Ali Morin, Chief Nursing Informatics Officer at symplr – Συνέντευξη Σειράς

Ali Morin, Chief Nursing Informatics Officer at Symplr, είναι một ηγέτης νοσηλευτικής και υγειονομικής τεχνολογίας με εμπειρία που εκτείνεται από την περίθαλψη στο κρεβάτι, τα κλινικά συστήματα και τη νοσηλευτική πληροφορική. Πριν γίνει Chief Nursing Informatics Officer το 2024, υπηρέτησε ως Αντιπρόεδρος Νοσηλευτικής Πληροφορικής στο symplr και κατέχει ανώτερες θέσεις πληροφορικής στο Halo, με επίκεντρο την κλινική επικοινωνία, την εφαρμογή και την υιοθέτηση. Παλαιότερα, η Morin εργάστηκε στη κλινική πληροφορική και ανάλυση στο Cincinnati Children’s Hospital Medical Center και ηγήθηκε σημαντικών πρωτοβουλιών ηλεκτρονικής κλινικής τεκμηρίωσης και ηλεκτρονικής παραγγελίας παρόχου στο Boston Children’s Hospital. Η εμπειρία της ως εγγεγραμμένης νοσοκόμου της δίνει μια κλινική προοπτική για τη χρήση της τεχνολογίας και του σχεδιασμού της ροής εργασίας για τη μείωση του διοικητικού φόρτου και τη βελτίωση της παροχής φροντίδας.

symplr είναι μια εταιρεία λογισμικού επιχειρηματικών υγειονομικών λειτουργιών που επικεντρώνεται στη σύνδεση και την απλοποίηση των διοικητικών και λειτουργικών συστημάτων που υποστηρίζουν την παροχή υγειονομικής φροντίδας. Η cloud-based Operations Platform της συνδυάζει ικανότητες που εκτείνονται από τη διαχείριση της εργατικής δύναμης, τα δεδομένα και την πιστοποίηση των παρόχων, την ποιότητα και την ασφάλεια, την κλινική επικοινωνία και την πρόγραμμα των γιατρών, τη διαχείριση ταλέντων, τη διαχείριση δαπανών, τη συμμόρφωση, την πρόσβαση και τη διαχείριση συμβάσεων, με στόχο την αντικατάσταση των θραυσματικών λύσεων σημείου με πιο ολοκληρωμένες ροές εργασίας και δεδομένα. Η εταιρεία ενσωματώνει επίσης την τεχνητή νοημοσύνη σε όλη τη πλατφόρμα για να υποστηρίξει την αυτοματοποίηση και τη λήψη αποφάσεων, διατηρώντας παράλληλα τη διοίκηση δεδομένων που σχετίζονται με την υγεία στο κέντρο της προσέγγισής της. Το symplr αναφέρει ότι η τεχνολογία της χρησιμοποιείται από εννέα στα δέκα αμερικανικά νοσοκομεία και περισσότερες από 400 αμερικανικές ασφαλιστικές εταιρείες υγείας.

Έχετε περάσει σχεδόν τρεις δεκαετίες ως νοσοκόμος, ηγέτης κλινικής πληροφορικής και τώρα Chief Nursing Informatics Officer στο symplr. Όταν κοιτάτε πίσω σε αυτό το ταξίδι, ποια είναι τα μεγαλύτερα λάθη που έχετε δει συνεχώς τις εταιρείες τεχνολογίας να κάνουν όταν σχεδιάζουν τεχνητή νοημοσύνη για νοσοκόμους, και πώς έχει η δική σας εμπειρία στο μέτωπο επηρεάσει τον τρόπο με τον οποίο προσεγγίζετε την ανάπτυξη της τεχνητής νοημοσύνης σήμερα;

