Компания Guardoc Health автоматизирует ведение клинической документации с помощью моделей искусственного интеллекта Amazon Nova.

Компания Guardoc Health ежедневно обрабатывает более миллиона медицинских документов. Использование моделей Amazon Nova через Bedrock представляет собой значительный шаг вперед в автоматизации медицинской документации и повышении точности клинических данных.

Критический баланс: клиническая документация на основе искусственного интеллекта

Внедрение ИИ в клиническую документацию требует тщательной оценки рисков. Ошибки в документации могут привести к серьезным последствиям:

• Отклонены заявки на возмещение расходов по программе Medicare. в рамках модели оплаты, определяемой пациентом (PDPM)
• Значительные штрафы по результатам аудита и санкции регулирующих органов
• Риск судебных разбирательств из-за несоответствий в документации
• Критические риски для безопасности пациентов из-за пропущенных состояний, влияющих на решения о лечении

Однако успешная реализация приносит ощутимые результаты: Сокращение циклов коррекции, уменьшение количества переводов в больницу и значительное снижение затрат на соблюдение нормативных требований.Программное обеспечение Guardoc Health для ведения документации в учреждениях долгосрочного ухода демонстрирует эти результаты на основе опубликованных данных о внедрении.

Понимание проблемы документации

Система обработки документов Guardoc Health поддерживает работу с документами практически во всех клинических форматах:

Многостраничные PDF-файлы, сочетающие рукописные пометки врачей с печатным текстом, формы предварительного согласования, где решения о покрытии расходов принимаются на основании одного флажка, списки лекарств, представленные в виде структурированных таблиц или свободного текста, а также формы для сбора информации о пациентах, сочетающие печатные поля с оттисками штампов и рукописным текстом.

Исследование опубликовано в журнале BMJ Quality and Safety. приблизительно Ежегодно 12 миллионов амбулаторных пациентов в США страдают от диагностических ошибок.При этом в качестве сопутствующих факторов были выявлены сбои в обработке информации. При объеме обработки данных в Guardoc даже один процент ошибок в обнаружении состояния будет приводить к появлению тысяч некорректных записей ежедневно, каждая из которых имеет последствия для безопасности пациентов или соблюдения нормативных требований.

Количественно измеримые улучшения производительности

Компания Guardoc Health сообщает о существенных улучшениях в операционной деятельности:

В ходе ежеквартального внедрения, охватившего два медицинских учреждения и 200 пациентов, система показала следующие результаты:

• 847 исправлений в документации реализовано
• 86. Проблемы с точностью возмещения расходов по программе PDPM. выявлено и решено
• Сокращение числа переводов в больницы на 74%. на 100 госпитализаций

В отдельном исследовании, охватывающем семь учреждений и 1618 проживающих, были выявлены следующие случаи. 10 612 проблем с документациейсогласно данным компании.

Оптимизированная по стоимости архитектура ИИ

Техническая архитектура Guardoc реализует Генерация с расширенным извлечением (RAG) Для классификации заболеваний необходимо извлечь доказательства из медицинской документации пациента, прежде чем применять логические рассуждения для формулирования выводов.

Процесс обработки данных построен по многоуровневой схеме:

1. Amazon Textract Извлекает текст и структурные метаданные из входящих страниц с минимальными затратами на страницу.
2. Содержание разбивка по клиническим границамсохраняя списки лекарств и разделы диагнозов в неизменном виде.
3. Каждый фрагмент Встроено с использованием Amazon Titan Text Embeddings V2 и хранится в Amazon DynamoDB с разделением данных на уровне пациента.
4. А пользовательский предварительный фильтр Сужает набор кандидатов по типу документа и давности, прежде чем поиск k-ближайших соседей извлечет релевантные фрагменты.
5. Amazon Nova 2 Lite Выполняет текстовую фильтрацию для исключения очевидных несовпадений.
6. Amazon Nova Pro Получает необработанные PDF-байты для окончательного многомодального анализа макета, рукописного текста, подписей и штампов.

Эта философия дизайна ставит во главу угла... Экономическая эффективность достигается за счет резервирования ресурсоемких вычислительных многомодальных рассуждений на заключительном этапе. там, где они обеспечивают максимальную отдачу, в то время как более дешевые компоненты обрабатывают большие объемы операций встраивания и фильтрации.

Решение сложных задач, связанных с документацией.

Наиболее сложные случаи представлены в двух категориях документов:

Извлечение лекарственных препаратов сопряжено с дополнительными сложностями. Названия лекарственных препаратов, дозировки, способы применения и частота приема представлены в различных форматах: структурированные таблицы, текст в врачебных записях, рукописные дополнения к печатным спискам и отсканированные факсимильные копии нескольких поколений.

Гибридный конвейер Guardoc решает эту проблему следующим образом: Для получения аккуратных печатных таблиц сначала использую Amazon Textract.затем передавая исходный PDF-файл и результат работы Textract в Amazon Nova Pro для решения проблем с переносом столбцов в таблицах, рукописными дополнениями и нестандартными форматами. что одно лишь оптическое распознавание символов (OCR) не может точно выполнить анализ.

Влияние на отрасль и перспективы развития

«Благодаря семейству Nova мы упрощаем для медицинских организаций выявление случаев высокого риска на ранних стадиях и принятие мер до того, как проблемы станут дорогостоящими. Автоматизируя рабочие процессы, которые ранее требовали ручного контроля, семейство Nova помогает командам сократить пробелы в соблюдении нормативных требований, предотвратить ошибки и сосредоточить больше времени на улучшении результатов лечения пациентов».

— Ассаф Амиаз, директор по продуктам в Guardoc Health

Развертывание демонстрирует, как Обработка документов с помощью искусственного интеллекта может трансформировать рабочие процессы ведения клинической документации.Это позволяет медицинским бригадам перейти от ручного контроля к проактивному уходу за пациентами, сохраняя при этом стандарты соответствия и снижая операционные расходы.

Основные выводы для организаций здравоохранения:

• Стратегическое внедрение ИИ может значительно сократить количество ошибок в документации и риски, связанные с соблюдением нормативных требований.
• Оптимизированные по стоимости архитектуры делают крупномасштабную обработку документов экономически целесообразной.
• Мультимодальные модели искусственного интеллекта эффективно обрабатывают сложные форматы клинической документации.
• Автоматизированные рабочие процессы позволяют медицинским работникам уделять приоритетное внимание уходу за пациентами, а не административным задачам.