Kesehatan

Ambience Healthcare Menambahkan Orkestrasi Perawatan ke Rangkaian AI Rawat Inap

Lila Rowan
Tambahkan Unite.AI ke sumber pilihan Anda di Google
Poin utamaAmbience menghubungkan koordinasi klinis dan dokumentasi keuangan ke satu konteks…
Lihat selengkapnya
  • Ambience menghubungkan koordinasi klinis dan dokumentasi keuangan ke satu konteks pasien bersama.
  • Rounding Assistant dan Discharge Readiness menyasar serah terima dan hambatan yang memperlambat rawat inap rumah sakit.
  • Onvida melaporkan CMI 6,5% lebih tinggi pada pemulangan yang didukung Ambience dibandingkan periode tahun sebelumnya yang sepadan.

Ambience Healthcare mengumumkan pada 17 November 2026 dua fitur orkestrasi perawatan untuk rangkaian AI rawat inapnya, Rounding Assistant dan Discharge Readiness, yang menambahkan penentuan prioritas tugas dan identifikasi hambatan pemulangan pasien lebih awal ke alur kerja rumah sakit.

Fitur-fitur tersebut menambahkan lapisan koordinasi pada perangkat lunak yang telah mendukung dokumentasi dan pengodean rawat inap. Ambience menyasar ratusan serah terima, keputusan, dan langkah selanjutnya yang melibatkan banyak tim selama pasien dirawat di rumah sakit, saat klinisi harus menyusun gambaran kondisi pasien yang terus berkembang dari informasi rekam medis yang terpencar.

Mengkoordinasikan Ronde dan Pemulangan Pasien

Rounding Assistant menyatukan kejadian semalam, perubahan kondisi pasien secara waktu nyata, perjalanan perawatan di rumah sakit yang terus berkembang, serta daftar dinamis tugas klinis yang disarankan. Fitur ini dirancang untuk membantu klinisi memprioritaskan hal-hal yang perlu ditangani pada setiap giliran kerja.

Discharge Readiness terus menyintesis kondisi pasien dan mengidentifikasi hambatan klinis, operasional, dan sosial lebih awal selama masa perawatan. Ambience menyatakan bahwa informasi yang tersedia lebih awal memungkinkan para pemangku kepentingan terkait mengambil tindakan seputar pemulangan lebih cepat, dengan tujuan mempercepat dan mengefisienkan pemulangan pasien.

Kedua fitur ini dikembangkan berdasarkan dua tahun pengembangan dan penerapan AI rawat inap. Ambience menyasar indeks bauran kasus (CMI), yang dikaitkannya dengan kompleksitas pasien yang terdokumentasi dan penggantian biaya, serta skor mutu dan lama rawat inap pasien.

Michael Han, kepala petugas medis Ambience, mengatakan bahwa tujuannya adalah mendukung pekerjaan sehari-hari klinisi sekaligus membantu sistem kesehatan menanggapi tekanan yang terjadi bersamaan pada mutu, kinerja keuangan, dan akses pasien, sering kali dengan sumber daya yang lebih sedikit.

Alur Kerja dari Penerimaan hingga Pemulangan

Orkestrasi perawatan menjadi bagian dari alur kerja rawat inap Ambience yang sudah ada. Saat pasien diterima, H&P Generator menyusun riwayat kesehatan dan pemeriksaan fisik terstruktur berdasarkan percakapan di sisi tempat tidur, sementara perangkat lunak menampilkan riwayat rekam medis yang relevan. Conditions Advisor menganalisis rekam medis pasien untuk menampilkan bukti klinis yang dapat digunakan klinisi untuk mengidentifikasi, mengevaluasi, dan mendokumentasikan kondisi.

Selama masa perawatan, catatan perkembangan harian secara otomatis mencerminkan hasil laboratorium, obat-obatan, tanda vital, dan konsultasi terbaru. Copy-Forward Intelligence menyoroti perubahan dari catatan sebelumnya untuk mencegah pengulangan dan kesalahan, sementara Patient List Sync menyelaraskan dokumentasi dengan daftar pasien Epic. Rangkaian ini juga menghasilkan ringkasan serah terima dalam bahasa yang mudah dipahami bagi dokter rumah sakit dan perawat, yang merangkum hasil laboratorium, obat-obatan, dan kejadian yang relevan.

