시애틀 어린이 병원의 경우 실제 데이터에 따라 끊임없이 확장하는 우주를 적용하고 적시에 관련성이있는 대규모 임상 장애물입니다. 병원은 항상 가장 현대적인 지원을 제공하는 데 우선 순위를 두었지만 의학적 지식의 엄청난 양과 빠른 진화는 심각한 문제였습니다.
일
시애틀 아동 병원의 부사장 겸 최고 의료 책임자 인 클라라 린 (Clara Lin) 박사는“우리의 전문 소아과 의사는 의학 문학이 몇 달마다 두 배가되는 풍경을 탐색해야하며, 시애틀 아동 병원의 부사장 겸 최고 의료 책임자 인 클라라 린 박사는“각각의 새로운 연구의 심각성과 환자의 고유 한 요구에 대한 관련성을 비판적으로 평가하기 위해 노력하고있다”고 말했다. “소아과 의사의 부족이 증가하고 환자의 더 어려운 경우의 압력과 함께 최신 결과를 계속 인식해야 할 필요성은 문제에 대한 최적화 된 솔루션에 대한 긴급 성을 강조했습니다.
그녀는“실제 데이터를 기반으로 실무에 대한 우리의 약속으로 2010 년에 임상 효율성 프로그램을 만들게되었습니다. “현재 환자 품질 및 안전 센터에서 Darren Migita 박사가 이끄는이 중요한 이니셔티브에는 수많은 공급 업체와 과학자들의 시간과 경험에 대한 상당한 투자가 포함되어 있습니다.”
그들은 함께 70 개 이상의 진단을 위해 임상 표준 작업 경로 또는 CSW의 개발 및 유지를 위해 의학 문헌을 신중하게 봅니다. 이 CSW는 환자의 결과를 향상시키고 전 세계 의료진이 입양하는 데 귀중한 것으로 판명되었습니다.
“그럼에도 불구하고, 이러한 잘 생각한 방법, 엄청난 양의 정보, 텍스트, 이미지, 블록 다이어그램 및 전문가의 집단적 지혜를 나타내는 테이블은 환자의 특정 시나리오에 대한 특정 가이드를 찾고있는 고용 된 임상의와 함께 검색 프로세스를 대표 할 수 있습니다.”라고 그녀는 설명했습니다.
그녀는“생성 AI의 출현은 우리 가이 중요한 정보에 접근하고 사용하는 방법에있어 패러다임의 잠재적 변화를 연구 할 수있는 흥미로운 기회를 제공했습니다. “우리는 AI의 대형 모델이 광범위한 CSW 지식 기반을 멋진 속도와 정확성으로 체로 표현할 수있는 강력한 도구 역할을하는 방법을 보았습니다.”
주요 작업은이 기술이 임상 건강 관리에 필요한 정확도와 신뢰성 수준을 달성 할 수 있는지 여부를 결정하는 것이 었습니다. 실제 데이터를 기반으로 실제 데이터를 기반으로 인공 지능의 에이전트가 효과적이고 효과적으로 추출 할 수 있으므로 공급 업체는 결정적인 솔루션 지점이 필요하므로인지 부하와 검색에 소요 된 시간을 줄이고 궁극적으로 환자의 최적 치료 제공을 증가시킵니다.
이 근본적인 질문으로 인해 어린이의 시애틀 작업은 Google과 함께이 기술을 개발하고 엄격하게 확인했습니다.
권하다
이 제안은 CSW 노선의 광범위한 저장을 통해 지적 및 효과적인 네비게이터 역할을 수행하기 위해 LLM 에이전트 전력을 사용하는 데 중점을 두었습니다. 직원은 의료 서비스 공급 업체로부터 자연 언어의 요청을 이해할 수있는 동적 인터페이스로 대리인을 대표 한 다음 광범위한 Pathways 문서에서 가장 관련성있는 정보를 신속하게 정의했습니다.
