CI Mengaktifkan Kemampuan Diagnostik Perawatan Kesehatan Baru
Continuous intelligence (CI) memungkinkan pendekatan inovatif untuk perawatan kesehatan, memberikan kemampuan diagnosis yang lebih cepat dan akurat kepada dokter.
Organisasi perawatan kesehatan diberkati dengan banyak data untuk mengevaluasi kondisi pasien dan meresepkan rencana perawatan. Semakin, kemampuan untuk membuat diagnosis yang lebih cepat dan lebih akurat membutuhkan continuous intelligence (CI) yang berasal dari analisis data streaming secara real-time.
Ada dua faktor yang mendorong perubahan ini. Pertama, harapan pasien berubah. Kualitas perawatan semakin penting – karena pasien mulai menggunakan hak mereka untuk memilih bagaimana dan dengan siapa mereka terlibat untuk perawatan kesehatan mereka. Mereka menuntut transparansi data dan proses. Akibatnya, organisasi perawatan kesehatan perlu fokus pada bagaimana hasil yang berkualitas dapat dicapai dengan cara yang berarti bagi pasien.
Lihat juga: AI Memberikan Panduan Kesehatan Mental? Tidak Begitu Cepat, Kata Psikiater
Pada saat yang sama, layanan kesehatan mengalami perubahan besar berdasarkan ketersediaan sumber data baru. Secara khusus, ada kebangkitan internet of things (IoT) yang dapat dikenakan dan perangkat medis yang terhubung. Karena organisasi perawatan kesehatan menggunakan lebih banyak perangkat yang terhubung, catatan kesehatan elektronik (EHR), dan kunjungan virtual dengan pasien, semakin banyak data yang masuk.
Namun, data tersebut biasanya diam dan tidak meningkatkan perawatan pasien hingga ditinjau dan disimpan untuk digunakan di masa mendatang. Membuat langkah memerlukan solusi yang dapat dengan mudah memanfaatkan sumber data yang berbeda dan menerapkan analitik waktu nyata ke data tersebut dengan cepat.
Data Real-time untuk Diagnosis
Solusi yang mengatasi kendala data membuka peluang baru. Misalnya, menggunakan data streaming dapat membantu dalam diagnosis dini berbagai kondisi kesehatan di banyak daerah. Salah satu contohnya adalah aplikasi komunikasi suara untuk mendiagnosis kondisi medis.
Pertimbangkan skenario berikut:Seorang wanita menelepon khawatir tentang kesehatan ibunya karena dia baru-baru ini mengalami masalah dengan kehilangan ingatan. Sang ibu memanggil garis triase perawat kliniknya, di mana perawatnya menanyakan lima pertanyaan untuk mengumpulkan informasi untuk diagnosis. Analisis sentimen dijalankan pada komunikasi suara dengan perawat. Informasi yang diperoleh dari analisis tersebut digabungkan dengan data kesehatan yang diambil dari perangkat yang dapat dikenakan ibu (yang dapat dilihat oleh perawat secara waktu nyata). Perawat kemudian menggunakan informasi tersebut untuk menentukan penyakit Alzheimer dalam tingkat probabilitas yang tinggi. Hasilnya, interaksi ini membantu anak perempuan menentukan langkah selanjutnya untuk perawatan kesehatan ibunya.
Dengan banyaknya perangkat terhubung yang tersedia saat ini, sesuatu yang sederhana seperti komunikasi suara yang digunakan untuk mendiagnosis (atau menentukan kemungkinan diagnosis) adalah bot medis terbaik.
Menggunakan analitik dalam komunikasi suara untuk diagnosis awal kondisi medis tertentu mendekati kenyataan saat ini. Misalnya, Apple Watch kini hadir dengan fitur Elektrokardiogram (EKG) —memberikan informasi kepada pengguna tentang detak jantung mereka yang dapat membantu mengingatkan mereka terhadap kondisi yang tidak terdiagnosis. Data real-time yang disediakan oleh perangkat yang dapat dikenakan seperti Apple Watch dapat berfungsi sebagai langkah pertama dalam mendiagnosis kondisi kesehatan tertentu dan mengingatkan pasien untuk berkonsultasi dengan penyedia mereka ketika data menunjukkan bahwa ada sesuatu yang salah.
Menggabungkan Analisis Waktu Nyata dengan AI
Menggunakan analitik waktu nyata untuk mendiagnosis kondisi mendorong perawatan medis ke tingkat yang baru. Yang lebih canggih lagi adalah aplikasi yang menggunakan analitik prediktif dan kecerdasan buatan (AI) untuk mencegah berjangkitnya suatu penyakit atau kondisi.
Salah satu contoh penerapan teknologi pencegahan ini adalah upaya yang dilakukan oleh HCAHealthcare dalam mengurangi ancaman kematian akibat sepsis.
Sepsis adalah kondisi tak kenal ampun yang bisa mendatangkan malapetaka pada tubuh. Itu sering merayap, seperti pencuri di malam hari, setelah orang-orang sudah dirawat di rumah sakit untuk mengobati kondisi lain. Ini meletus saat tubuh melawan infeksi, dipicu oleh ketidakseimbangan biokimiawi yang dikirim tubuh ke dalam aliran darah untuk melawan infeksi. Jika sepsis berkembang menjadi syok septik, organ rusak, dan tekanan darah turun – situasi yang berpotensi mematikan. Sepsis bertanggung jawab atas 270.000 kematian per tahun di Amerika Serikat saja.