Η υγεία έχει περάσει από αυτό trước. Τα ηλεκτρονικά ιατρικά αρχεία υποσχέθηκαν αποτελεσματικότητα, αλλά στις αρχές, συχνά δημιούργησαν περισσότερους διοικητικούς φόρτους, επειδή οι κλινικοί γιατροί που αναμενόταν να τα χρησιμοποιήσουν καθημερινά δεν συμμετείχαν στη σχεδίαση ή την εφαρμογή αυτών των εργαλείων. Βίωσα αυτό με το πρώτο EMR που χρησιμοποίησα στο κρεβάτι και ξανά όταν οι αποφάσεις σχεδιασμού της ροής εργασίας λαμβάνονταν στη σαλα με μικρή κίνηση στη σχεδίαση για τους κλινικούς που θα τα χρησιμοποιούσαν όταν θα ήταν ζωντανοί. Η τεχνητή νοημοσύνη μας δίνει την ευκαιρία να το κάνουμε σωστά, αλλά μόνο αν δεν επαναλάβουμε αυτό το λάθος.

Ξεκίνησα την καριέρα μου πάνω από 25 χρόνια πριν ως νοσοκόμος κριτικής περιόδου, και έχω περάσει τις τελευταίες δύο δεκαετίες στη νοσηλευτική πληροφορική. Έχω δει και τις δύο πλευρές: πώς η τεχνολογία βοηθά όταν είναι κατασκευασμένη με προοπτικές και διαβουλεύσεις κλινικών, και πώς γρήγορα γίνεται πηγή εκνευρίσματος όταν δεν είναι. Το λάθος που ακόμη βλέπω είναι ότι οι οργανώσεις υγείας σχεδιάζουν λύσεις για τη ροή εργασίας που νομίζουν ότι έχει ένας νοσοκόμος, όχι το πραγματικό περιβάλλον, γεμάτο διακοπές, ανταγωνιστικές προτεραιότητες και στιγμές όπου η τεκμηρίωση και η φροντίδα του ασθενούς συμβαίνουν ταυτόχρονα.

Η εμπειρία μου στο μέτωπο διαμορφώνει einen απλό έλεγχο που εφαρμόζω σε κάθε εργαλείο τεχνητής νοημοσύνης: Υποστηρίζει ουσιαστικά το έργο ενός νοσοκόμου ή γίνεται απλά ένα άλλο πράγμα που ανταγωνίζεται για την προσοχή του; Αν είναι το δεύτερο, δεν έχει σημασία πόσο προηγμένο είναι το μοντέλο από κάτω· είναι απλά ένα άλλο ανταγωνιστικό προτεραιότητα που προστίθεται στο φόρτο εργασίας ενός νοσοκόμου και διεκδικεί το χρόνο του.

Συχνά υποστηρίζετε ότι οι κλινικοί γιατροί πρέπει να συμμετέχουν καθ’ όλη τη διάρκεια της ανάπτυξης της τεχνητής νοημοσύνης, όχι μόνο κατά τη διάρκεια της ανάπτυξης. Τι σημαίνει η συμμετοχή των κλινικών γιατρών στην πράξη, και γιατί τόσοι πολλοί οργανισμοί υγείας ακόμη κάνουν λάθος αυτό;

Η συμμετοχή των νοσοκόμων στη διακυβέρνηση της τεχνολογίας πρέπει να είναι μια δομική προσδοκία, ενσωματωμένη στο πώς οι οργανισμοί αξιολογούν και εφαρμόζουν τεχνολογία από την αρχή. Αυτό σημαίνει να διασφαλιστεί ότι οι νοσοκόμοι είναι στο δωμάτιο σε κάθε βήμα του δρόμου – από την αγορά στην εφαρμογή και στην αξιολόγηση.

Η πρώτη φορά που ένας νοσοκόμος βλέπει μια λύση δεν πρέπει να είναι μετά την απόφαση έχει ληφθεί και το προσωπικό έχει εκπαιδευτεί. Οι νοσοκόμοι που χρησιμοποιούν αυτά τα εργαλεία κάθε μέρα θα αναγνωρίσουν προκλήσεις και ευκαιρίες που οι διαχειριστές, οι dévelopers και οι προμηθευτές μπορεί να μην δουν ποτέ, απλώς και μόνο επειδή ως κλινικοί, ζουν μέσα στη ροή εργασίας.

