Авторы статьи подчеркивают, что традиционные модели ИИ в здравоохранении в основном анализируют лабораторные результаты, диагнозы, назначения и другие показатели состояния пациентов. Однако поведение врача в системе – от кликов и переходов по разделам до времени реакции на уведомления и назначения дополнительных исследований – отражает ход клинического мышления и процесс принятия решений. Включение этих данных позволит алгоритмам лучше понимать контекст лечения и точнее прогнозировать исходы.
В годовом кластерном рандомизированном исследовании, охватившем 60 тысяч госпитализаций в двух медицинских центрах, интеграция цифровых следов в систему раннего предупреждения об ухудшении состояния пациентов позволила снизить внутрибольничную смертность на 35,6%, сократить длительность пребывания в стационаре на 11,2% и уменьшить риск сепсиса на 7,5%.
Учет таких данных открывает возможности не только для совершенствования прогностических моделей, но и для анализа влияния технологий на практику. Он показывает, как врачи используют алгоритмы, как меняется их нагрузка и маршруты принятия решений. Это позволяет выявлять слабые места в интерфейсах, предотвращать перегрузку персонала и корректировать организацию работы.
В то же время исследователи признали, что внедрение нового подхода сопряжено с рядом проблем. Данные о взаимодействии врачей с электронными системами сильно различаются у разных поставщиков, содержат «шум» и не охватывают аспекты работы, происходящие вне цифровой среды. Для преодоления этих ограничений необходимы стандарты ведения журналов действий, унифицированные словари и технологии очистки информации.
Сочетание поведенческих сигналов, зафиксированных в данных о взаимодействии с ЭМК, с традиционными данными пациентов, по мнению исследователей, открывает путь к клиническому ИИ, который становится не только более точным, но и более контекстным – тесно согласованным с реальной практикой оказания медицинской помощи.
В то время как исследователи из США и Китая предлагают совершенствовать алгоритмы за счет анализа цифровых следов работы врачей в ЭМК, в журнале Digital Medicine выдвинута идея введения новой медицинской специализации – «алгоритмический консультант». Предполагается, что такие специалисты будут помогать врачам правильно выбирать и интерпретировать модели ИИ, контролировать их внедрение и применение в клинической практике, что должно повысить надежность и безопасность цифровых решений в здравоохранении.
Авторы статьи подчеркивают, что традиционные модели ИИ в здравоохранении в основном анализируют лабораторные результаты, диагнозы, назначения и другие показатели состояния пациентов. Однако поведение врача в системе – от кликов и переходов по разделам до времени реакции на уведомления и назначения дополнительных исследований – отражает ход клинического мышления и процесс принятия решений. Включение этих данных позволит алгоритмам лучше понимать контекст лечения и точнее прогнозировать исходы.
В годовом кластерном рандомизированном исследовании, охватившем 60 тысяч госпитализаций в двух медицинских центрах, интеграция цифровых следов в систему раннего предупреждения об ухудшении состояния пациентов позволила снизить внутрибольничную смертность на 35,6%, сократить длительность пребывания в стационаре на 11,2% и уменьшить риск сепсиса на 7,5%.
Учет таких данных открывает возможности не только для совершенствования прогностических моделей, но и для анализа влияния технологий на практику. Он показывает, как врачи используют алгоритмы, как меняется их нагрузка и маршруты принятия решений. Это позволяет выявлять слабые места в интерфейсах, предотвращать перегрузку персонала и корректировать организацию работы.
В то же время исследователи признали, что внедрение нового подхода сопряжено с рядом проблем. Данные о взаимодействии врачей с электронными системами сильно различаются у разных поставщиков, содержат «шум» и не охватывают аспекты работы, происходящие вне цифровой среды. Для преодоления этих ограничений необходимы стандарты ведения журналов действий, унифицированные словари и технологии очистки информации.
Сочетание поведенческих сигналов, зафиксированных в данных о взаимодействии с ЭМК, с традиционными данными пациентов, по мнению исследователей, открывает путь к клиническому ИИ, который становится не только более точным, но и более контекстным – тесно согласованным с реальной практикой оказания медицинской помощи.
В то время как исследователи из США и Китая предлагают совершенствовать алгоритмы за счет анализа цифровых следов работы врачей в ЭМК, в журнале Digital Medicine выдвинута идея введения новой медицинской специализации – «алгоритмический консультант». Предполагается, что такие специалисты будут помогать врачам правильно выбирать и интерпретировать модели ИИ, контролировать их внедрение и применение в клинической практике, что должно повысить надежность и безопасность цифровых решений в здравоохранении.