Bakım yönetimi başarısını artırmak için yapay zekadan nasıl yararlanılır?


Transform 2022’ye katılamadınız mı? İsteğe bağlı kitaplığımızdaki tüm zirve oturumlarına şimdi göz atın! Buraya bak.


Amerikalı yetişkinlerin yüzde altmışı en az bir kronik durum, ve beş veya daha fazla ile %12. Herhangi bir kronik rahatsızlığı olmayanlara göre sağlık hizmetlerine katlanarak daha fazla harcıyorlar. Örneğin, beş veya daha fazla kronik rahatsızlığı olan yetişkinlerin %32’si her yıl en az bir acil servis ziyareti yapmaktadır. Bunun da ötesinde, %24’ü en az bir yatarak tedavi görüyor ve ortalama 20 ayakta tedavi ziyareti var – kronik rahatsızlığı olmayanlara göre 10 kata kadar daha fazla. Aslında, Amerika’nın 4 trilyon dolarlık sağlık harcamalarının %90’ı kronik ve zihinsel sağlık sorunları olan insanlar içindir. binaen Hastalık Kontrol ve Önleme Merkezlerine (CDC).

Sağlık kuruluşlarının bu maliyetleri azaltmasının, hasta deneyimini iyileştirmesinin ve daha iyi bir toplum sağlığı sağlamasının temel yolu bakım yönetimidir.

Kısacası, bakım yönetimi, kronik rahatsızlıkları olan hastaların sağlıklarını yönetmelerine yardımcı olan hizmetlerin ve faaliyetlerin toplanması anlamına gelir. Bakım yöneticileri, bakımları altındaki hastalara proaktif olarak ulaşır ve hastane acil servis başvurularını azaltmak için önleyici müdahaleler sunar. En iyi çabalarına rağmen, bu girişimlerin çoğu yetersiz sonuçlar sağlar.

Mevcut bakım yönetimi girişimleri neden etkisizdir?

Günümüzde bakım yönetiminin çoğu geçmiş verilere dayalı olarak gerçekleştirilmektedir.

Örneğin, bakım yöneticileri bir önceki yıla göre en yüksek maliyeti olan hastaları belirler ve sosyal yardım programlarına onlarla başlar. Dahili araştırmamıza göre bu yaklaşımla ilgili en büyük zorluk, önceki yıl yüksek maliyetli hastaların yaklaşık %50-60’ının düşük maliyetli olmasıdır. Uygun erişim olmadan, çok sayıda risk altındaki hasta, reaktif bakım yönetimi yaklaşımıyla gözetimsiz bırakılır.

Etkinlik

MetaBeat 2022

MetaBeat, 4 Ekim’de San Francisco, CA’da metaverse teknolojisinin tüm endüstrilerin iletişim kurma ve iş yapma şeklini nasıl değiştireceği konusunda rehberlik sağlamak için düşünce liderlerini bir araya getirecek.

Buradan Kaydolun

Bakım yönetimi ekibinin bugün kullandığı risk sınıflandırması ulusal bir modeldir.

Bu modeller yerelleştirilmemiştir, bu nedenle bireysel konumların sosyal belirleyicilerini anlamak dikkate alınmaz.

Bakım yönetimi ekibinin birincil odak noktası, esas olarak bakımın geçişi ve yeniden hastaneye yatışlardan kaçınmaktır.

Farklı müşterilerle çalışırken edindiğimiz deneyim, yeniden kabullerin toplam kabulün yalnızca %10-15’ine katkıda bulunduğu gerçeğine de işaret ediyor. Proaktif bakım yönetimine ve gelecekte kaçınılabilir acil servis ve hastaneye yatıştan kaçınmaya odaklanma eksiktir. Bu, değer temelli bakım modellerinde başarının anahtarıdır.

Herhangi bir yılda, yüksek maliyetli hastalar düşük maliyetli hale gelebilir

Böyle ayrıntılı bir anlayış olmadan, sosyal yardım çabaları bakım maliyetini azaltmada etkisiz olabilir.

AI, bakım yönetimi başarısını nasıl artırabilir?

Gelişmiş analitik ve yapay zeka (AI), bakım yönetimi için önemli bir fırsat sunuyor. Sağlık riskleri, yalnızca kişinin fiziksel veya zihinsel sağlığının ötesinde çok çeşitli faktörler tarafından yönlendirilen karmaşıktır. Örneğin, diyabetli bir kişi aynı zamanda diyabet hastasıysa daha yüksek risk altındadır. düşük gelirli ve tıbbi hizmetlere sınırlı erişim. Bu nedenle, risk altındaki hastaların ihtiyaçlarını belirlerken, en çok bakıma muhtaç olanları kapsayacak ek faktörleri göz önünde bulundurmak gerekir.

Makine öğrenimi (ML) algoritmaları, risk altındaki hastaları doğru bir şekilde belirlemek için hasta geçmişi, geçmiş hastane/ER kabulleri, ilaçlar, sağlığın sosyal belirleyicileri ve harici veriler gibi karmaşık bir dizi değişkeni değerlendirebilir. Hastaları risk puanlarına göre sınıflandırabilir ve önceliklendirebilir, bu da bakım yöneticilerinin sosyal yardımlarını en çok ihtiyaç duyanlar için etkili olacak şekilde tasarlamasını sağlar.

