Wprowadzenie

Analiza danych medycznych to coś więcej niż tylko proces naukowy; staje się ona kluczem do poprawy jakości życia pacjentów na całym świecie. Sztuczna inteligencja (AI) w ostatnich latach odgrywa coraz większą rolę w tej dziedzinie, wprowadzając nowe możliwości i zmieniając sposób myślenia o danych klinicznych. W sferze medycyny szczególną uwagę zwraca się na doświadczenia pacjentów, znane jako Patient-Reported Experience Measures (PREMs). Są to raporty, w których pacjent wyraża swoje subiektywne odczucia związane z jakością opieki medycznej, jakie otrzymuje. Analityka tych danych pozwala nie tylko na lepsze zarządzanie procesem leczenia, ale również na wzajemne uczenie się na bazie doświadczeń zgłaszanych przez pacjentów.

Cel badania

Głównym celem badania opisanego w artykule była ko-kreacja w analizie szpitalnych danych PREMs z wykorzystaniem AI. Ko-kreacja w tym kontekście polega na współpracy pomiędzy zespołami medycznymi, analitykami danych oraz jednostkami opracowującymi rozwiązania AI w celu poprawy monitorowania doświadczeń pacjentów w szpitalach. Wprowadzenie AI do analiz PREMs ma na celu nie tylko uproszczenie procesu przetwarzania danych, ale również zwiększenie jego dokładności i skuteczności.

Metodologia

Badanie zostało przeprowadzone w publicznych szpitalach w Australii. Proces ten obejmował analizę szerokiego zakresu danych, jakimi są PREMs. W badania włączyli się specjaliści z różnych dziedzin – od lekarzy, przez naukowców zajmujących się danymi, po ekspertów w dziedzinie AI. Dzięki temu podejściu zapewniono multidyscyplinarne spojrzenie na wyzwania związane z analizą danych doświadczeń pacjentów. Specjaliści z firm technologicznych pracowali ramię w ramię z pracownikami szpitali, aby wypracować najbardziej efektywne podejścia do automatyzacji analizy tych danych.

Wyniki badań

Podstawą badania była analiza 175282 ankiet PREMs zebranych w celu identyfikacji istniejących trudności w aktualnych przepływach pracy. Wraz z postępami badań zidentyfikowano różnorodne problemy, które utrudniały efektywne wykorzystanie tych danych, np. duża ilość zawiadomienia do przeanalizowania ręcznie i problemy z synchronizacją danych z różnych źródeł.

Na podstawie wyników badania opracowano nowe, pół-zautomatyzowane rozwiązania AI do analizy doświadczeń pacjentów. Mogły one zostać sklasyfikowane na różne poziomy zaawansowania:

• Bez kodu: dla najprostszych przypadków, zastosowano tzw. proste raporty, które umożliwiają szybki przegląd zgromadzonych danych bez potrzeby programowania.
• Niskokodowe: stworzono dashboardy w PowerBI oraz analizy opisowe, umożliwiające przedstawienie złożonych danych w sposób wizualnie przystępny i wspomagający decyzje.
• Wysokokodowe: opracowano interaktywne raportowanie na poziomie klinicznym, które pozwala na bardziej szczegółową eksplorację danych i prawdziwe “wrzucenie się” w problemy zdrowotne na poziomie jednostki klinicznej.

Dyskusja

Ręczna analiza danych PREMs zawsze była czasochłonna i obarczona dużym ryzykiem błędów ludzkich. Wprowadzenie sztucznej inteligencji do tego procesu znacząco przyspiesza analizę oraz zmniejsza prawdopodobieństwo pomyłek. W automatyzacji analizy danych doświadczeń pacjentów dostrzeżono ogromny potencjał w poprawie jakości opieki zdrowotnej. Dzięki AI możliwe staje się szybkie identyfikowanie obszarów, w których wymagane są zmiany, oraz przeprowadzanie odpowiednich korekt w organizacji pracy szpitala czy też w podejściu do leczenia pacjentów.

AI oferuje możliwość nieustannego uczenia się na podstawie nowych danych, co przekłada się na bardziej dynamiczny i responsywny system zdrowotny. To z kolei prowadzi do bezpośredniej poprawy jakości usługi medycznej i satysfakcji pacjentów. Automatyzacja tego procesu stwarza szanse na bardziej świadome decyzje oparte na danych, co staje się kluczowe w kontekście rosnącej liczby pacjentów i coraz większych potrzeb w systemie ochrony zdrowia.

Podsumowanie

Analiza doświadczeń pacjentów za pomocą sztucznej inteligencji ma potencjał, by trwale zmienić sposób funkcjonowania placówek medycznych. Wnioski wynikające z przeprowadzonych badań w australijskich szpitalach wskazują na to, że ko-kreacja w zakresie AI i PREMs może prowadzić do znacznych ulepszeń w jakości świadczonej opieki zdrowotnej. Przyszłość badań nad AI w tej dziedzinie wydaje się niezwykle obiecująca, tym bardziej że rozwój technologii AI wciąż pozostaje dynamiczny. Pozostaje pytanie, jak szybko jesteśmy w stanie wdrożyć te innowacyjne rozwiązania w codziennej praktyce klinicznej, by móc cieszyć się pełnymi zaletami, jakie dają nowoczesne technologie w służbie zdrowiu.

References

– PMID:39653514

– DOI:10.1136/bmjhci-2024-101124