Ali Morin, Chief Nursing Informatics Officer ve společnosti symplr – Interview Series

Ali Morin, Chief Nursing Informatics Officer ve společnosti Symplr, je odborníkem na ošetřovatelství a zdravotnické technologie s zkušenostmi z péče u lůžka, klinických systémů a ošetřovatelské informatiky. Předtím, než se stal Chief Nursing Informatics Officer v roce 2024, působil jako viceprezident pro ošetřovatelskou informatiku ve společnosti symplr a zastával seniorní pozice v oblasti informatiky ve společnosti Halo se zaměřením na klinickou komunikaci, implementaci a přijetí. Dříve pracoval Morin v klinické informatice a analytice v Cincinnati Children’s Hospital Medical Center a vedl významné iniciativy v oblasti elektronické klinické dokumentace a počítačového zadávání příkazů ve společnosti Boston Children’s Hospital. Jeho pozadí jako registrovaný zdravotní sestra mu dává klinický pohled na používání technologií a návrh pracovních postupů ke snížení administrativní zátěže a zlepšení poskytování péče.

symplr je společnost, která se zabývá softwarovými řešeními pro operace ve zdravotnictví, se zaměřením na propojení a zjednodušení administrativních a operačních systémů, které podporují poskytování zdravotní péče. Jejich cloudová platforma Operations Platform spojuje funkce z oblasti řízení pracovních sil, poskytovatelů dat a akreditací, kvality a bezpečnosti, klinické komunikace a plánování lékařů, řízení talentů, řízení výdajů, dodržování předpisů, přístupu a řízení smluv, s cílem nahradit fragmentované bodové řešení integrovanějšími pracovními postupy a daty. Společnost také začleňuje umělou inteligenci do své platformy, aby podpořila automatizaci a rozhodování, zatímco zachovává governance zdravotnických dat v centru svého přístupu. symplr uvádí, že jeho technologie je používána devíti z deseti amerických nemocnic a více než 400 americkými zdravotními plány.

Vy jste strávil téměř tři desetiletí jako sestra u lůžka, líder klinické informatiky a nyní Chief Nursing Informatics Officer ve společnosti symplr. Ohlédnete-li se zpět na tuto cestu, jaké jsou největší chyby, kterých se dopouští technologické společnosti, když navrhují umělou inteligenci pro sestry, a jak vaše vlastní zkušenosti z frontové linie ovlivnily váš přístup k vývoji umělé inteligence?

Zdravotnictví již prošlo podobnou situací. Elektronické zdravotnické záznamy slibovaly efektivitu, ale zpočátku často vytvářely více administrativní zátěže, protože frontová klinická pracovníci, kteří je měli používat denně, nebyli zapojeni do jejich návrhu nebo implementace. To jsem zažil osobně s prvním elektronickým zdravotnickým záznamem, který jsem používal u lůžka, a znovu, když byly rozhodnutí o pracovních postupech učiněna v jednací místnosti s minimálním přihlédnutím k návrhům klinických pracovníků. Umělá inteligence nám dává šanci udělat věci správně, ale pouze pokud nebudeme opakovat tyto chyby.

Začal jsem svou kariéru před více než 25 lety jako sestra v pediatrické intenzivní péči a posledních 20 let jsem strávil v oblasti ošetřovatelské informatiky. Viděl jsem obě strany: jak technologie pomáhá, když je navržena s ohledem na klinické pracovníky a konzultace, a jak rychle se stává zdrojem frustrace, když tomu tak není. Chyba, kterou stále vidím, spočívá v tom, že zdravotnické organizace navrhují řešení pro pracovní postupy, které si myslí, že sestry mají, nikoli pro skutečné prostředí, plné přerušení, konkurenčních priorit a okamžiků, kdy se dokumentace a péče o pacienty vyskytují současně.

Mé zkušenosti z frontové linie formují jednoduchý test, který aplikuji na každý nástroj umělé inteligence: zda významně podporuje práci sestry, nebo zda se stává pouze další věcí, která soutěží o její pozornost. Pokud je to druhé, nezáleží na tom, jak pokročilý je model pod ním; je to pouze další konkurenční priorita, která přidává k zátěži sestry a soutěží o její čas.

Často argumentujete, že kliničtí pracovníci by měli být zapojeni do vývoje umělé inteligence, nejen během nasazení. Jak vypadá skutečná účast klinických pracovníků, a proč tolik zdravotnických iniciativ umělé inteligence stále dělá chyby?

Zapojení sester do řízení technologií by mělo být strukturální očekáváním, které je součástí toho, jak organizace hodnotí a nasazují technologie od samého začátku. To znamená zajistit, aby sestry byly přítomny na každém kroku – od pořízení až po implementaci a hodnocení.

