Guardoc Health automatisiert die klinische Dokumentation mit Amazon Nova KI-Modellen.

Guardoc Health verarbeitet täglich über eine Million klinische Dokumente. Die Verwendung von Amazon Nova-Modellen über Bedrock stellt einen bedeutenden Fortschritt in der Automatisierung der medizinischen Dokumentation und der klinischen Genauigkeit dar.

Das kritische Gleichgewicht: KI-gestützte klinische Dokumentation

Der Einsatz von KI in der klinischen Dokumentation erfordert eine sorgfältige Risikobewertung. Dokumentationsfehler können schwerwiegende Folgen nach sich ziehen:

• Abgelehnte Medicare-Ansprüche im Rahmen des patientenorientierten Zahlungsmodells (PDPM)
• Erhebliche Bußgelder für Betriebsprüfungen und behördliche Strafen
• Prozessrisiko aufgrund von Dokumentationsabweichungen
• Kritische Risiken für die Patientensicherheit aus übersehenen Bedingungen, die Behandlungsentscheidungen beeinflussen

Eine erfolgreiche Implementierung führt jedoch zu messbaren Vorteilen: reduzierte Korrekturzyklen, weniger Krankenhausverlegungen und deutlich geringere Compliance-KostenDie Dokumentationssoftware von Guardoc Health für Langzeitpflegeeinrichtungen belegt diese Ergebnisse anhand veröffentlichter Einsatzdaten.

Die Herausforderung der Dokumentation verstehen

Die Verarbeitungspipeline von Guardoc Health verarbeitet Dokumente in praktisch jedem klinischen Format:

Mehrseitige PDFs, die handschriftliche ärztliche Anmerkungen mit gedrucktem Text kombinieren, Genehmigungsformulare, bei denen einzelne Kontrollkästchen die Kostenübernahme bestimmen, Medikamentenlisten, die als strukturierte Tabellen oder Freitext erscheinen, und Patientenaufnahmeformulare, die getippte Felder mit Stempeln und Handschrift mischen.

Forschungsergebnisse, veröffentlicht in BMJ Quality and Safety Schätzungen ungefähr Jährlich sind 12 Millionen ambulante Patienten in den USA von Diagnosefehlern betroffen.Als mitwirkende Faktoren wurden Fehler bei der Informationsverarbeitung identifiziert. Bei dem Verarbeitungsvolumen von Guardoc würden selbst eine Fehlerrate von nur einem Prozent bei der Zustandserkennung täglich Tausende fehlerhafter Datensätze erzeugen, die jeweils Auswirkungen auf die Patientensicherheit oder die Einhaltung von Vorschriften haben.

Quantifizierte Leistungsverbesserungen

Guardoc Health meldet deutliche betriebliche Verbesserungen:

Bei einem vierteljährlichen Einsatz in zwei Einrichtungen und mit 200 Patienten erzielte das System folgende Ergebnisse:

• 847 Dokumentationskorrekturen implementiert
• 86 Probleme mit der Genauigkeit der PDPM-Erstattung identifiziert und gelöst
• 74 % weniger Krankenhausverlegungen pro 100 Zulassungen

Eine separate Fallstudie, die sieben Einrichtungen und 1.618 Bewohner umfasste, identifizierte 10.612 Dokumentationsprobleme, laut Unternehmensangaben.

Kostenoptimierte KI-Architektur

Die technische Architektur von Guardoc implementiert Retrieval Augmented Generation (RAG) Zur Klassifizierung von Krankheitszuständen werden Belege aus der Patientendokumentation entnommen, bevor logische Schlussfolgerungen gezogen werden.

Die Verarbeitungspipeline folgt einem mehrstufigen Ansatz:

1. Amazon Textract extrahiert Text und strukturelle Metadaten aus eingehenden Seiten zu den niedrigsten Kosten pro Seite.
2. Inhalt ist unterteilt entlang klinischer Grenzen, wobei Medikamentenlisten und Diagnoseabschnitte als intakte Einheiten erhalten bleiben
3. Jeder Abschnitt ist Eingebettet mit Amazon Titan Text Embeddings V2 und werden in Amazon DynamoDB mit Partitionierung auf Patientenebene gespeichert.
4. A benutzerdefinierter Vorfilter Die Kandidatenmengen werden anhand von Dokumenttyp und Aktualität eingeschränkt, bevor die k-Nächste-Nachbarn-Suche relevante Abschnitte abruft.
5. Amazon Nova 2 Lite führt textbasierte Filterung durch, um offensichtliche Nichtübereinstimmungen zu eliminieren.
6. Amazon Nova Pro empfängt rohe PDF-Bytes für die abschließende multimodale Analyse von Layout, Handschrift, Unterschriften und Stempeln.

Diese Designphilosophie priorisiert Kosteneffizienz durch Aufsparung rechenintensiver multimodaler Schlussfolgerungen auf die letzte Stufe dort, wo es den maximalen Nutzen bietet, während günstigere Komponenten die Einbettungs- und Filtervorgänge mit hohem Datenvolumen übernehmen.

Umgang mit komplexen Dokumentationsszenarien

Zwei Dokumentenkategorien stellen die schwierigsten Fälle dar:

Die Medikamentenextraktion stellt eine zusätzliche Schwierigkeit dar. Arzneimittelnamen, Dosierungen, Verabreichungswege und Häufigkeiten erscheinen in verschiedenen Formaten: strukturierte Tabellen, Fließtext in Arztnotizen, handschriftliche Ergänzungen zu gedruckten Listen und gefaxte Scans aus mehreren Generationen.

Guardocs hybride Pipeline löst dieses Problem durch Zuerst Amazon Textract ausführen, um saubere Drucktabellen zu erhaltenund übergibt dann sowohl die ursprüngliche PDF-Datei als auch die Textract-Ausgabe an Amazon Nova Pro zur Behebung von Spaltenumbrüchen, handschriftlichen Ergänzungen und nicht standardisierten Formaten dass OCR allein nicht genau analysieren kann.

Branchenauswirkungen und zukünftige Ausrichtung

„Mit der Nova-Familie erleichtern wir es Organisationen im Gesundheitswesen, Hochrisikofälle frühzeitig zu erkennen und zu handeln, bevor Probleme kostspielig werden. Durch die Automatisierung von Arbeitsabläufen, die zuvor manuell überwacht werden mussten, hilft die Nova-Familie Teams, Compliance-Lücken zu schließen, Fehler zu vermeiden und sich stärker auf die Verbesserung der Patientenergebnisse zu konzentrieren.“

— Assaf Amiaz, Produktleiter bei Guardoc Health

Die Bereitstellung demonstriert, wie KI-gestützte Dokumentenverarbeitung kann klinische Dokumentationsabläufe transformieren.Dadurch können die Teams im Gesundheitswesen von der manuellen Überwachung zur proaktiven Patientenversorgung übergehen und gleichzeitig die Compliance-Standards einhalten und die Betriebskosten senken.

Wichtigste Erkenntnisse für Organisationen im Gesundheitswesen:

• Der strategische Einsatz von KI kann Dokumentationsfehler und Compliance-Risiken erheblich reduzieren.
• Kostenoptimierte Architekturen machen die Verarbeitung großer Dokumentenmengen wirtschaftlich rentabel.
• Multimodale KI-Modelle verarbeiten komplexe klinische Dokumentationsformate effektiv.
• Automatisierte Arbeitsabläufe ermöglichen es medizinischem Fachpersonal, der Patientenversorgung Vorrang vor administrativen Aufgaben einzuräumen.