Rate this post

عاشق وب: فناوری های نوپدید دیجیتال، با دگرگون کردن مناسبات حرفه ای و فرایندهای کسب و کاری، فرهنگ و تجربه مشتری را با ساختاری نوین بازآفرینی کرده اند و حوزه سلامت و درمان بعنوان یکی از زمینه های راهبردی بهره گیری از فناوری های نوپدید به شمار می آید.

به گزارش عاشق وب به نقل از ایسنا، امروزه بیمارستان ها و مراکز درمانی پیشرو با پیاده سازی سامانه های یکپارچه هوشمند و داده محور و همینطور بهره گیری از فناوریهایی نظیر هوش مصنوعی (AI)، بر بهبود فرآیند تشخیص و درمان با کمک گرفتن از «سیستم های پشتیبان تصمیم گیری» (Decision Support System)، تمرکز کرده اند.

الگوریتم های هوش مصنوعی به طور فزایندهای برای بهبود تشخیص بالینی علایم بیماری در زمینه هایی مانند رادیولوژی، پوست، گوارش، چشم پزشکی و صدمه شناسی مورد استفاده قرار گرفته است، با این وجود، تمرکز بر رویکرد تحول دیجیتال، فقط بمنظور بهبود تشخیص های پزشکی، اشتباه است. بیمارستان ها می توانند در چندین حوزه کلیدی از تحول دیجیتال برای بهبود مستمر برنامه های عملیاتی و ایجاد ارزش و مطلوبیت برای ذی نفعان، شامل بیمار، کادر درمان، نوبت دهی و مدیریت زنجیره تأمین استفاده نمایند.

در همین رابطه، مهدی حسینی – مدیر ارشد سلامت هوشمند فناپ زیرساخت – در گفت و گو با ایسنا، با بیان اینکه، از آنجائیکه بیمارستانها تلاش می کنند مراقبت های مناسب و سفارشی سازی شده را در زمان مناسب به یک بیمار مشخص، عرضه کنند ازاین رو انجام دو کار ضروری می باشد، اظهار نمود: نخست ارزیابی دقیق فرآیند تشخیص و درمان بیماران و دوم مدیریت موثر منابع بیمارستانی. بعضی از آنها برای فرآیند تشخصی و درمان تا حدودی آموزش دیده اند، اما مهارت و قابلیت لازم برای مدیریت موثر منابع بیمارستانی ندارند و این مساله چالش برانگیزی است، بخصوص در دورانی که همه گیری کووید-۱۹ به اوج رسیده بود، این مورد فشار بالایی بر ظرفیت بیمارستانها وارد کرد.

وی اضافه کرد: در بیمارستان، سیستم های عملیاتی «پشتیبان تصمیم گیری» که مبتنی بر داده ها هستند (Data Driven DSS)، می توانند بینش های ارزشمندی را جهت کمک به تصمیم گیری در حوزه های تریاژ (اولویتبندی بیماران برای بهرهمندی از درمان)، پذیرش و ترخیص عرضه کنند. برای مثال، وقتی در قسمت پذیرش مطمئن نیستند که بیمار تازه وارد، پ باید به آیسییو فرستاده شود یا به بخش عمومی، یک الگوریتم پشتیبان تصمیمگیری می تواند سفارش هایی را برپایه اولویت های پیشبینی شده برای پذیرش در آی سی یو ویژه آن بیمار خاص عرضه نماید.

حسینی افزود: بررسی داده های عملیاتی بیشتر از ۱۹۰ هزار مورد بستری در ۱۵ بیمارستان نشان می دهد، بیمارانی که می بایست در آی سی یو پذیرش می شدند، اما در قسمت دیگری از بیمارستان (برای مثال، بخش عمومی) بستری شده اند، دوره اقامت طولانی تری در بیمارستان داشته و نرخ پذیرش باردیگر آنها هم افزایش پیدا کرده است.

