更早面臨醫護人力不足、資源調度不及,
國外醫院如何靠AI最佳化醫療資源?
作者:SAS Taiwan
原文刊登自:天下雜誌
疫情加速各產業數位轉型,醫療業首當其衝。即使近兩年醫療院所早已不斷加速各項資訊系統的現代化,如智慧辨識、監測系統、臨床檢疫及遠距醫療等,但轉型速度仍不敵Omicron的傳播力。
近期醫療人力與資源的最佳配置成了最大挑戰,前線醫護人力吃緊靠使命感苦撐,但同時也有縣市釋出包含PCR篩檢爽約率、「快篩陽性確診評估」視訊診療服務未看診率¹高達30%等資源浪費的消息。
其實早於我們,歐美醫院已經歷過更癱瘓的醫療體系崩塌景況,國際間帶給我們哪些觀察?對人力資源更難有彈性的他們,如何看待科技的助力,開始擁抱AI來因應解決呢?
綜觀國際經驗,全球數據分析領導者SAS,台灣總經理陳愷新歸納醫療院所面臨資源調配的三大挑戰:
挑戰1》醫院無法預測來院的病患數量:因為掛號病患的未出席率難掌控,相應的醫用品數量只能粗估,再加上如急診室因將病患轉院後送,人數浮動也讓連帶需求更難估算。在人力與設備無法有一定程度的預測下,不僅困擾醫院營運成本,據英國國衛院贊助調查指出²,病患人流的難掌控也導致全球在新冠肺炎高峰時期有超過 2,800 萬個手術堵塞事件。
挑戰2》醫用品的庫存壓力:醫用品往往有使用期限的壓力,加上許多醫院須用冷鏈保存醫用品,醫用品浪費的情況嚴重,據哈佛衛生公共學院的報告³,全美約有30%醫療支出被浪費。
挑戰3》降低資訊系統與設備停機時間:因為系統、設備停機或維修,導致醫院人員花許多時間等待。哈佛商學院曾調查顯示⁴,第一線醫護人員至少有 10% 的工作時間浪費在無法取得資訊、用品或設備。
對此,SAS台灣總經理陳愷新指出,「國際間許多醫院開始將AI從『開源』還有『節流』兩個層次,著手協助醫院緩解資源配置的壓力。」
以「開源」而言,美國的慈愛醫院(Mercy Hospital)推出遠距醫療計畫「engaement@home」,另闢診療管道為慢性病患看診。他們建立資安環境、提供平板和無線監控儀器,讓慢性病患者與醫療中心24小時連線。
以SAS AI系統運算個人化的潛在警示條件,遇臨界值系統將自動警示病患;病患按下按鈕,也能自動通知醫療團隊。慈愛醫院藉此將不必要的住院和急診量減少了 50%,醫院內的資源就能留給更需要的人,創造更大的價值。後續,此AI系統還用來評估適合加入此照護計畫的病患,主動提供個人化照護給高風險病患。
而「節流」面,則是利用AI的預測力,來對人、物、設備做到精準掌控,確實超前部署,這部份可分為三大面向:
面向一:掌握病患數預測醫療資源需求
陳愷新說明,第一面向即為提高對病患到院的掌握度,預測病患來院時間、顛峰時間的病患人數,以確保醫療服務、人員和醫用品足以因應。
像慈愛醫院即以AI先做到運用AI預測急診病患住院的機率。優化護理人員排班及床位安排,讓急診流程更加順利。再者,以AI預測預約未出現的比例。為了方便醫護人員安排流程,每位掛號的病患都會顯示不出現的機率,若來診的機率低,便會事前以簡訊提醒病人須回覆確認。
後續,他們也以AI預測癌症病人再住院的機率。此應用是以AI模型預測癌症病人回家後,因情況惡化而於一個月內再住院的10種情況,醫院以此準備病人的出院提醒、定期回診需做的項目等,降低病人個人化再住院的機率。此模型還獲得社區癌症中心協會ACCC的創新獎。
面向二:預測員工、設備和用品
被譽為全美最佳醫院的克里夫蘭醫學中心(Cleveland Clinic)透過SAS AI準確預測需求,調整設備及用品的庫存,以優化其採購週期,減少資產和消耗品的浪費和重複,也確保有足夠對應職能的員工可以滿足臨床和營運的需求,包括醫護人員、接送人員和清潔工等。
對此,克里夫蘭醫學中心首先為他們的供應鏈管理打造AI預測模型。除了原有的醫用品物流與項目等,也納入外部影響因子,包括各類疾病、各患者數、疫情指數、中重症比率、天氣、溫度;及納入特定事件,如疫情警示、政策變化、假期等,以提高模型預測的精準度。更特別的是,他們甚至加入非結構化的資料,如社群媒體、新聞報導,以民眾的恐慌程度來預測病患的數量;還進一步把電子化病歷文字分析,將患部的嚴重程度也加入預測分析。這些前瞻性的作法,讓AI模型預測的精準度從75%成長至 88%!