Lin은“의사가 동일한 경로 내에서 수십 페이지를 수동으로 체질하도록하는 대신 AI 에이전트는 질문의 뉘앙스를 기반으로 특정 답변을 추출 할 수있는 대상 검색 시스템 역할을 할 것입니다.
“정보에 대한 액세스 문제를 촉진하는 핵심은 에이전트가 텍스트, 이미지, 테이블 및 블록 체계를 포함한 CSW 경로의 복잡한 구조와 내용을 처리하고 이해하는 능력입니다.”라고 그녀는 말했습니다. “각 경로는 초기 프리젠 테이션 및 진단에서 완전한 치료 계획 및 후속 관찰에 이르기까지 각 단계를 다루며 특정 상태의 표준화 된 관리를 신중하게 설명합니다.”
인공 지능 에이전트가 제안한 직원은 이러한 경로에서 다양한 섹션과 의사 결정 지점을 인식하도록 정확하게 구성되어 일반 임상 작업 프로세스의 프레임 워크에서 사용자의 문제를 맥락화 할 수 있습니다.
Lin은“또한 AI 에이전트가 정보를 정확하게 검색하기 위해 사용자와 대화 대화에 참여할 것으로 예상했다. “공급 업체의 초기 요청에 도중에 해당 섹션을 정확히 찾을 수있는 충분한 세부 정보가 없다면 에이전트는 명확한 질문을 적극적으로 요청했습니다.
그녀는“이 반복 과정은 검색을 좁히고 제공된 정보가 길에 매우 구체적이지 않도록하는 데 도움이 될 것입니다. “저는“가상 컨설턴트”와 대화를 시뮬레이션했으며, 대리인은 전통적인 주요 검색/텍스트와 비교하여보다 직관적으로 이해할 수 있고 효과적인 경험을 제공하여 실제 리더십 데이터를 기반으로 찾을 때 귀중한 시간을 절약하고 의료진의인지 부담을 줄이려고했습니다. “
도전과의 만남
이 문제를 해결하기 위해 Seattle Children은 Google과 함께 AI Google Cloud Vertex AI에서 트윈 모델을 사용하여 조수를 만들기 위해 Google과 협력했습니다. 이 에이전트는 시애틀의 CSW 길에 특별히 교육을 받았습니다. 수천 페이지의 텍스트, 이미지 및 블록 다이어그램.
Lin은“공급 업체는 대화 방법이있는 임상 시나리오에 대한 조수에 대한 질문을 할 수 있습니다. “그런 다음 에이전트는 CSW 경로에서 관련 정보를 직접 추출합니다. 초기 질문이 충분히 구체적이지 않으면 에이전트는 필요한 정보를 정확하게 결정하기 위해 명확한 질문을합니다.
“50 명 이상의 시애틀 어린이 공급 업체가 조수를 테스트하는 데 참여하여 정확성을 확인하기위한 1300 개 이상의 팁을 제공했습니다.”라고 그녀는 계속 말했습니다. “이 엄격한 테스트로 인해 정확도 지표가 여러 번 반복 된 후 98%를 초과한다는 사실로 이어졌습니다. 이제 우리는 가까운 미래에 일부 임상 영역에서 더 넓은 사용을위한 교육 자료를 개발하고 있습니다.”
현재 Pathway Assistant는 독립적으로 작업하고 있으며 다른 응용 프로그램 또는 시스템과 통합되지 않습니다. 개발 및 테스트 단계에서 이러한 의도적 인 접근 방식을 통해 직원은 환자 또는 기타 임상 응용 분야에 대한 데이터를 통합 할 필요가 없거나 통합 할 필요없이 주요 기능의 정확성과 신뢰성에만 집중할 수있었습니다.
“선출 된 임상 영역에서 파일럿 소개를 준비 할 때, 특정 환자에 대한 데이터가 필요하지 않고 CSW에 내장 된 집단 지식에 즉각적인 액세스 할 수있는 공급 업체의 기능을 확장하는 데 관심이 남아 있습니다.”라고 그녀는 말했습니다.