او اظهار داشت: اگر ظرفیت آی سی یوی مورد نظر محدود باشد، مسؤلان بیمارستان امکان دارد انتخابهای مختلفی مانند بستری کردن بیمار در یک واحد دیگر (مثلا، آی سی یوی جراحی به جای پزشکی) یا ترخیص بیمارانی که هم اکنون در آی سی یو هستند را برای ایجاد فضا در آی سی یو درنظر بگیرند و البته برپایه تحقیقات گزینش هر یک از این دو رویکرد، نتایج مهم و ناخواسته ای دارند. الگوریتم های پشتیبان تصمیم گیری می توانند این پیامدها را کاهش دهند، هزینه ها و منافع انتخاب های مختلف را بسنجند و سفارش های مناسب عرضه کنند.

وی در ادامه سخنانش تشریح کرد: از الگوریتم ها همینطور می توانیم برای خودکارسازی وظایف عملیاتی استفاده نماییم. در یک مجموعه آزمایش ها از پزشکان و کارکنان «آمازون مکانیکال ترک» Amazon Mechanical Turk خواسته شد یک واحد بیمارستانی شبیه سازی شده را مدیریت کنند، یافته های این آزمایش ها نشان داد سوگیری های رفتاری و خطاهای تصمیم گیری مبتنی بر شناخت، امکان دارد بر تصمیم های عملیاتی تاثیر بگذارند. با جدا کردن تصمیم گیری به دو بخش بالینی و عملیاتی و استفاده از الگوریتم ها برای خودکارسازی مؤلفه عملیاتی به نتایج بهتری می انجامند.

طبق گفته حسینی در قسمت های بیمارستانی، الگوریتم های یادگیری ماشین (Machin learning) و پشتیبان تصمیم گیری می توانند برای پیشبینی تعداد مورد انتظار پذیرش ها، ترخیص ها و انتقال بیماران به بخش استفاده شوند و این پیشبینی ها، روند اقدامات بعدی را هدایت می کنند و بدین ترتیب روند گردش تخت های بیمارستان تسهیل می شود، سفر بیمار بهبود می یابد و از مدت اقامت بیماران کم می شود.

او در ادامه سخنانش با اشاره به اینکه پیشبینی های هر بخش در کارتابل مدیریت تخت ها در کل بیمارستان نه تنها وضعیت فعلی هر بخش را نشان می دهند، بلکه پیشبینی هایی هم برای وضعیت آینده مورد انتظار در بیمارستان عرضه می کنند، خاطرنشان کرد: نتایج نمونه های اجرا شده بسیار امیداورکننده است برای مثال یک مرکز پزشکی در بوستون امریکا، با همکاری گروهی از پژوهشگران دانشگاه امآیتی کارپوشه های پیشبینی شده برای پشتیبانی از تصمیم گیری ها در زمینه پذیرش و انتقال بیماران را با نمایش آمار فعلی هر بخش و همینطور تعداد ترخیص های پیشبینی شده اجرا کرد و به همین ترتیب، یک بیمارستان کودکان در بوستون امریکا از سامانه پیشبینی کننده تعیین جا برای بیمار استفاده می نماید که با کمک آن بخش اورژانس می داند چه بیمارانی احتمالا در بیمارستان پذیرش شده و در کدام بخش بستری می شوند.

وی اضافه کرد: بدین سان کارتابل مدیریت تخت های بیمارستان، برنامه ریزی بهتر و ارتباطات پیشرفته را در قسمت های مختلف امکانپذیر می کند و البته این فرآیند می تواند به سامانه هشداردهی خودکار تجهیز شود برای مثال وقتی که میانگین زمان انتظار برای تخت جدید از آستانه پیشبینی شده عبور کند، اخطار بدهد.

فناوری دیجیتال در خدمت کادر درمان

حسینی ضمن اشاره به این که فناوری دیجیتال می تواند به بخش مدیریت منابع انسانی بیمارستان هم کمک نماید، تشریح کرد: بعنوان نمونه برای مدیریت کارکنان بخش پرستاری که سهم قابل توجهی در سبد هزینه های بیمارستان دارند، به جای تکیه بر تماسهای تلفنی، پیام های متنی و صفحات گسترده(spreadsheets) با تصمیم گیری در رابطه با کارکنان که اغلب در آخرین لحظات تغییر می کنند، سرپرستاران و مدیران بیمارستان ها می توانند از تحلیل اطلاعات برای بهبود این روند استفاده نمایند. برای مثال، الگوریتم ها می توانند میزان غیبت پرستاران و احتیاج به افزایش نیروی انسانی را پیشبینی کنند تا تعداد لازم پرستاران شناور تعیین بشوند. نتایج تحقیقات در عملیات بخش اورژانس نشان داده است این موارد را می توانیم الگوسازی نماییم، حتی در محیط هایی که میزان تقاضا بسیار نامشخص است.