Biasanya, mendiagnosis sepsis hanya mungkin berdasarkan tinjauan manual grafik pasien selama perubahan shift. Masalahnya adalah pada saat sepsis terdeteksi dengan cara ini, mungkin sudah terlambat. “Setiap jam diagnosis yang tertunda meningkatkan risiko kematian sebesar empat hingga tujuh persen,” kata Dr. Jonathan Perlin, presiden layanan klinis dan kepala petugas medis untuk perawatan kesehatan di HCA Healthcare.
Penundaan ini tidak dapat diterima. Tim dokter, ilmuwan data, dan profesional teknologi bersatu untuk menciptakan sistem analitik prediktif real-time untuk mendeteksi pasien rawat inap sepsis dengan lebih akurat dan cepat.
Tantangannya adalah menangkap data yang terkait dengan kondisi pra-sepsis. Ada banyak hal yang dihasilkan oleh lebih dari 30 juta interaksi pasien tahunan perusahaan perawatan kesehatan setiap tahun di 1.800 lokasi perawatan. Namun, sebagian besar disembunyikan di berbagai sistem dan aplikasi yang berbeda.
Sebagian besar infrastruktur data yang ada tidak dirancang untuk intelijen dan pelaporan bisnis skala besar. Yang diperlukan adalah cara untuk mengumpulkan, menganalisis, dan berbagi data real-time dari semua fasilitas kami sehingga tindakan penyelamatan jiwa dapat dilakukan dengan cepat. Untuk mengatasi tantangan ini, tim menciptakan sistem analisis prediktif real-time yang disebut SPOT (Prediksi Sepsis dan Optimalisasi Terapi).
Dengan SPOT, dokter dapat lebih akurat dan cepat mendeteksi sepsis pada pasien. Platform ini mengumpulkan dan menganalisis data klinis — seperti lokasi pasien, tanda-tanda vital, farmasi, dan data laboratorium — dan memberi sinyal kepada pengasuh secara real-time untuk memulai perawatan sepsis dini.
Dengan alat SPOT, HCA Healthcare mampu meningkatkan deteksi dini. Dokter dapat mendeteksi dan mengidentifikasi indikator awal sepsis hingga 20 jam lebih awal daripada metode skrining tradisional.
Peran Analytics dalam Deteksi Dini Penipuan Medis
Di luar diagnosis, analitik real-time sedang diincar untuk aplikasi perawatan kesehatan lainnya. Misalnya, salah satu masalah utama dalam industri perawatan kesehatan saat ini adalah jumlah penipuan medis yang terjadi. Pada 2017, ada $1,3 miliar dalam tagihan palsu, menurut Kantor Inspektur Jenderal Departemen Kesehatan &Layanan Kemanusiaan AS. Analisis dapat memainkan peran penting dalam mendeteksi penipuan medis serta membantu diagnosis dini kondisi medis.
Bayangkan sebuah pusat panggilan medis menggunakan teknologi analitik suara selama panggilan dari seorang pasien yang mencoba penipuan medis. Dengan analisis yang disematkan dalam perangkat lunak, tanda bahaya dalam nada suara pasien dapat ditunjukkan dengan tepat. Orang yang menangani panggilan kemudian dapat diperingatkan tentang masalah yang ditandai melalui analitik, memungkinkan mereka untuk menyelidiki situasi pada tingkat yang lebih dalam. Analytics suatu hari nanti dapat memainkan peran kunci dalam deteksi dini penipuan medis – memperingatkan organisasi akan potensi penipuan sedini mungkin saat proses penjadwalan janji temu.
Tantangan Nyata:Bekerja dengan Data
Dalam semua upaya, tantangan utama adalah bagaimana menggunakan sejumlah besar sumber data secara efisien. Solusi yang sesuai akan dapat:
Menggabungkan sumber data yang berbeda secara terus-menerus: Perangkat medis memberikan tampilan visual tanda-tanda vital melalui aliran fisiologis seperti elektrokardiogram (EKG), detak jantung, saturasi oksigen darah (SpO2), dan laju pernapasan. Inisiatif catatan kesehatan elektronik di seluruh dunia menciptakan lebih banyak sumber data medis. Kondisi yang mengancam jiwa seperti infeksi nosokomial, pneumotoraks, perdarahan intraventrikular, dan leukomalacia periventrikular dapat dideteksi menggunakan analitik yang menggabungkan berbagai sumber data.
Berikan perawatan yang sangat dipersonalisasi: Deteksi tanda lebih awal untuk meningkatkan hasil pasien dan mengurangi lama rawat inap. Penemuan pengetahuan yang digerakkan oleh dokter otomatis untuk mengidentifikasi hubungan baru antara peristiwa aliran data dan kondisi medis.
Mendukung perawatan proaktif: Buat profil untuk setiap pasien berdasarkan aliran data yang dipersonalisasi dan terima wawasan secara terus-menerus
Kesimpulan
Sederhananya, potensi analitik real-time untuk meringankan berbagai tantangan dalam industri perawatan kesehatan saat ini sangat besar. Dengan semua kemajuan yang telah dibuat dalam penciptaan teknologi baru untuk melontarkan perawatan kesehatan ke generasi pengalaman pasien berikutnya, wajar saja jika penyebaran analitik waktu-nyata untuk diagnosis medis dini, penipuan medis, dan aplikasi lainnya akan mengikuti. .
