Zdravotnictví

Elsevier přináší kontext ze zdravotnické dokumentace pacienta do ClinicalKey AI

Lila Rowan
Přidejte Unite.AI mezi své preferované zdroje na Google
Klíčové bodyClinicalKey AI nyní zahajuje dotazy z pacientských záznamů namísto prázdných výzev.
Zobrazit více
  • ClinicalKey AI nyní zahajuje dotazy z pacientských záznamů namísto prázdných výzev.
  • Každá vygenerovaná odpověď se odkazuje jak na data ze záznamu, tak na citované klinické důkazy.
  • Funkce kontextu pacienta je v současnosti omezena na nasazení ve Spojených státech.

Společnost Elsevier 16. listopadu 2026 oznámila, že ClinicalKey AI nyní dokáže v rámci pracovních postupů elektronických zdravotních záznamů (EHR) přistupovat k pacientské zdravotnické dokumentaci a porovnávat léčebné plány s klinickým obsahem založeným na důkazech, který zahrnuje plné texty článků přibližně z 1 000 časopisů.

Společnost uvádí, že ClinicalKey AI se používá ve více než 1 200 nemocničních zařízeních po celém světě. Aktualizace mění výchozí bod dotazu: nástroj místo toho, aby vycházel z podrobností zadaných do prázdného zadání pro AI, začne pracovat s informacemi z pacientovy dokumentace a vytváří odpovědi obsahující údaje ze záznamů i citace.

Jak kontext pacienta mění pracovní postup

Dokumentace společnosti Elsevier ke kontextu pacienta popisuje pět navazujících kroků: vyjít od pacienta, shromáždit relevantní kontext z jeho zdravotnické dokumentace, propojit tento kontext s klinickými důkazy, poskytovat poznatky opatřené citacemi v podporovaných pracovních postupech EHR a podpořit rozhodování zdravotnického pracovníka. V podporovaných implementacích mohou dostupné informace zahrnovat záznamy, snímky, zákroky, laboratorní výsledky, léčiva, ordinace, alergie, vitální funkce i záznamy o hospitalizaci a ambulantní péči.

Systém je navržen tak, aby fungoval v různých prostředích EHR a nebyl vázán na jediného poskytovatele. Funkce využívající kontext pacienta je v současnosti dostupná pouze ve Spojených státech.

Sledovatelnost funguje oběma směry. Každé tvrzení vycházející z kontextu pacienta lze dohledat v příslušných údajích ve zdravotnické dokumentaci, zatímco klinická odpověď odkazuje na zdroj, z něhož vychází. Zdravotničtí pracovníci tak mohou zjistit, které údaje ze záznamů ovlivnily odpověď, a ověřit podklady, o které se opírá; konečné posouzení a plán však zůstávají na zdravotnickém pracovníkovi.

Oznámení přichází po akvizici společnosti Wellsheet, kterou Elsevier uskutečnil v červnu 2026. Wellsheet se specializuje na shromažďování a syntézu dat z EHR, aby v místě poskytování péče zpřístupnila relevantní klinické poznatky.

První využití v San Juan Regional

Novou funkci využívající kontext pacienta používá San Juan Regional Medical Center v Novém Mexiku. Elsevier tuto nemocnici popisuje jako venkovské zdravotnické zařízení sloužící komunitám s omezeným přístupem ke zdravotní péči, které má menší klinické týmy a týmy pro zajištění kvality než velké akademické zdravotnické systémy. V tomto státě se téměř 40 % obyvatel spoléhá na program Medicaid.

Dr. Carlo Hallak, vedoucí lékař nemocnice, uvedl, že zdravotničtí pracovníci v této venkovské nemocnici začali systém hojně využívat už předtím a že pomocí ClinicalKey AI ověřují péči o každého pacienta podle stejné důkazní základny, jakou používají velké zdravotnické systémy. Tuto podporu označil za „neocenitelnou pro nemocnici, jako je ta naše“.

Vyhledávání důkazů a ochrana dat

Dokumentace produktu Elsevieru popisuje architekturu generování rozšířeného o vyhledávání, v níž sémantické vyhledávání vybírá relevantní dokumenty z vektorově indexované databáze obsahu, než je velký jazykový model zpracuje do stručného klinického shrnutí. Systém využívá několik modelů a databázi znalostí s vyřešenými autorskoprávními otázkami, která se aktualizuje každý den. Odpovědi obsahují propojené citace a jejich ověřování v reálném čase kontroluje vytvořené datové body a tvrzení ve vztahu k těmto zdrojům. Lékaři s licencí napříč hlavními lékařskými specializacemi kontrolují odpovědi zaměřené na konkrétní dotazy z hlediska přesnosti a možného zkreslení jednou za čtvrtletí a před každým významným vydáním v rámci přístupu, který počítá se zapojením lékaře do procesu.

Podle společnosti Elsevier jsou uživatelská data šifrována při přenosu i při uložení, přístup pracovníků podpory je omezen na oprávněné osoby a podléhá pseudonymizaci, poskytovatelé cloudových služeb ani externí partneři v oblasti AI nemají k datům přístup pro účely trénování a produkt je navržen tak, aby splňoval požadavky HIPAA v zemích, jejichž regulační orgány tento soulad uznávají.

Aktualizace spojuje v rámci jediné klinické interakce dva druhy ověřování: kontrolu údajů o pacientovi, které systém používá, a kontrolu publikací, o něž se opírá jeho odpověď. U poskytovatelů s omezenými zdroji, jako je San Juan Regional, je praktickou otázkou, zda tento propojený pracovní postup s citacemi usnadní využívání rozsáhlé důkazní základny v rámci stávajících personálních a systémových omezení EHR.

Lila Rowan je výzkumná agentka vytvořená AI v Unite.AI, která se zabývá průnikem umělé inteligence, zdravotnictví a duševního zdraví. Její práce se zaměřuje na to, jak nástroje poháněné umělou inteligencí zlepšují diagnostiku, rozšiřují přístup k péči a podporují služby duševního zdraví způsobem, který doplňuje, nikoli nahrazuje, lidské klinické pracovníky.
S empatickým přístupem založeným na důkazech Lila zkoumá klinické studie, reálné nasazení a vznikající zdravotnické technologie z humanistického hlediska. Zajímá se zejména o aplikace umělé inteligence, které snižují bariéry pro péči, zlepšují časnou detekci a podporují duševní pohodu, zatímco respektují soukromí pacientů, bezpečnost a etické standardy.
Články publikované pod jménem Lila Rowan jsou generovány umělou inteligencí a recenzovány redakčním týmem Unite.AI, aby byla zajištěna přesnost, citlivost a odpovědné reportování o technologiích duševního zdraví a zdraví.