او اضافه کرد: توانایی سامانه های هوشمند مدیریت منابع بیمارستان در اقدامات پیش دستانه و عرضه پاسخ سریعتر سطح ثبات و پیشبینی پذیر بودن برنامه کاری پرستاران را زیاد می کند. این جنبه از این نظر مهم می باشد که نرخ بالای جابه جایی پرستاران یکی از چالش های مهم حوزه سلامت و درمان است؛ بررسی علل جابه جایی پرستاران در یکی از بزرگ ترین آژانس های امریکایی سلامت در منزل، نشان داده است ناهماهنگی های ناشی از عملکرد کارفرما در برنامه ریزی امور محوله به کارکنان، احتمال ترک کار از جانب آنان را زیاد می کند.

وی افزود: تحلیل اطلاعات برای بهینه سازی کار گروهی کارکنان به کار می آید. برپایه تحقیقات، چینش ترکیب تیم های مراقبت، تأثیر قابل توجهی بر عملکرد آنها دارد. یک مطالعه روی تیم های بخش اورژانس که مجموعاً بیشتر از ۱۱۱ هزار بیمار را در طول دو سال ویزیت کرده اند، نشان داده است تفاوت ها در سلسله مراتب و مهارت پزشکان، پرستاران و پزشکان مقیم به تأثیرات مختلفی بر عملکرد تیم با عنایت به اعضای جدید آن منجر می شود. مطالعه دیگری روی تیم های جراحی قلب که بیشتر از ۶۰۰۰ عمل جراحی را در طول هفت سال انجام داده بودند، نشان داد توجه به آشنایی دوبه دو میان اعضای تیم و تعداد همکاریهای گذشته هرکدام از ترکیب های دونفره جراح ها، اثر مهمی روی بهبود بازدهی تیم جراحی دارد. درنظرگرفتن همه این موارد هنگام کوشش برای گزینش اعضای تیم ها به صورت دستی غیر ممکن است، اما هوش مصنوعی می تواند به راحتی همه دیدگاه های حاصل از تحقیقات را برای تعیین بهترین ترکیب تعیین کند.

فناوری دیجیتال برای بهینه سازی نوبت دهی

حسینی اظهار نمود: خیلی از بیمارستان ها به سمت ثبت و ذخیره الکترونیکی پرونده بیماران رفته اند، اما نوبتدهی در قسمت های مختلف هنوز تا حد زیادی یک فرآیند دستی است از برنامه ریزی روند جراحی ها در اتاق های عمل تا رادیولوژی و خیلی از موارد دیگر هنوز دستی صورت می گیرد. در زمینه نوبت دهی و زمانبندی، فناوری های دیجیتال برای پیشبینی بهتر نیازهای بخش ها و هماهنگی آسان تغییرات لحظه ای و همینطور بهینه سازی نوبت دهی ها برپایه آخرین متدها بکارگرفته می شوند. برای مثال، از الگوریتم های یادگیری ماشین میتوان برای پیشبینی بهتر مدت زمان هر روند کاری مانند جراحی یا ام آرآی استفاده نمود. مثال دیگر، مدت زمان مورد انتظار برای یک عمل جراحی نه تنها تابعی از خصوصیت های بیمار و نیازهای بالینی او بلکه تابع عوامل مختلف عملیاتی است، بدان معنا که مدت زمان انجام عمل جراحی بسته به ابعاد تیم جراحی، حجم کاری و مراحل کار در اتاق عمل تغییر می کند. الگوریتم ها برای محاسبه تأثیرات این عوامل عملیاتی در عرضه پیشبینی ها، به ما کمک می کنند.

