Egészség

Hogyan javíthatja a mesterséges intelligencia a kórházi betegellátás eredményeit?

A kórházak intenzív osztályai gyakran stresszes, nagy terheléssel járó munkakörnyezetet jelentenek. Orvosi vészhelyzet esetén előfordulhat, hogy az adott műszakban szolgálatban lévő valamennyi ápolónak és más egészségügyi szakembernek be kell kapcsolódnia egyetlen beteg ellátásába, ami azt jelenti, hogy más feladatokat – például katéterek tisztítását vagy kötések cseréjét – félre kell tenni.

Ideális esetben a vészhelyzet elmúltával visszatérnek ezekhez a teendőkhöz. Ha azonban műszakváltás történik, a következő ellátó csapat esetleg nem tud arról, hogy egy ütemezett tisztítás kimaradt, ami növeli a fertőzések kockázatát.

A kórházban szerzett fertőzések igen súlyosak lehetnek – veszélyeztetve a betegek egészségét és az egészségügyi intézmények hírnevét is, amelyek peres eljárásokkal szembesülhetnek és pénzügyi büntetéseket kaphatnak a szabályozó hatóságoktól. Szerencsére a technológia ebben a helyzetben is segítséget nyújthat.

Nemrég egy texasi nagy kórház a központi vénás katéterekkel összefüggő fertőzések magas arányával szembesült. Míg a hagyományos intravénás katétereket, vagyis az IV-eket a kézbe vagy a karba helyezik be, és órákon vagy napokon belül eltávolítják, addig a központi vénás katétereket – más néven centrális kanülöket – a nyak, a mellkas vagy az ágyék nagy vénájába helyezik be, hogy gyógyszereket, például kemoterápiát juttassanak be, vagy vért vegyenek le. A centrális vénás katéterek akár hetekig vagy hónapokig a helyükön maradhatnak.

A központi vénás kanülhöz kapcsolódó véráramfertőzés (CLABSI – central line–associated bloodstream infection) akkor alakul ki, amikor vírus vagy baktérium jut a beteg véráramába a centrális kanülön keresztül. Ez megtörténhet a kanül beültetésekor, gyógyszeradagolás során, vagy akár a katétert fedő kötés felől. Mivel a centrális kanült viselő betegek eleve súlyos állapotban vannak, a CLABSI felismerése nehéz lehet, miközben olyan súlyos betegségekhez vezethet, mint a szepszis vagy a fertőzéses szívbelhártya-gyulladás. Bár jelentős erőfeszítések történtek a megelőzés érdekében, az Egyesült Államokban évente mintegy 30 000 CLABSI-eset fordul elő.

30 000 – Az Egyesült Államokban évente körülbelül 30 000 CLABSI-eset fordul elő.

65 000 dollár – Egyetlen CLABSI-eset akár egy-két héttel meghosszabbíthatja a beteg intenzív osztályon töltött idejét, és akár 65 000 dollár többletköltséget is okozhat a kórháznak.

1 millió dollár – Amennyiben egy kórház mulasztása bizonyítható, a műhibaperekben fizetendő kártérítések egyenként az 1 millió dollárt is meghaladhatják.

A JAMA szerint egy CLABSI-eset egy-két héttel növelheti a beteg intenzív osztályon töltött idejét, és akár 65 000 dollár többletköltséget is jelenthet a kórháznak. Mivel a betegséget megelőzhetőnek tekintik, a kórház nem számlázhatja ki a betegnek vagy a Medicare-nek a többletköltségeket. A magas CLABSI-aránnyal rendelkező kórházak további pénzügyi büntetésekkel szembesülhetnek a Medicare részéről, és ha mulasztást állapítanak meg, egyenként több mint 1 millió dollárt meghaladó kártérítések kifizetésére is kötelezhetők.

A kórházak szigorú eljárásrendeket alkalmaznak a CLABSI megelőzésére, meghatározott ütemezéssel a kötések cseréjére és az intravénás vezetékek átöblítésére. Azt is megkövetelik az ápolóktól, hogy minden alkalommal tisztítsák meg a csatlakozási pontot – az úgynevezett hubot –, amikor új infúziós zsákot csatlakoztatnak (innen a „scrub the hub” szakmai kifejezés). Egyes intenzív osztályos betegeknél, akiknél óránként több infúziós zsákot is cserélni kell, az egészségügyi csapatnak műszakonként akár 15–20 alkalommal is meg kell tisztítania a hubot. Amikor egy vészhelyzet felborítja ezt az ütemezést, hibák csúszhatnak a folyamatba.