결과
AI Pathway Assistant가있는 의료 조직의 주요 엔드 포인트는 Reaade 수준의 감소는 아니지만, 더 넓은 CSW 경로는 환자의 일반적인 결과를 개선하는 입증 된 실적을 가지고 있습니다. 이 이니셔티브 AI의 주요 관심은 실제 데이터, 표준화 된 치료 경로를 기반으로 이의 가용성과 헌신의 개선을 중심으로 회전합니다.
Lin은“공급 업체가 CSW에서 중요한 정보를 얻는 데 걸리는 시간의 감소를 평가할 것입니다. “의료 지점에서 가장 현대적인 가이드 라인을 촉진하고 쉽게 접근 할 수있는 촉진하고 쉽게, 우리는 CSW의 효과에 의해 입증 된 바와 같이, 환자의 환자를 개선하는 데 간접적으로 기여할 수있는 모범 사례의 일관된 사용을 기대합니다.”
다른 사람을위한 팁
시애틀 어린이들은이 도구의 발전 외에도 인공 여행을 통해 많은 교훈을 배웠습니다.
Lin은“인공 지능 에이전트 기술의 사용을 고려한 건강 관리 공급 업체 조직에 대한 나의 조언은 먼저 명확하게 정의되고 긴급한 문제로 연구를 확보하는 것입니다. “멋진 기술을 받아들이려는 유혹에 굴복하지 마십시오.
그녀는“또한 임상 및 수술실 모두 투자로부터의 잠재적 수익을 평가할 때 현실적이고 신중하게 생각합니다. “Chuko, 측정 가능한 개선에 대한 명확한 방법으로 특정 사용 사용은 빠르게 성장하는 산업에서 노력과 자원의 우선 순위를 결정하는 데 중요 할 것입니다.”
둘째, 임상 적 맥락에서 AI, 특히 생성 AI의 사용에 대한 인식은 점검 및 테스트에 대한 매우 엄격한 접근법이 필요하다고 그녀는 말했다.
그녀는“임상 조건에서 AI가 만든 정보의 부정확성은 중대한 결과를 초래할 수 있습니다. “따라서 조직은 명확하게 높은 수준의 정확성과 신뢰성을 달성하기 위해 광범위하고 반복적 인 테스트에 참여해야하며, 이는 종종 인간 지식과 시간에 대한 투자, 종종 자원의 초기 계획에 예상치 못한 것을 의미합니다.
“또한 신뢰할 수있는 지속적인 모니터링 시스템을 만들어야합니다.”라고 그녀는 계속 말했습니다. “여기에는 실제 임상 시나리오에서 인공 지능 효과의 결과에 대한 활발한 검토가 포함되어야합니다. 실제 모니터링 및 검증에 대한 이러한 약속은 HealthCare에서 AI를 책임지는 데 중요합니다.”
마지막으로, 신뢰 강화와 사용자 채택을 보장하는 것은 이러한 유형의 기술에 중요한 성공 요인이며, 라인이 제안됩니다.
“이것은 기술에 대한 설명을 넘어서고 있으며, 도구의 가능성과 제한에 대한 포괄적 인 교육과 투명한 의사 소통이 포함됩니다.”라고 그녀는 말했습니다. “건강 전문가들은 인공 지능의 혐의 목표, 데이터 소스 및 정확성을 보장하기 위해 보장하기를 원할 것입니다.
그녀는“또한 사용자 경험을 신중하게 고려한다”고 결론 지었다. “직관적으로 이해할 수 있고 원활하게 통합 된 도구는 바쁜 임상의가 훨씬 자주 사용합니다. 사용자에게 중점을 둔 설계에 대한 투자는이 기술의 장점을 극대화하고 임상 작업 프로세스에 성공적으로 통합하는 데 중요 할 것입니다.”
LinkedIn : Bill Sivitski에서 Bill의 인기를 따르십시오
그에게 편지 : bsiwicki@himss.org
Healthcare IT News는 Himss Media의 출판입니다.
지금보기 : IT 공연자가 AI의 주요 장교가 될 수있는 방법과 C-Suite와 잘 어울리는 방법