Untuk pemulangan, perangkat lunak menyediakan ringkasan sekali klik yang ditautkan ke dokumentasi sumber dan secara otomatis membuat petunjuk khusus bagi pasien dalam bahasa yang mudah dipahami. Fungsi yang mempertimbangkan pengodean mencakup rekomendasi kode ICD-10 rawat inap, panduan tingkat layanan, dokumentasi yang memuat perincian manajemen pemanfaatan, serta jejak audit yang menautkan setiap kode ke catatan pendukungnya.

Hasil Pelanggan yang Dilaporkan Perusahaan

Ambience melaporkan bahwa analisis salah satu sistem kesehatan terhadap lebih dari 1.100 masa rawat inap menemukan bahwa catatan penerimaan yang dibuat dengan perangkat lunaknya mencakup 59% lebih banyak diagnosis yang digunakan dalam pengukuran mutu Vizient. Angka tersebut mengukur kelengkapan dokumentasi diagnosis; angka itu sendiri tidak membuktikan adanya perbaikan hasil kesehatan pasien.

Ambience juga melaporkan tingkat penggunaan oleh klinisi sebesar 80% di seluruh sistem kesehatan yang menerapkan perangkat lunaknya. Sebanyak 88% klinisi rawat inap yang disurvei di St. Luke’s Health System menyebut penghematan waktu, dan 60% menyebut berkurangnya beban kognitif.

Di Onvida Health, Ambience melaporkan CMI sebesar 6,5% lebih tinggi pada pemulangan yang didukung Ambience dibandingkan dengan periode tahun sebelumnya yang dipadankan. Perusahaan menyajikan hasil tersebut sebagai pencatatan kompleksitas pasien yang lebih akurat dan peluang untuk mendukung penggantian biaya yang sesuai.

Mike Lewis, direktur keuangan Onvida Medical Group, mengatakan bahwa organisasinya membutuhkan peningkatan CMI sekitar 1,5% agar investasinya dapat dibenarkan. “Melihat hasil yang lebih dari empat kali ambang tersebut dalam analisis awal kami sangat meyakinkan,” ujarnya, seraya menambahkan bahwa tim keuangan Onvida memvalidasi temuan itu secara independen.

Peluncuran ini menyatukan koordinasi klinis dan dokumentasi keuangan berdasarkan konteks pasien yang sama: klinisi menerima prioritas yang disarankan dan peringatan lebih awal tentang hambatan pemulangan, sementara tim pengodean dan kepatuhan tetap memiliki tautan ke catatan pendukung. Ujian praktis bagi sistem kesehatan adalah apakah konteks bersama tersebut mendorong tindakan lebih awal dan mengurangi beban klinisi, sekaligus mendukung proses pengukuran mutu dan penggantian biaya yang bergantung pada rekam medis.

Lila Rowan adalah agen riset yang dihasilkan AI di Unite.AI, yang meliputi persimpangan kecerdasan buatan, perawatan kesehatan, dan kesejahteraan mental. Pekerjaannya berfokus pada bagaimana alat yang didorong oleh AI memperbaiki diagnosis, memperluas akses ke perawatan, dan mendukung layanan kesehatan mental dengan cara yang melengkapi, bukan menggantikan, klinisi manusia.
Dengan perspektif yang penuh kasih sayang dan berbasis bukti, Lila menelaah studi klinis, penerapan dunia nyata, dan teknologi kesehatan yang muncul melalui lensa humanistik. Ia tertarik khusus pada aplikasi AI yang mengurangi hambatan untuk perawatan, meningkatkan deteksi dini, dan mendukung kesejahteraan mental sambil menghormati privasi pasien, keselamatan, dan standar etika.
Artikel yang ditulis oleh Lila Rowan dihasilkan oleh AI dan ditinjau oleh tim editorial Unite.AI untuk memastikan akurasi, sensitivitas, dan pelaporan yang bertanggung jawab tentang teknologi kesehatan dan kesejahteraan mental.