پرستاران شناور تعیین بشوند. نتایج تحقیقات در عملیات بخش اورژانس نشان می‌دهد این موارد را می‌توانیم الگوسازی کنیم، حتی در محیط‌هایی که میزان تقاضا بسیار نامشخص است.

او افزود: توانایی سامانه‌های هوشمند مدیریت منابع بیمارستان در اقدامات پیش دستانه و ارائه پاسخ سریعتر سطح ثبات و پیش‌بینی‌پذیر بودن برنامه کاری پرستاران را افزایش می‌دهد. این جنبه از این نظر مهم است که نرخ بالای جابه‌جایی پرستاران یکی از چالش‌های مهم حوزه سلامت و درمان است؛ بررسی دلایل جابه جایی پرستاران در یکی از بزرگ‌ترین آژانس‌های امریکایی سلامت در منزل، نشان می‌دهد ناهماهنگی‌های ناشی از عملکرد کارفرما در برنامه‌ریزی امور محوله به کارکنان، احتمال ترک کار از سوی آنان را افزایش می دهد.

وی ادامه داد: تحلیل اطلاعات برای بهینه سازی کار گروهی کارکنان به کار می‌آید. برپایه تحقیقات، چینش ترکیب تیم های مراقبت، تاثیر قابل توجهی بر عملکرد آنها دارد. یک مطالعه روی تیم‌های بخش اورژانس که مجموعاً بیش از ۱۱۱ هزار بیمار را در طول دو  سال ویزیت کرده‌اند، نشان می‌دهد تفاوت‌ها در سلسله مراتب و مهارت پزشکان، پرستاران و پزشکان مقیم به تأثیرات مختلفی بر عملکرد تیم با توجه به اعضای جدید آن منجر می‌شود. مطالعه دیگری روی تیم‌های جراحی قلب که بیش از ۶۰۰۰ عمل جراحی را در طول هفت سال انجام داده‌ بودند، نشان داد توجه به آشنایی دوبه دو میان اعضای تیم و تعداد همکاری‌های گذشته هرکدام از ترکیب‌های دونفره جراح‌ها، اثر مهمی روی بهبود بازدهی تیم جراحی دارد. درنظرگرفتن همه این موارد هنگام تلاش برای گزینش اعضای تیم‌ها به صورت دستی غیرممکن است، اما هوش مصنوعی می‌تواند به آسانی همه دیدگاه های حاصل از تحقیقات را برای تعیین بهترین ترکیب تعیین کند.

فناوری دیجیتال برای بهینه‌سازی نوبت‌دهی

حسینی اظهار کرد: بسیاری از بیمارستان‌ها به سمت ثبت و ذخیره الکترونیکی پرونده بیماران رفته‌اند، اما نوبتدهی در بخش های مختلف هنوز تا حد زیادی یک فرایند دستی است از برنامه ریزی روند جراحی ها در اتاق های عمل تا رادیولوژی و بسیاری از موارد دیگر هنوز دستی انجام می‌شود. در زمینه نوبت دهی و زمانبندی، فناوری‌های دیجیتال برای پیش‌بینی بهتر نیازهای بخش ها و هماهنگی آسان تغییرات لحظه‌ای و همچنین بهینه‌سازی نوبت دهی‌ها برپایه آخرین متدها بکارگرفته می‌شوند. برای مثال، از الگوریتم‌های یادگیری ماشین می‌توان برای پیش‌بینی بهتر مدت زمان هر روند کاری مانند جراحی یا ام آرآی استفاده کرد. مثال دیگر، مدت زمان مورد انتظار برای یک عمل جراحی نه تنها تابعی از ویژگی های بیمار و نیازهای بالینی او بلکه تابع عوامل مختلف عملیاتی است، بدان معنا که مدت زمان انجام عمل جراحی بسته به ابعاد تیم جراحی، حجم کاری و مراحل کار در اتاق عمل تغییر می‌کند. الگوریتم‌ها برای محاسبه تأثیرات این عوامل عملیاتی در ارائه پیش‌بینی‌ها،  به ما کمک می‌کنند.

او گفت: ازدحام در بخش مراقبت های پس از بیهوشی اغلب به تاخیر در پیشرفت فرایند اتاق عمل می‌انجامد، تحلیل اطلاعات برای بهینه سازی زمانی روندهای کاری و یادگیری ماشین برای پیش‌بینی مدت زمانی که هر بیمار باید در بخش مراقبتهای پس از بیهوشی(PACU)  بگذراند، کمک می‌کند.