陳愷新進一步補充,雖然疫情間資料蒐集遇準確性的挑戰,「但克里夫蘭醫學中心卻指出AI在變動中給他們的最大價值,即是做到『What IF』情境模擬規劃」,情境規劃功能可協助他們即時調整與模擬,如中重症比例從歷史的2%成長至4%時,或是心臟科別病患比例增加時,醫用品的庫存是否得以因應最壞狀況。而這也是即便數據量與準確度難掌握的情勢下,AI仍可發揮價值的所在。
面向三:穩定設備營運,精準掌控病患需求
確保系統、設備持續營運,不因維修、當機而中斷,是維運的基石。透過感測器監控醫療設備,以AI預測機器壞掉的機率,可有效減少非預期的資料傳送延遲或是停機時間。
陳愷新舉例,像是西門子醫療設備 (Siemens Healthineers)將感測器整合至核磁共振的儀器中,分析儀器及每個零組件的健康度,安排維修計畫,並建議醫院提早訂購零組件,成功減少36%停機的時間。擁有穩定設備的營運,才可讓醫療服務不中斷,且對病患病情有更精準地掌握,如此方可回饋到最佳的資源配置。
以AI做到「開源」、「節流」雙管齊下,讓醫療資源達到最佳化,可有效協助醫療院所的決策層級,在瞬時變化的環境中,做出更快、更好的決策。過往大家多著重以AI智慧化院內照護,然而包含導入資源配置或互動儀表板以最佳化營運,或洞察醫護人員需求提供心理健康支持,甚至以高品質數據預防社區自殺事件等,AI在醫療產業可發揮的應用已愈來愈多元。陳愷新強調,醫療院所已不只是一個救護或營利單位,而是支撐群體健康的重要體系,啟動其數位轉型的齒輪,將會擴及個人與群體健康的各生態圈,而這有賴更多資料科學同好一同支持投入。
註1: PCR預約採檢爽約率2成5 王必勝:部北醫將調整預約上限、視訊診療3成爽約 「有醫生沒病患」
註2: Patient flow in the OR is clogged by delayed surgeries, estimated to be over 28m cases worldwide
註3: Reducing wasteful health care spending begs the question, what is waste?
註4: Frontline staff spend at least 10% of their time working around situations in which information, supplies or equipment aren’t available
推薦閱讀
- Unemployment fraud meets analytics: Battle lines are clearly drawnMany fraudsters seized opportunities presented by the COVID-19 pandemic. During the crisis, unemployment fraud became a battleground between international criminal networks and government agencies. Learn how analytics can save billions – and deliver benefits to those truly in need.
- Uncover hidden financial crime riskEscalating threats call for a financial crime risk framework that uses powerful, visual, interactive techniques to proactively identify hidden risks.
- Online fraud: Increased threats in a real-time worldOnline and mobile banking is convenient for customers -- and an opportunity for fraudsters. With fraud methods constantly evolving, an analytical approach is a must for banks seeking early, accurate detection.
準備好訂閱意見領袖觀點了嗎?