Bireysel düzeyde, AI özellikli bir bakım yönetimi platformu, geçmiş bakımları, mevcut ilaçları, riskleri ve gelecekteki eylemleri için doğru öneriler de dahil olmak üzere her hastaya bütünsel bir bakış sunabilir. AI, yukarıdaki örnekteki hasta için, doğru zamanda uygun bakımı sağlamak için bakım yöneticilerini HbA1C okumaları, ilaç bulundurma oranı ve tahmine dayalı risk puanlarıyla donatabilir. Ayrıca, maksimum etki için her hastaya kaç kez ulaşmaları gerektiği konusunda bakım yöneticisine rehberlik edebilir.

Geleneksel risk sınıflandırma mekanizmalarından farklı olarak, modern yapay zeka destekli bakım yönetim sistemleri kendi kendine öğreniyor. Bakım yöneticileri hasta hakkında en son hastane ziyareti, ilaçlardaki değişiklik, yeni alışkanlıklar vb. gibi yeni bilgiler girdiğinde, AI risk sınıflandırmasını ve tavsiye motorunu daha etkili sonuçlar için uyarlar. Bu, her hasta için devam eden bakımın zamanla iyileştiği anlamına gelir.

Ödeme yapanlar ve sağlayıcılar neden bakım yönetiminde yapay zekayı benimseme konusunda isteksizler?

Teoride, AI’nın bakım yönetimindeki etkisi önemlidir – hem hükümetler hem de özel sektör olasılıklar üzerinde yükseliş. Ancak uygulamada, özellikle teknolojiyi her gün kullananlar, yani bakım yöneticileri arasında isteksizlik var gibi görünüyor. İyi bir sebeple.

Yerelleştirilmiş modellerin eksikliği

Yeni başlayanlar için, günümüzün yapay zeka tabanlı bakım yönetimi çözümlerinin çoğu hasta merkezli değildir. Ulusallaştırılmış modeller, çoğu yerel nüfus için etkisizdir ve tahminleri hatırı sayılır bir farkla boşa çıkarır. Doğru tahminler olmadan, bakım yöneticileri güvenilir araçlardan yoksundur ve bu da daha fazla şüphecilik yaratır. Özenle tasarlanmış yerelleştirilmiş modeller, herhangi bir yapay zeka tabanlı bakım yönetimi çözümünün başarısı için esastır.

Bakım yöneticisinin ihtiyaçları tarafından yönlendirilmez

Öte yandan, AI bugün de ‘bakım yöneticisi odaklı’ değildir. Bir ‘risk puanı’ veya herhangi bir hastanın riskini gösteren sayı, bakım yöneticisine çok az şey verir. AI çözümlerinin kullanıcının dilini konuşması gerekir, böylece önerilerle rahat olurlar.

Sağlık hizmeti sunumu, bir ML algoritmasının kara kutusuna bırakılmayacak kadar karmaşık ve kritiktir. Her kararın neden alındığı konusunda şeffaf olması gerekir – son kullanıcının erişebileceği açıklanabilirlik olmalıdır.

ROI gösterememe

Sağlık hizmeti organizasyonu düzeyinde, AI çözümleri aynı zamanda yatırım getirisi de göstermelidir. Anahtar performans göstergeleri (KPI’lar) üzerinde iğneyi hareket ettirerek işi etkilemeleri gerekir. Bu, bakım maliyetini düşürmeyi, bakım yöneticisinin yükünü hafifletmeyi, ER ziyaretlerini en aza indirmeyi ve diğer faydaları içerebilir. Bu çözümler, sağlık hizmetleri liderlerine hastane operasyonlarında ihtiyaç duydukları görünürlüğü ve teslimat ölçütlerini sağlamalıdır.

Bakım yönetiminde yapay zekanın geleceği nedir?

Bazı erken AI projelerindeki mevcut zorluklara ve başarısızlıklara rağmen, endüstrinin yaşadığı şey sadece diş çıkarma sorunlarıdır. Hızla gelişen bir teknoloji olan yapay zeka, kendisini sağlık sektörünün ihtiyaçlarına eşi görülmemiş bir hızla adapte ediyor. Devam eden yenilik ve geri bildirime açık olma ile AI, sağlık kuruluşlarının zırhındaki süper güç olabilir.

Özellikle proaktif bakım yönetiminde yapay zeka önemli bir rol oynayabilir. Risk altındaki hastaları belirlemeye yardımcı olabilir ve komplikasyonları veya acil durumları önleyen bakım sunabilir. Bakım yöneticilerinin ilerlemeyi izlemesine ve hastalar bunu almak için bir hastaneyi ziyaret etmeden devam eden destek vermelerine olanak sağlayabilir. Bu da, sağlayıcılar için bakım maliyetini önemli ölçüde azaltacaktır. Hastaları uzun vadede sağlıklı yaşam sürmeleri ve genel nüfus sağlığını geliştirmeleri için güçlendirecektir.

Pradeep Kumar Jain, şirketin baş ürün sorumlusudur. HealthEM AI.

DataDecisionMakers

VentureBeat topluluğuna hoş geldiniz!

DataDecisionMakers, veri işi yapan teknik kişiler de dahil olmak üzere uzmanların verilerle ilgili içgörüleri ve yenilikleri paylaşabileceği yerdir.

En yeni fikirleri ve güncel bilgileri, en iyi uygulamaları ve veri ve veri teknolojisinin geleceğini okumak istiyorsanız DataDecisionMakers’da bize katılın.

Kendi makalenize katkıda bulunmayı bile düşünebilirsiniz!

DataDecisionMakers’dan Daha Fazlasını Okuyun


Kaynak : https://venturebeat.com/ai/how-to-leverage-ai-to-boost-care-management-success/

Yorum yapın

SMM Panel PDF Kitap indir