Οι περισσότερες πρωτοβουλίες τεχνητής νοημοσύνης υγείας κάνουν λάθος αυτό, επειδή αντιμετωπίζουν την κλινική είσοδο ως ένα σημείο ελέγχου 而 όχι ως μια συνεχής διαδικασία. Συχνά, ένας νοσοκόμος ζητείται να δώσει σχόλια κατά τη διάρκεια της επίδειξης ή του πιλότου, και αυτό μετράει ως “κλινική συμμετοχή”. Η πραγματική συμμετοχή μοιάζει περισσότερο με το έργο που κάνω στο symplr, να είμαι στο δωμάτιο όταν σχεδιάζουμε, αναπτύσσουμε και εξελίσσουμε τις λύσεις τεχνητής νοημοσύνης μας. Η συμμετοχή των κλινικών γιατρών μπορεί επίσης να φανεί σε ομάδες όπως η Επιτροπή Ηγεσίας, Καινοτομίας, Τεχνολογίας και Μεταμόρφωσης του AONL ή η Ομάδα Εργασίας του HIMSS για τους Προμηθευτές CNO/CNIO, όπου οι νοσοκόμοι ορίζουν τις ικανότητες και τη διακυβέρνηση που οι οργανισμοί υγείας χρησιμοποιούν για να αξιολογήσουν την τεχνολογία· δεν αντιδρούν απλώς σε αυτό που έχει ήδη κατασκευαστεί.

Οι διευθυντές νοσοκόμων μπορούν να περάσουν ένα σημαντικό μέρος της ημέρας τους δημιουργώντας και điều chỉnhοντας προγράμματα. Πώς η τεχνητή νοημοσύνη αλλάζει ουσιαστικά τη διαχείριση της εργατικής δύναμης, και πού βλέπετε τις μεγαλύτερες μετρήσιμες βελτιώσεις στην αποτελεσματικότητα και την ικανοποίηση του προσωπικού;

Τα εργαλεία προγραμματισμού και διαχείρισης της εργατικής δύναμης που οδηγούνται από την τεχνητή νοημοσύνη αφαιρούν πολλή από την λειτουργική复잡ικότητα που έχει βαρύνει τους ηγέτες των νοσοκόμων για πολύ καιρό. Καθήκοντα που απαιτούσαν ατελείωτη χειροκίνητη συντονισμό, όπως η κατασκευή του προγράμματος, η προσαρμογή του σε πραγματικό χρόνο και η κάλυψη των τελευταίων απορριπτικών, μπορούν όλο και περισσότερο να αυτοματοποιηθούν αντί να καταναλώνουν την ημέρα ενός διευθυντή νοσοκόμου.

Στην πλευρά της αποτελεσματικότητας, έχουμε δεδομένα που δείχνουν την επίδραση. Για παράδειγμα, με το ολοκληρωμένο πρόγραμμα στο υπάρχον πλαίσιο εργατικής δύναμης του symplr, η συνδυασμένη λύση μπορεί τώρα να προβλέψει τις ανάγκες σε προσωπικό μέχρι 120 ημέρες με ακρίβεια 96%. Αυτό είναι μια μετρήσιμη μετατόπιση, από τη αντιδραστική, ημερήσια αναταραχή στην προσέγγιση που επιτρέπει στους ηγέτες των νοσοκόμων και τους κλινικούς να σχεδιάσουν.