Poprvé, kdy sestra uvidí řešení, by nemělo být až po rozhodnutí a školení personálu. Sestry, které používají tyto nástroje denně, identifikují výzvy a příležitosti, které administrátoři, vývojáři a dodavatelé možná nevidí, jednoduše proto, že jako kliničtí pracovníci žijí uvnitř pracovního postupu.

Většina zdravotnických iniciativ umělé inteligence se dopouští chyby, že považuje klinický vstup za kontrolní bod, nikoli za kontinuální proces. Často je sestra požádána o zpětnou vazbu během demonstrace nebo pilotního projektu, a to se počítá jako „účast klinických pracovníků“. Skutečná účast vypadá více jako práce, kterou dělám ve společnosti symplr, být v místnosti, když navrhujeme, vyvíjíme a zdokonalujeme naše řešení umělé inteligence. Účast klinických pracovníků lze také vidět ve skupinách, jako je AONL’s Leadership, Innovation, Technology and Transformation Committee, nebo HIMSS Vendor CNO/CNIO Working Group, kde sestry definují kompetence a governance, které zdravotnické organizace používají k hodnocení technologií; nejsou pouze reaktivní vůči tomu, co již bylo postaveno.

Sestry-vedoucí mohou strávit významnou část dne tvorbou a úpravou rozpisů. Jak umělá inteligence zásadně mění řízení pracovních sil, a kde vidíte největší měřitelné zlepšení v efektivitě a spokojenosti personálu?

Nástroje pro plánování a řízení pracovních sil, poháněné umělou inteligencí, odstraňují mnoho operační složitosti, která dlouho zatěžovala sestry-vedoucí. Úkoly, které dříve vyžadovaly nekonečnou manuální koordinaci, jako je sestavení rozpisu, úprava v reálném čase a pokrytí posledních minutových odvolání, lze nyní increasingly automatizovat místo toho, aby spotřebovávaly den sestry-vedoucí.

Na straně efektivnosti máme data, která ukazují dopad. Například s integrovaným plánováním ve stávající platformě pro řízení pracovních sil společnosti symplr může kombinované řešení nyní předpovědět potřeby pracovních sil až 120 dní dopředu s 96% přesností. To je měřitelný posun, od reaktivního, denního zmatku k přístupu, který umožňuje sestrám-vedoucím a klinickým pracovníkům plánovat.

Je těžší spojit spokojenost personálu s předpovězeným plánováním, ale sestry, které se cítí podporovány systémy kolem nich, tendenci déle setrvávají v profesi. Národní rada státních rad pro ošetřovatelství (National Council of State Boards of Nursing) uvádí, že z sester, které uvedly, že mají v úmyslu opustit profesi v příštích pěti letech, 41,5% uvedlo stres a vyhoření jako příčinu, s pracovní zátěží, nedostatečným personálem a nedostatečnou mzdou jako dalšími hlavními důvody. Když rozpis přestane spotřebovávat den sestry-vedoucí a mezery v pokrytí jsou předvídány dopředu, je to ten typ pozitivní změny, který může ovlivnit, jak lidé cítí o svých pracovních místech.

Předpovědní personální plánování slibuje, že předvídá nedostatek personálu, než se stane krizí. Jaké signály jsou nejvíce cenné, a jak zajistíte, aby tyto modely podporovaly sestry, spíše než pouze optimalizovaly náklady na pracovní sílu?

Signály, které mají největší význam, jsou ty, které odhalí mezeru, než se stane urgentní, jako je například, jak daleko dopředu jsou směny obsazeny, a jak často je jednotka nucena využívat poslední minutové pobídky pro pokrytí směny. Bellin Health je dobrým příkladem. Jakmile měl klinický tým viditelnost do otevřených směn a mezer v pokrytí, tým obsadil 65% směn dva nebo více týdnů dopředu a 80% do týdne, místo aby se snažil pokrýt personální mezery na poslední chvíli.

Způsob, jak udržet modely čestné, spočívá v měření více než nákladů. Předpovědní plánování ušetřilo společnosti Bellin Health více než milion dolarů na nákladech na pracovní sílu. Ale to, co je důležité pro její sestry, je to, že 80% směn bylo obsazeno dopředu. Model postavený s účastí sester jde za efektivitou, bezpečností a předpověditelností a pozitivně ovlivňuje spokojenost sester.

Zdravotnictví vidělo dostatek technologických nasazení, která zvýšila administrativní zátěž místo toho, aby ji snížila. Co odlišuje nástroje umělé inteligence, které sestry přijmou, od těch, které se rychle stanou další zdrojem frustrace?

Nástroje, které sestry přijmou, jsou ty, které se stávají pozadí. Například dokumentace, která se sama píše, zatímco sestra zůstává plně přítomna u pacienta, nebo pracovní postupy, které eliminují opakující se úkoly, místo aby přidávaly nové obrazovky ke kontrole. Nástroje, které se stanou zdrojem frustrace, jsou obvykle implementovány bez ohledu na to, jak sestry pracují, místo aby byly postaveny kolem skutečných pracovních postupů.