او اظهار داشت: ازدحام در قسمت مراقبت های بعد از بیهوشی اغلب به تاخیر در پیشرفت فرآیند اتاق عمل می انجامد، تحلیل اطلاعات برای بهینه سازی زمانی روندهای کاری و یادگیری ماشین برای پیشبینی مدت زمانی که هر بیمار باید در قسمت مراقبتهای بعد از بیهوشی(PACU) بگذراند، کمک می نماید.

مدیریت زنجیره تأمین با کمک فناوری دیجیتال

وی اعتقاد دارد تأمین تجهیزات پزشکی و لوازم جراحی در بیمارستان ها هزینه درخور توجهی دارد و در بعضی موارد، این میزان یک سوم کل هزینه های عملیاتی بیمارستان ها را شامل می شود. اما بهبود زنجیره تأمین و مدیریت موجودی، اغلب در بیمارستان ها اولویت بالایی ندارد و عرضه دهندگان خدمات سلامت بیشتر تمایل دارند بر فرایندهای مراقبت مستقیم از بیمار تمرکز کنند.

حسینی با اشاره به اینکه تحقیقات نشان داده است در خیلی از صنایع، رویکرد تحول دیجیتال در زنجیره تأمین، هزینه های فرایندها را تا ۵۰ درصد کاهش و درآمد را تا ۲۰ درصد بالا می برد، تشریح کرد: بیمارستان ها هم از این قاعده مستثنی نیستند؛ خودکار کردن فرآیند جمع آوری داده ها، مرتب سازی، تطبیق حسابها و پرداخت هزینه تجهیزات پزشکی، جراحی و دارویی، سبب کاهش هزینه های در رابطه با زنجیره تأمین و مدیریت موجودی می شود. در جریان همه گیری کرونا، تقویت چابکی و انعطاف پذیری در مقابل شوک های عرضه و تقاضا بسیار حیاتی تر شد و الان مدیران بیمارستان ها به صورت فزاینده ای به دنبال راه هایی جهت استفاده از داده ها و فناوری ها هستند تا درک درست تری از موجودی، قیمت گذاری، زمان انتظار و روند تقاضا داشته باشند.

او در ادامه سخنانش اظهار داشت: طبق اطلاعات سایت هاروارد بیزنس ریوو، فناوری های RFID (ردیابی با استفاده از فرکانس رادیویی) و ردیاب های متصل به اینترنت می توانند برای ردیابی و مکان یابی بهتر و در لحظه هر یک از تجهیزات مورد استفاده قرار بگیرند. برای مثال، بیمارستان سنت ماریس کلینیک مایو در سال ۲۰۱۵ یک سیستم RFID را برای عملیات بخش اورژانس خود راهاندازی کرد که به بهبود مراقبت و تجربه بیمار و همینطور کاهش هزینهها منجر گردید.

وی اضافه کرد: یکپارچه سازی و هماهنگ کردن تجهیزات بخش های مختلف یک بیمارستان می تواند موجودی مورد نیاز برای عرضه سطح معینی از خدمات را تا حد قابل توجهی کم کند. متمرکزسازی فیزیکی یکی از طریق های دستیابی به این هدف است، اما متمرکزسازی اطلاعات که به سادگی با یک سیستم دیجیتالی مدیریت زنجیره تأمین قابل دستیابی است هم امکان دارد بتواند به همان اندازه مفید واقع شود.

حسینی در انتها تصریح کرد: بیمارستان ها برای امکان پذیر کردن برخورداری از مزیت های تحول دیجیتال، باید با نگاهی تحول آفرین در مدل کسب و کار، فرایندها و ذینفعان و با تمرکز و محوریت جمع آوری داده ها و تعامل با سیستم های نوآورانه فناوری اطلاعات، به این مهم بپردازند. برای تحول دیجیتال در گام نخست یک شرکت در حوزه هوشمندسازی را بعنوان همکار راهبردی گزینش کنند؛ یک مجموعه متخصص در حوزه تحول دیجیتال که نقشه راه هوشمندسازی را طراحی، در راه پیاده سازی آن همراهی و راهنمایی کند و برای چالش ها و بازدارنده ها، راهکارهای خلاقانه عرضه کند؛ خوشبختانه امروز در ایران هم مجموعه های متخصص وجود دارند و هم فناوری لازم برای ایجاد زیرساخت توسعه یافته است.