مدیریت زنجیره تامین با کمک فناوری دیجیتال

وی معتقد است تامین تجهیزات پزشکی و لوازم جراحی در بیمارستان‌ها هزینه درخور توجهی دارد و در برخی موارد، این میزان یک سوم کل هزینه های عملیاتی بیمارستان‌ها را شامل می شود. اما بهبود زنجیره تامین و مدیریت موجودی، اغلب در بیمارستان ها اولویت بالایی ندارد و ارائه دهندگان خدمات سلامت بیشتر تمایل دارند بر فرایندهای مراقبت مستقیم از بیمار تمرکز کنند.

حسینی با بیان اینکه تحقیقات نشان داده‌ است در بسیاری از صنایع، رویکرد تحول دیجیتال در زنجیره تامین، هزینه های فرایندها را تا ۵۰ درصد کاهش و درآمد را تا ۲۰ درصد افزایش می دهد، تشریح کرد: بیمارستان ها نیز از این قاعده مستثنی نیستند؛ خودکار کردن فرایند جمع‌آوری داده‌ها، مرتب سازی، تطبیق حسابها و پرداخت هزینه تجهیزات پزشکی، جراحی و دارویی، باعث کاهش هزینه‌های مرتبط با زنجیره تامین و مدیریت موجودی می‌شود. در جریان همه‌گیری کرونا، تقویت چابکی و انعطاف‌پذیری در برابر شوک‌های عرضه و تقاضا بسیار حیاتی‌تر شد و اکنون مدیران بیمارستان‌ها به طور فزاینده‌ای به‌دنبال راه‌هایی برای استفاده از داده‌ها و فناوری‌ها هستند تا  درک درست تری از موجودی، قیمت‌گذاری، زمان انتظار و روند تقاضا داشته باشند.

او در ادامه سخنانش گفت: طبق اطلاعات سایت هاروارد بیزنس ریوو، فناوری‌های RFID (ردیابی با استفاده از فرکانس رادیویی) و ردیاب‌های متصل به اینترنت می‌توانند برای ردیابی و مکان‌یابی بهتر و در لحظه هر یک از تجهیزات مورد استفاده قرار بگیرند. برای مثال، بیمارستان سنت ماریس کلینیک مایو در سال ۲۰۱۵ یک سیستم RFID را برای عملیات بخش اورژانس خود راهاندازی کرد که به بهبود مراقبت و تجربه بیمار و همچنین کاهش هزینهها منجر شد.

وی افزود: یکپارچه‌سازی و هماهنگ‌کردن تجهیزات بخش‌های مختلف یک بیمارستان می‌تواند موجودی مورد نیاز برای ارائه سطح معینی از خدمات را تا حد قابل توجهی کاهش دهد. متمرکزسازی فیزیکی یکی از راه‌های دستیابی به این هدف است، اما متمرکزسازی اطلاعات که به راحتی با یک سیستم دیجیتالی مدیریت زنجیره تامین قابل دستیابی است هم ممکن است بتواند به همان اندازه مفید واقع شود.

حسینی در پایان خاطر نشان کرد: بیمارستان‌ها برای امکان‌پذیر کردن برخورداری از مزیت های تحول دیجیتال، باید با نگاهی تحول آفرین در مدل کسب و کار، فرایندها و  ذینفعان و با تمرکز و محوریت جمع‌آوری داده‌ها و تعامل با سیستم‌های نوآورانه فناوری اطلاعات، به این مهم بپردازند. برای تحول دیجیتال در گام نخست یک شرکت در حوزه هوشمندسازی را به‌عنوان همکار راهبردی گزینش کنند؛ یک مجموعه متخصص در حوزه تحول دیجیتال که نقشه راه هوشمندسازی را طراحی، در راه پیاده‌سازی آن همراهی و راهنمایی کند و برای چالش‌ها و بازدارنده‌ها، راهکارهای خلاقانه ارائه کند؛ خوشبختانه امروز در ایران هم مجموعه‌های متخصص وجود دارند و هم فناوری لازم برای ایجاد زیرساخت توسعه یافته است.

انتهای پیام