Είναι πιο δύσκολο να συνδέσει την ικανοποίηση του προσωπικού με το προγραμματισμένο πρόγραμμα, αλλά οι νοσοκόμοι που αισθάνονται ότι υποστηρίζονται από τα συστήματα γύρω τους έχουν την τάση να παραμείνουν στη професσιόν τους για μεγαλύτερο χρονικό διάστημα. Το Εθνικό Συμβούλιο Κρατικών Πλακών Νοσηλευτικής αναφέρει ότι από τους νοσοκόμους που δήλωσαν ότι σκοπεύουν να εγκαταλείψουν την професσιόν τους μέσα στις επόμενες πέντε χρόνια, το 41,5% ανέφερε ότι η αιτία ήταν ο στρες και η εξουθένωση, με το φόρτο εργασίας, την υποαπασχόληση και την ανεπαρκή αμοιβή να ακολουθούν ως οι άλλες κορυφαίες αιτίες. Όταν το πρόγραμμα του διευθυντή νοσοκόμου σταματά να καταναλώνει την ημέρα του, και οι κενές θέσεις προβλέπονται εκ των προτέρων, αυτό είναι το είδος της θετικής αλλαγής που μπορεί να επηρεάσει τον τρόπο με τον οποίο οι άνθρωποι αισθάνονται για τη δουλειά τους.

Η προβλεπτική διαχείριση προσωπικού υποσχέται να προβλέψει ελλείψεις πριν γίνουν κρίσεις. Ποια σήματα δεδομένων αποδεικνύονται πιο πολύτιμα, και πώς διασφαλίζετε ότι αυτά τα μοντέλα υποστηρίζουν τους νοσοκόμους και όχι απλώς την оптимποίηση του κόστους εργασίας;

Τα σήματα που έχουν σημασία είναι αυτά που αποκαλύπτουν ένα κενό πριν η κατάσταση γίνει επείγουσα, όπως πόσο μακριά προηγούνται οι βάρδιες και πόσο συχνά μια μονάδα βασίζεται σε τελευταίες στιγμές για να καλύψει μια βάρδια. Το Bellin Health είναι ένα καλό παράδειγμα. Μόλις η κλινική ομάδα είχε ορατότητα στις ανοιχτές βάρδιες και τις κενές θέσεις, η ομάδα κατέστησε το 65% των βαρδιών δύο ή περισσότερες εβδομάδες εκ των προτέρων και το 80% μέσα σε μια εβδομάδα, αντί να βιάζεται στην τελευταία στιγμή για να κλείσει τις κενές θέσεις.

Ο τρόπος για να διασφαλιστεί ότι τα μοντέλα είναι ειλικρινή είναι μετρώντας περισσότερα από το κόστος. Η προβλεπτική πρόγραμμα σώθηκε στο Bellin Health πάνω από ένα εκατομμύριο δολάρια σε κόστος εργασίας. Αλλά αυτό που έχει σημασία για τους νοσοκόμους του είναι ότι το 80% των βαρδιών ήταν γεμάτο εκ των προτέρων. Ένα μοντέλο που κατασκευάζεται με την είσοδο των νοσοκόμων πηγαίνει πέρα από την αποτελεσματικότητα, την ασφάλεια και τη προβλέψιμη για να επηρεάσει θετικά την ικανοποίηση των νοσοκόμων.

Η υγεία έχει δει πολλές τεχνολογικές αναπτύξεις που αυξάνουν τον διοικητικό φόρτο αντί να τον μειώνουν. Τι διακρίνει τα εργαλεία τεχνητής νοημοσύνης που οι νοσοκόμοι αποδέχονται από αυτά που γρήγορα γίνονται μια άλλη πηγή εκνευρίσματος;

Τα εργαλεία που οι νοσοκόμοι αποδέχονται είναι αυτά που εξαφανίζονται στο φόντο. Για παράδειγμα, η τεκμηρίωση που γράφεται από μόνη της ενώ ένας νοσοκόμος παραμένει πλήρως παρών με τον ασθενή, ή οι ροές εργασίας που εξαφανίζουν τις επαναλαμβανόμενες εργασίες αντί να προσθέτουν νέες οθόνες για να ελέγξει. Τα εργαλεία που γίνονται μια άλλη πηγή εκνευρίσματος είναι συνήθως εφαρμοσμένα χωρίς να βασίζονται στο πώς οι νοσοκόμοι εργάζονται, αντί να προστίθενται στον αριθμό των αντικειμένων που ένας νοσοκόμος πρέπει να ελέγξει, να κάνετε κλικ ή να ελέγξει ενώ φροντίζει τους ασθενείς.

