醫(yī)院急診室：為什么您需要實(shí)時(shí)人工智能解決方案，而陳舊的倉(cāng)庫(kù)已經(jīng)不夠了

急診室就其本質(zhì)而言是混亂的，因?yàn)榇蠖鄶?shù)訪(fǎng)問(wèn)都是無(wú)計(jì)劃的。急診室也是進(jìn)入大多數(shù)醫(yī)院的重要通道，使其成為實(shí)施實(shí)時(shí)人工智能解決方案的理想場(chǎng)所。

讓我們進(jìn)一步探索。山東坂道醫(yī)療設(shè)備有限公司-電動(dòng)手術(shù)床-LED手術(shù)無(wú)影燈-醫(yī)用護(hù)理床-醫(yī)用推車(chē)

管理 ER 工作流和吞吐量

需要管理 ER 的工作流程和吞吐量的 ER 主任、護(hù)士長(zhǎng)和其他管理人員一直面臨著滿(mǎn)足幾個(gè)關(guān)鍵績(jī)效指標(biāo)的壓力：

• 護(hù)士門(mén)

• 供應(yīng)商之門(mén)

• 卸貨門(mén)

• 傳送門(mén)

通過(guò)智能地調(diào)整工作流程可以獲得很多收益。讓提供者在分診區(qū)而不是在手術(shù)室與患者會(huì)面可以幫助提前幾分鐘訂購(gòu)測(cè)試并準(zhǔn)備出院說(shuō)明，從而對(duì)總住院時(shí)間產(chǎn)生積極影響。

針對(duì) ER 內(nèi)的決策系統(tǒng)

多年來(lái)，已經(jīng)開(kāi)發(fā)了許多軟件，這些軟件針對(duì) ER 內(nèi)的決策系統(tǒng)，使用各種因素分析患者流量隨時(shí)間的變化。使用這些數(shù)據(jù)倉(cāng)庫(kù)和分析技術(shù)，急診室管理人員通常能夠就人員水平、估計(jì)可能需要的額外床位數(shù)量和估計(jì)所需設(shè)備水平做出更好的決策。

這些工具大多定期使用，并且不斷調(diào)整估算值。一旦進(jìn)行了調(diào)整并衡量了關(guān)鍵績(jī)效指標(biāo)，就需要重復(fù)該過(guò)程。

這是對(duì)資源的消耗，如果需要昂貴的外部顧問(wèn)來(lái)執(zhí)行該過(guò)程，也可能是昂貴的。

使用 AI 算法改變 ER 的運(yùn)作方式

人工智能算法的出現(xiàn)有可能改變急診室的運(yùn)作方式。在人工智能算法出現(xiàn)之前，預(yù)測(cè)和估計(jì)或多或少是靜態(tài)的或事后的。

可以將其視為在路上開(kāi)車(chē)并管理我們的日程安排，而無(wú)需使用 Waze 或 Google 地圖等所有現(xiàn)代工具。這些漂亮的實(shí)用程序利用最先進(jìn)的人工智能功能來(lái)預(yù)測(cè)交通負(fù)載并提供關(guān)于路障的持續(xù)反饋，估計(jì)路障清除所需的時(shí)間，當(dāng)然還有非常準(zhǔn)確的預(yù)測(cè)需要多長(zhǎng)時(shí)間才能完成旅程.

建模 ER 流程并使用模式識(shí)別

ER 中的流程雖然很復(fù)雜，但仍然可以使用 AI 模型進(jìn)行建模并使用模式識(shí)別進(jìn)行解釋。一旦算法開(kāi)始學(xué)習(xí) ER 中的模式，它就可以開(kāi)始生成實(shí)時(shí)預(yù)測(cè)。

與傳統(tǒng)編程技術(shù)相比，使用 AI 算法和機(jī)器學(xué)習(xí)的優(yōu)勢(shì)在于 AI 和機(jī)器學(xué)習(xí)算法可以考慮更多因素。如果一個(gè)傳統(tǒng)的軟件程序需要估計(jì)患者需要在 ER 中等待特定活動(dòng)的時(shí)間，并且它需要考慮幾十個(gè)變量，那么編程邏輯將變得越來(lái)越復(fù)雜，并且不僅難以創(chuàng)建但管理起來(lái)會(huì)更加麻煩。

創(chuàng)建每個(gè)因素如何影響結(jié)果的規(guī)范也將非常具有挑戰(zhàn)性，并且需要非常忙碌的醫(yī)院工作人員的大量投入。

收集更多歷史數(shù)據(jù)以迭代學(xué)習(xí) ER

隨著新的人工智能技術(shù)的出現(xiàn)，這變得更加可行。可以收集大量歷史數(shù)據(jù)并使用該數(shù)據(jù)來(lái)創(chuàng)建一個(gè)學(xué)習(xí)過(guò)程，在該過(guò)程中系統(tǒng)迭代地學(xué)習(xí)哪些因素對(duì)估計(jì)的影響更大。

結(jié)果？更好的醫(yī)院 ER 預(yù)測(cè)

現(xiàn)在可以使用新的 AI 算法和機(jī)器學(xué)習(xí)工具包計(jì)算現(xiàn)代 ER 所需的許多預(yù)測(cè)。

使用這些實(shí)用程序可以預(yù)測(cè)實(shí)驗(yàn)室測(cè)試需要多長(zhǎng)時(shí)間，處方可以交付到急診室多長(zhǎng)時(shí)間以及今天下午需要哪些設(shè)備。由于這些 ER 引擎面向?qū)崟r(shí)預(yù)測(cè)并提供近乎實(shí)時(shí)的結(jié)果，因此這些工具可以在 ER 樓層連續(xù)使用，而不是作為定期或事后練習(xí)。

來(lái)自 EHR 供應(yīng)商的更多 API 的出現(xiàn)使這變得更加可行。由于 Tagnos 引擎在云中運(yùn)行，因此不需要額外的醫(yī)院基礎(chǔ)設(shè)施，除非托管模型更可取，在這種情況下，Tagnos 可以適應(yīng)這種情況。

Tagnos 正在與我們的一些現(xiàn)有客戶(hù)合作，以在 ER 中實(shí)現(xiàn)這一點(diǎn)。預(yù)計(jì)這將有助于減少 20% 的實(shí)驗(yàn)室時(shí)間，減少 5-10% 的急診室停留時(shí)間，并為醫(yī)院提供額外的收入。

更準(zhǔn)確的預(yù)測(cè)也會(huì)對(duì)患者滿(mǎn)意度產(chǎn)生積極影響，因?yàn)獒t(yī)院工作人員現(xiàn)在可以向患者及其家人傳達(dá)更準(zhǔn)確的等待時(shí)間。