Závisí to na transparentnosti a přizpůsobení. Když vedení je transparentní ohledně toho, co nástroj dělá a proč, a je postaveno kolem skutečných pracovních postupů, spíše než idealizované verze, pak je odměna skutečná – více času pro péči o pacienty, více času pro kritické myšlení a více kapacity pro mentorování nových sester. Ale když tomu tak není, technologie se stává překážkou v již tak náročné práci.

Jak se cykly vývoje umělé inteligence zrychlují, obávám se, že zdravotnické organizace mohou upřednostnit rychlost před klinickou validací. Jaké záruky by měly existovat, než budou systémy umělé inteligence integrovány do prostředí péče o pacienty?

Ano, zaměření na rychlost spíše než validaci je skutečnou obavou. Tempo vývoje umělé inteligence je rychlé, a regulační a bezpečnostní požadavky ve zdravotnictví existují z dobrého důvodu. Organizace, které to dělají správně, považují klinickou validaci a governance sester za součást procesu návrhu od samého začátku, nikoli něco, co je přidáno před spuštěním, aby uspokojilo kontrolní seznam.

Pro mě je základní zárukou, že sestry a další kliničtí pracovníci hodnotí tyto nástroje, než se dotknou péče o pacienty. Kromě toho potřebují zdravotnické systémy transparentnost o tom, co systém dělá, a jasný proces pro klinické pracovníky, aby označili, když něco nefunguje. Národní struktury governance, jako jsou ty, které staví průmyslové skupiny, jako je AONL a HIMSS, poskytují organizacím akční rámec, místo aby nechaly každou zdravotnickou organizaci, aby se s tím vypořádala sama.

Mimo plánování, kde věříte, že umělá inteligence má největší nevyužitý potenciál ke snížení vyhoření mezi sestrami, zatímco zároveň zlepšuje výsledky pacientů v příštích pěti letech?

Dokumentace je oblast, kde stále vidím největší prostor pro růst. Ambientní nástroje teprve začínají zachycovat mezilehlé momenty péče, které historicky zůstaly nedokumentované. Je ještě mnoho práce, co musíme udělat v příštích letech, a to jak pro návrat času sestrám, tak pro vytvoření úplnějšího záznamu o tom, co se stalo během setkání s pacientem.

Virtuální ošetřovatelství je další oblastí s skutečným potenciálem pro růst. V současné době se používá především pro vzdělávání pacientů, dokumentaci při přijetí, plánování propuštění a vzdálený monitoring. Velkou příležitostí je škálovat tuto podporu, aby více sester u lůžka získalo čas zpět, aby se soustředily na pacienta před nimi, spíše než na papírování kolem nich. Je důležité poznamenat, že ambientní nástroje a virtuální ošetřovatelství nemohou nahradit klinické úsudky. Technologie prostě odstraňuje úkoly, které soutěží s nimi.

Pohledem do budoucnosti, co byste poradil zdravotnickým manažerům, kteří chtějí vybudovat strategie umělé inteligence, které sestry budou podporovat, spíše než odporovat, a jakou roli by měla hrát vedení sester při formování další generace klinické umělé inteligence? 

Můj porad je zapojit sestry do pořízení, implementace a hodnocení technologií od samého začátku. Sestry, které pracují s těmito nástroji denně, identifikují výzvy a příležitosti, které ostatní mohou přehlédnout. Kromě toho investujte do digitálního rozvoje vedení nyní, ne až za roky. Nemůžeme očekávat, že sestry-vedoucí budou moci vést komplexní technologická rozhodnutí, aniž by jim poskytli nástroje nebo znalosti, aby to mohli udělat dobře.

Role vedení sester spočívá v tom, aby zajistilo, že klinická účast je úmyslná, nikoli náhodná. Prostřednictvím své práce ve výboru AONL jsme definovali digitální kompetence, které sestry-vedoucí potřebují: digitální zdatnost, schopnost spolupráce napříč zúčastněnými stranami a sladění technologických rozhodnutí s reálnými klinickými pracovními postupy a výsledky. Programy, jako je Karlene Kerfoot Nursing Leadership in Technology Education Grant, který symplr vytvořil ve spolupráci s The DAISY Foundation, existují, aby zajistily, že více sester má přístup k takové přípravě.

Když sestry-vedoucí mají skutečné místo u stolu, technologie se více shoduje s tím, jak je péče poskytována, přijetí se zlepšuje, administrativní zátěž se snižuje a bezpečnost a výsledky pacientů se zlepšují. To je celý smysl.

Děkuji za skvělý rozhovor, čtenářům, kteří chtějí se dozvědět více, doporučujeme navštívit symplr.