Είναι θέμα διαφάνειας και προσαρμογής. Όταν η ηγεσία είναι διαφανής σχετικά με αυτό που κάνει ένα εργαλείο και γιατί, και είναι κατασκευασμένο γύρω από πραγματικές ροές εργασίας και όχι μια ιδανική εκδοχή, τότε η απόδοση είναι πραγματική – περισσότερος χρόνος για την φροντίδα του ασθενούς, περισσότερος χρόνος για την κρίσιμη σκέψη και περισσότερη ικανότητα να μελετήσει τους νεότερους νοσοκόμους. Αλλά όταν δεν είναι, η τεχνολογία γίνεται ένα εμπόδιο σε μια ήδη απαιτητική δουλειά.

Όσο οι κύκλοι ανάπτυξης της τεχνητής νοημοσύνης συνεχίζουν να επιταχύνουν, είστε ανήσυχος ότι οι οργανισμοί υγείας μπορεί να προτιμούν την ταχύτητα έναντι της κλινικής επικύρωσης; Ποια εγγυήματα πρέπει να υπάρχουν πριν τα συστήματα τεχνητής νοημοσύνης ενσωματωθούν σε περιβάλλοντα φροντίδας ασθενών;

Ναι, η εστίαση στην ταχύτητα αντί της επικύρωσης είναι ένα πραγματικό ανησυχία. Ο ρυθμός της ανάπτυξης της τεχνητής νοημοσύνης είναι γρήγορος, και οι ρυθμιστικές και ασφαλιστικές απαιτήσεις της υγείας υπάρχουν για καλό λόγο. Οι οργανισμοί που το κάνουν σωστά αντιμετωπίζουν την κλινική επικύρωση και τη διακυβέρνηση των νοσοκόμων ως μέρος της διαδικασίας σχεδιασμού από την πρώτη ημέρα, όχι κάτι που προστίθεται πριν από την έναρξη για να ικανοποιήσει μια λίστα ελέγχου.

Για μένα, η βασική εγγύηση είναι ότι οι νοσοκόμοι και άλλοι κλινικοί γιατροί αξιολογούν αυτά τα εργαλεία πριν αυτά αγγίξουν την φροντίδα του ασθενούς. Πέρα από αυτό, οι υγειονομικοί οργανισμοί χρειάζονται διαφάνεια σχετικά με αυτό που κάνει ένα σύστημα, και μια σαφή διαδικασία για τους κλινικούς γιατρούς να σημάνουν όταν κάτι δεν λειτουργεί. Οι εθνικές δομές διακυβέρνησης, όπως αυτές που κατασκευάζονται από βιομηχανικές ομάδες όπως το AONL και το HIMSS, δίνουν στους οργανισμούς ένα ενεργό πλαίσιο αντί να αφήνουν κάθε υγειονομικό σύστημα να αντιμετωπίσει αυτό μόνο του.

Πέρα από το πρόγραμμα, πού πιστεύετε ότι η τεχνητή νοημοσύνη έχει την μεγαλύτερη ανεκμετάλλευτη δυνατότητα να μειώσει την εξουθένωση μεταξύ των νοσοκόμων ενώ παράλληλα βελτιώνει τις επιπτώσεις των ασθενών τα επόμενα πέντε χρόνια;

Η τεκμηρίωση είναι όπου ακόμη βλέπω το περισσότερο χώρο για ανάπτυξη. Τα περιβάλλοντα εργαλεία μόλις αρχίζουν να καταγράφουν τις ενδιάμεσες στιγμές της φροντίδας που έχουν ιστορικά παραμεληθεί. Υπάρχει πολύ περισσότερος χώρος να καλυφθεί τις επόμενες δεκαετίες, και στη δωρεά χρόνου στους νοσοκόμους και στη δημιουργία ενός πιο πλήρους αρχείου για το τι συνέβη κατά τη διάρκεια μιας συνάντησης ασθενούς.