A betegbiztonság javításának következő lépése az úgynevezett agentikus mesterséges intelligencia bevezetése a folyamatba. Ahelyett, hogy egy adatelemző eszközt meghatározott ütemezés szerint futtatnának, egy MI-ügynök folyamatosan vizsgálhatja minden beteg adatait, és összeveti azokat a kórház kezelési protokolljaival és ütemezéseivel.

Bár a minőségjavító kezdeményezések csökkentették az egészségügyi ellátással összefüggő fertőzések (HAI) előfordulását és költségeit, még sok a tennivaló. Itt lép be a technológia. Megbízható technológiai partnerek együttműködhetnek a kórházi rendszerekkel olyan megfelelőségi jelentési rendszerek kialakításában, amelyek a kórház elektronikus betegnyilvántartó rendszeréből gyűjtenek adatokat, és figyelmeztetik a műszakvezetőt például a tisztítási ütemezésben lévő hiányokról. E rendszer bevezetésével a texasi kórház a fertőzési arányt 1,32-ről 0,55-re csökkentette 1000 betegre vetítve – ami 60%-os csökkenést jelent a Kyndryl adatai szerint.

A betegbiztonság javításának következő lépése az agentikus MI bevezetése a folyamatba. Ahelyett, hogy egy adatelemző eszközt meghatározott időközönként futtatnának, egy MI-ügynök folyamatosan vizsgálhatja minden beteg nyilvántartását, és összevetheti azokat a kórházi protokollokkal és kezelési ütemtervekkel. Így a mulasztások azonnal azonosíthatók és kijavíthatók.

Az ügynökök tucatnyi kockázati tényezőt is elemezhetnek, amelyek CLABSI-hoz vezethetnek – például a beteg kórtörténetét, az IV-eszközök korát és a vérvizsgálatokból származó biomarkereket –, és előre jelezhetik, mely betegek vannak a legnagyobb fertőzési kockázatnak kitéve. Az ilyen betegek kórlapjai külön megjelölést kaphatnak, hogy fokozott monitorozás vagy megelőző ellátás történjen.

Fejlettebb rendszerek érzékelőket – például kamerákat – is tartalmazhatnak, amelyek autonóm módon ellenőrzik, hogy egy egészségügyi dolgozó elvégezte-e az előírt higiéniai feladatokat. Ha az ügynök azt észleli, hogy egy ápoló nem tisztította meg a hubot, emlékeztetőt küldhet a mobilkészülékére, vagy figyelmeztetést jeleníthet meg a beteg ágya mellett. A rendszer úgy is programozható, hogy csak sziluetteket rögzítsen a beteg és az ápoló személyiségi jogainak védelme érdekében.

Az MI már most is hasznosnak bizonyul az egészségügyi szakemberek figyelmét lekötő számos adminisztratív feladat egyszerűsítésében, amelyek elvonják őket a betegektől. Az MI képes rutinszerű adminisztratív feladatokat elvégzésére, orvosi dokumentumokat előkeresésére, vagy az orvos–beteg beszélgetések leiratozására. Fejlettebb alkalmazásai közé tartozik a betegvizsgálati eredmények elemzése és betegségek diagnosztizálása. Az egészségügyi szakemberek lelkesek az MI-ben rejlő lehetőségeket illetően: a Philips felmérése szerint 78%-uk úgy véli, hogy növelni fogja kapacitásukat több beteg ellátására.

De, mint minden MI-rendszer, ez is emberi felügyeletet és szakmai ítélőképességet igényel. A betegek – akik közül sokan kiszolgáltatott helyzetben vannak – érthető módon aggódnak a technológia szerepe miatt az ellátásukban. Ugyanez a Philips-jelentés azt találta, hogy a betegeknek mindössze 59%-a bízik abban, hogy az MI valóban javíthatja az egészségügyi ellátást. Ezért az egészségügyi protokollok kötelező eleme, hogy az új technológiákat körültekintően vezessék be, biztosítva, hogy az ellátó csapat minden tagja értse az MI lehetőségeit és korlátait, és hogy a betegeknek is elmagyarázzák az automatizáció előnyeit. Mindez természetesen nem működik a betegek egészsége és elégedettsége iránti alapvető elkötelezettség nélkül – és ez mindig azokkal az emberekkel kezdődik, akik a mindennapi ellátást nyújtják.


További friss híreket talál az IoTmagazin főoldalán! Csatlakozzon hozzánk a Facebookon is!

Friss