מחקר פיילוט בראשות חוקרים מבית הספר לרפואה של אוניברסיטת קליפורניה בסן דייגו מצא שבינה מלאכותית מתקדמת (AI) עשויה להוביל לדיווח איכות ביתי קל יותר, מהיר ויעיל יותר תוך שמירה על דיוק גבוה, מה שעלול להוביל לאספקת שירותי בריאות משופרת.
תוצאות המחקר, שפורסמו במהדורה המקוונת של 21 באוקטובר 2024 של New England Journal of Medicine (NEJM) AIגילתה שמערכת בינה מלאכותית המשתמשת במודלים של שפה גדולה (LLMs) יכולה לעבד במדויק מדדי איכות של בתי חולים, תוך השגת הסכמה של 90% עם דיווח ידני, מה שעלול להוביל לגישות יעילות ואמינות יותר לדיווח שירותי בריאות.
חוקרים של המחקר, בשיתוף עם מרכז ג'ואן וארווין ג'ייקובס לחדשנות בריאות באוניברסיטת סן דייגו בריאות (JCHI), מצאו כי LLMs יכולים לבצע הפשטות מדויקות עבור מדדי איכות מורכבים, במיוחד בהקשר המאתגר של המרכזים לרפואה ומדיקייד. שירותים (CMS) מדד SEP-1 עבור אלח דם חמור והלם ספטי.
השילוב של LLMs בזרימות עבודה בבתי חולים טומן בחובו הבטחה לשנות את מתן שירותי הבריאות על ידי הפיכת התהליך ליותר זמן אמת, מה שיכול לשפר את הטיפול המותאם אישית ולשפר את הגישה של המטופל לנתונים איכותיים. ככל שאנו מקדמים את המחקר הזה, אנו רואים עתיד שבו דיווח איכותי אינו רק יעיל אלא גם משפר את חווית המטופל הכוללת".
אהרון בוסינה, פוסט-דוקטורט ומחבר ראשי של המחקר בבית הספר לרפואה של אוניברסיטת סן דייגו
באופן מסורתי, תהליך ההפשטה עבור SEP-1 כולל הערכה מדוקדקת של 63 שלבים של תרשימי מטופלים נרחבים, הדורשים שבועות של מאמץ ממספר סוקרים. מחקר זה מצא כי LLMs יכולים לצמצם באופן דרמטי את הזמן והמשאבים הדרושים לתהליך זה על ידי סריקה מדויקת של תרשימי מטופלים ויצירת תובנות הקשריות חיוניות תוך שניות.
על ידי התייחסות לדרישות המורכבות של מדידת איכות, החוקרים מאמינים שהממצאים סוללים את הדרך למערכת בריאות יעילה ומגיבה יותר.
"אנחנו נשארים חרוצים בדרכנו למנף טכנולוגיות כדי לעזור להפחית את הנטל האדמיניסטרטיבי של שירותי הבריאות, ובתמורה, לאפשר למומחי שיפור האיכות שלנו להשקיע יותר זמן בתמיכה בטיפול יוצא הדופן שהצוותים הרפואיים שלנו מספקים", אמר צ'אד ונדנברג, שותף במחקר. מחבר וקצין איכות ובטיחות חולים באוניברסיטת UC San Diego Health.
ממצאים מרכזיים אחרים של המחקר מצאו כי LLMs יכולים לשפר את היעילות על ידי תיקון שגיאות וזירוז זמן העיבוד; הפחתת עלויות אדמיניסטרטיביות על ידי אוטומציה של משימות; מאפשר הערכות איכות כמעט בזמן אמת; וניתנים להרחבה על פני מסגרות בריאות שונות.
צעדים עתידיים כוללים את אימות הממצאים הללו ויישומן של צוות המחקר כדי לשפר נתונים אמינים ושיטות דיווח.
מחברי מחקר זה כוללים את שמים נמטי, רישיבורדאן קרישנמורתי, קימברלי קווינטרו, שריאנש ג'ושי, גבריאל ורדי, היידן פור, ניקולס הילברט, אטול מלהוטרה, מייקל הוגארת', איימי סיטפאטי, קאראנדיפ סינג וכריסטופר לונגהרסט, כולם עם אוניברסיטת סן דייגו.
מחקר זה מומן, בחלקו, על ידי המכון הלאומי לאלרגיה ומחלות זיהומיות (1R42AI177108-1), הספרייה הלאומית לרפואה (2T15LM011271-11 ו-R01LM013998) והמכון הלאומי למדעי הרפואה הכללית (R35GM1431121 ו-K2032GM) ו-K2032GM .
