כיצד בינה מלאכותית יכולה ליצור סיכום שחרור בית חולים ידידותי יותר למטופלים

במחקר שפורסם לאחרונה ב-JAMA Network Open, חוקרים חקרו האם מודלים של שפה גדולה (LLMs) עשויים לשפר את ההבנה והקריאה של סיכומי שחרור מבתי חולים.

לימוד: אינטליגנציה מלאכותית גנרטיבית להפיכת סיכומי שחרור מאשפוז לשפה ופורמט ידידותיים למטופל. קרדיט תמונה: Chinnapong/Shutterstock.com

רקע כללי

חוק הריפוי של המאה ה-21 מחייב מטופלים לקבל גישה להערות הקליניות שלהם ולמידע אחר ברשומות בריאות אלקטרוניות. LLMs המבוססים על בינה מלאכותית גנרטיבית (AI) עשויים להמיר הודעות שחרור רפואיות לפורמט ידידותי יותר למשתמש, להגביר את השתתפות המטופל ואת האמון בטיפול שלהם.

על פי מספר מחקרים, קריאה טובה יותר בסיכומי שחרור עשויה לשפר תוצאות כגון אשפוזים חוזרים. הערות באנגלית פשוטות שנוצרו על ידי AI עשויים להיות שמישים יותר, מועילים לקשר בין מטופל לרופא, ומעצימים אנשים, ומאפשרים טיפול באיכות גבוהה.

עם זאת, שילוב של טכנולוגיית בינה מלאכותית בטיפול רפואי מעלה בעיות בבטיחות המטופלים ובאחריות רופא, כאשר טעויות בתוכן בינה מלאכותית מהוות מקור עיקרי לדאגה.

לגבי המחקר

במחקר הנוכחי, חוקרים חקרו שימוש בטכנולוגיות בינה מלאכותית גנרטיבית כדי להמיר דוחות רפואיים לפתקים ידידותיים למטופל.

החוקרים בחנו את רישומי השחרור של 50 אנשים שקיבלו שחרור מהיחידה לרפואה פנימית כללית של אוניברסיטת ניו יורק בין ה-1 ל-30 ביוני 2023, תוך השמטת אלה ששוחררו כמתים. המדגם לא כלל יותר משחרור אחד מנבדק בודד.

ההתערבות המחקרית הייתה פלטפורמה מותאמת לחוק הניידות והאחריות של ביטוח בריאות שנועדה להפוך את סיכומי השחרור לידידותיים יותר למטופלים.

הצוות העריך את הקריאות באמצעות ציוני Flesch-Kincaid ואת המובנות באמצעות הכלי להערכת חומרי חינוך למטופלים (PEMAT). הם גם העריכו את השלמות והנכונות של הגירסאות המתאימות למטופלים של דוחות השחרור.

סוקר יחיד אימת את האותנטיות של סיכומי השחרור שנוצרו על ידי שירות הרפואה הפנימית הכללית.

סיכומי שחרור, כפי שהם קיימים ברשומה הרפואית, הידועים כדוחות שחרורים מקוריים, היו התשומות שעובדו על ידי תוכנית הבינה המלאכותית הינרטיבית כדי ליצור הערות ידידותיות למטופל כפלט.

בין ה-26 ביולי ל-5 באוגוסט 2023, ה-LLM עיבד והפך את דוחות השחרור מבית החולים לפורמט ידידותי למטופל, שאותו השוו לאחר מכן.

הסיכומים הידידותיים למטופל הכילו אלמנטים כגון תאריכי אשפוז ושחרור, אינדיקציות לאשפוז, היסטוריה של המחלה המוצגת, קורס בית חולים, אבחון, נהלים ורופא שחרור.

הרופא המאשפז, מקור האשפוז, טבלאות קידוד וחיובים, הערכות אבחנתיות ומצב השחרור כולם הושמטו מהסיכומים שהוסרו.

הגרסאות הידידותיות למטופל שהוסרו היו בעלות עמוד אחד בסגנון שאלות ותשובות. מה-24 במאי ועד ה-13 ביולי 2023, מדעני מידע על רופאים, אינפורמטיקה, מומחים לרפואה פנימית, רופאים תושבים ומפתחי בינה מלאכותית עבדו יחד כדי ליצור את ההנחיה לבינה מלאכותית.

הצוות שיתף פעולה כדי להפיק דו"ח שחרור ליחידה לרפואה אקוטית כדי להישאר נגישה למטופל ברמת קריאה בכיתה ו'. שני רופאים תושבים בדקו כל דו"ח שחרור באופן עצמאי.

תוצאות

החוקרים כללו את דוחות השחרור של 50 אנשים (גיל חציוני, 66 שנים; 19 גברים (38%) ו-31 נשים (62%).

זיהוי אתני וגזעי בתיעוד רפואי אלקטרוני של החולים כלל 50% (n=25) אנשים לבנים, 30% (n=15) אנשים אפרו-אמריקאים או שחורים, 4.0% (n=2) אסייתים ו-16% (n= 8) פרטים מגזעים או עדות אחרות.

הפתקים הידידותיים למטופל שהוסבו בינה מלאכותית כללו פחות מילים באופן משמעותי מדיווחי השחרור (ממוצע: 338 לעומת 1,520 מילים). הקריאה שנבדקה על ידי ציוני קלות הקריאה של Flesch-Kincaid הייתה טובה בהרבה בהערות ידידותיות למטופל מאשר בדוחות השחרור המקוריים (ממוצע: 70 לעומת 36).

באופן דומה, דירוגי ההבנה של PEMAT היו גבוהים בהרבה בהערות ידידותיות למטופל (81% לעומת 13%). הציונים הממוצעים של פלש-קינקייד היו נמוכים בהרבה בגרסאות הידידותיות למטופל של דוחות השחרור (6.2 לעומת 11).

שני רופאים העריכו את תקינות ההערות הידידותיות למטופל, כאשר 54 מתוך 100 הערכות (54%) סיפקו את הציון הגבוה ביותר האפשרי של 6.0, עם 48% מהימנות בין-מדורגים לדיוק התיבה העליונה.

ב-56 סקירות הערות שחרור, החוקרים דירגו את הסיכומים כהשלמים (56%). הליכים (40%) והיסטוריה של מחלה נוכחית (25%) היו הנפוצים ביותר שהוערכו כקטגוריות לא שלמות, עם מהימנות בין-תערבותית של 88% בין הקטגוריות.

18 ביקורות (39%) העלו בעיות בטיחות; רובם כללו השמטות (52%), אם כי היו גם כמה טענות שווא או הזיות (8.7%).

בהתבסס על ממצאי המחקר, LLMs גנרטיביים מבוססי AI עשויים להמיר דוחות שחרור לטופס ידידותי למטופל, ולהפוך אותם לנגישים ומובנים יותר.

עם זאת, הדגמים צריכים דיוק, שלמות ובטיחות גבוהים יותר. חששות הבטיחות מצדיקים בדיקת רופא לאורך שלב הפריסה הראשונית. ספירת המילים הגדולה של סיכומי שחרור מקוריים עלולה להפוך אותם לבלתי נגישים, מה שהופך את דיוק האיזון והיסודיות לקריטיים.

גרסאות עתידיות יצטרכו לחקור את הפשרה בין קריאה ויסודיות, כמו גם פלטים שאינם באנגלית והערות ידידותיות למטופלים שנוצרו על ידי אדם של דוחות שחרור.