Η εικονική νοσηλευτική είναι μια άλλη περιοχή με πραγματική δυνατότητα για ανάπτυξη. Τώρα, χρησιμοποιείται κυρίως για την εκπαίδευση των ασθενών, την τεκμηρίωση εισαγωγής, την προγραμματισμένη έξοδο και την τηλε-παρακολούθηση. Η μεγαλύτερη ευκαιρία είναι η κλιμάκωση αυτής της υποστήριξης, ώστε περισσότεροι νοσοκόμοι να πάρουν χρόνο πίσω για να επικεντρωθούν στον ασθενή μπροστά τους αντί για τα χαρτιά γύρω τους. Είναι σημαντικό να σημειωθεί, ωστόσο, ότι τα περιβάλλοντα εργαλεία και η εικονική νοσηλευτική δεν μπορούν να αντικαταστήσουν την κρίση ενός κλινικού γιατρού. Η τεχνολογία απλώς αφαιρεί τις εργασίες που ανταγωνίζονται ήπια με αυτήν.

Βλέποντας μπροστά, ποια συμβουλή θα δίνατε στους υγειονομικούς εκτελεστές που θέλουν να κατασκευάσουν στρατηγικές τεχνητής νοημοσύνης που οι νοσοκόμοι θα υποστηρίξουν και όχι αντιταχθούν, και ποιο ρόλο πρέπει να παίξει η ηγεσία των νοσοκόμων στη διαμόρφωση της επόμενης γενιάς της κλινικής τεχνητής νοημοσύνης; 

Η συμβουλή μου είναι να εμπλέξουν τους νοσοκόμους στην αγορά, εφαρμογή και αξιολόγηση της τεχνολογίας από την αρχή. Οι νοσοκόμοι που εργάζονται με αυτά τα εργαλεία κάθε μέρα θα αναγνωρίσουν προκλήσεις και ευκαιρίες που άλλοι μπορεί να μην δουν ποτέ, απλώς και μόνο επειδή ως κλινικοί, ζουν μέσα στη ροή εργασίας. Επενδύστε επίσης στην ψηφιακή ανάπτυξη ηγεσίας τώρα, όχι χρόνια από τώρα. Δεν μπορούμε να περιμένουμε από τους ηγέτες των νοσοκόμων να οδηγήσουν複잡ες τεχνολογικές αποφάσεις χωρίς να τους δώσουμε τα εργαλεία ή τις γνώσεις για να το κάνουν καλά.

Ο ρόλος της ηγεσίας των νοσοκόμων είναι να διασφαλίσουν ότι η κλινική συμμετοχή είναι εύλογη, όχι περιστασιακή. Μέσω του έργου μου στην επιτροπή του AONL, έχουμε ορίσει τις ψηφιακές ικανότητες που οι ηγέτες των νοσοκόμων χρειάζονται: ψηφιακή ευφυΐα, η ικανότητα να συνεργαστεί μεταξύ των μετόχων και να ευθυγραμμίσει τις τεχνολογικές αποφάσεις με πραγματικές κλινικές ροές εργασίας και αποτελέσματα. Προγράμματα όπως η Χορηγία Ηγεσίας Νοσηλευτικής Τεχνολογίας Karlene Kerfoot, που δημιούργησε το symplr σε συνεργασία με το Ίδρυμα DAISY, υπάρχουν για να διασφαλίσουν ότι περισσότεροι νοσοκόμοι έχουν πρόσβαση σε αυτό το είδος προετοιμασίας.

Όταν οι ηγέτες των νοσοκόμων έχουν μια πραγματική θέση στο τραπέζι, η τεχνολογία ευθυγραμμίζεται πιο στενά με τον τρόπο που παρέχεται η φροντίδα, η υιοθέτηση βελτιώνεται, ο διοικητικός φόρτος ελαττώνεται και η ασφάλεια και τα αποτελέσματα των ασθενών βελτιώνονται. Αυτό είναι το σύνολο του σκοπού.

Ευχαριστώ για τη μεγάλη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να επισκεφθούν symplr.