Kesehatan

Elsevier Menghadirkan Konteks Rekam Medis Pasien ke ClinicalKey AI

Lila Rowan
Tambahkan Unite.AI ke sumber pilihan Anda di Google
Poin utamaClinicalKey AI kini memulai kueri dari bagan pasien alih-alih perintah kosong.
Lihat selengkapnya
  • ClinicalKey AI kini memulai kueri dari bagan pasien alih-alih perintah kosong.
  • Setiap jawaban yang dihasilkan dapat dilacak kembali ke data bagan dan bukti klinis yang dikutip.
  • Fitur konteks pasien saat ini terbatas pada penerapan di Amerika Serikat.

Pada 16 November 2026, Elsevier mengumumkan bahwa ClinicalKey AI kini dapat mengakses rekam medis pasien dalam alur kerja rekam medis elektronik (EHR) dan mengevaluasi rencana perawatan berdasarkan konten klinisnya yang berbasis bukti, termasuk artikel teks lengkap dari sekitar 1.000 jurnal.

Perusahaan tersebut melaporkan bahwa ClinicalKey AI digunakan di lebih dari 1.200 lokasi rumah sakit di seluruh dunia. Pembaruan ini mengubah titik awal kueri: alih-alih mengandalkan detail yang diketik ke dalam kolom perintah AI yang kosong, alat ini memulai dengan informasi dari rekam medis pasien dan menghasilkan respons yang memuat data rekam medis sekaligus kutipan sumber.

Bagaimana Konteks Pasien Mengubah Alur Kerja

Dokumentasi konteks pasien dari Elsevier menjelaskan lima langkah yang saling terhubung: memulai dari pasien, menghimpun konteks rekam medis yang relevan, menghubungkan konteks tersebut dengan bukti klinis, menyajikan wawasan bersumber dalam alur kerja EHR yang didukung, dan membantu klinisi mengambil keputusan. Dalam penerapan yang didukung, konteks yang dapat digunakan mencakup catatan, pencitraan, prosedur, hasil laboratorium, obat-obatan, permintaan tindakan, alergi, tanda vital, serta rekam medis rawat inap dan rawat jalan.

Sistem ini dirancang untuk beroperasi di berbagai lingkungan EHR, bukan hanya pada satu penyedia. Fitur konteks pasien saat ini hanya tersedia di Amerika Serikat.

Ketertelusuran berlaku dua arah. Setiap pernyataan yang berkaitan dengan konteks pasien dapat ditelusuri ke data rekam medis yang relevan, sementara respons klinis menautkan ke sumber pendukungnya. Dengan demikian, klinisi dapat memeriksa detail rekam medis mana yang menjadi dasar suatu jawaban dan meninjau bukti di baliknya, sedangkan penilaian akhir dan rencana perawatan tetap menjadi tanggung jawab klinisi.

Pengumuman ini menyusul akuisisi Wellsheet oleh Elsevier pada Juni 2026. Wellsheet berspesialisasi dalam menggabungkan dan menyintesis data EHR untuk menyajikan informasi klinis yang relevan di titik pelayanan.

Penggunaan Awal di San Juan Regional

San Juan Regional Medical Center di New Mexico menggunakan fitur konteks pasien yang baru ini. Elsevier menggambarkannya sebagai pusat layanan kesehatan pedesaan yang melayani masyarakat dengan akses terbatas ke layanan kesehatan, dengan tim klinis dan mutu yang lebih kecil dibandingkan sistem akademik besar, di sebuah negara bagian tempat hampir 40% penduduk mengandalkan Medicaid.

Dr. Carlo Hallak, eksekutif bidang kedokteran di pusat tersebut, mengatakan bahwa rumah sakit di pedesaan itu telah mencatat tingkat penggunaan yang tinggi di kalangan klinisi dan menggunakan ClinicalKey AI untuk memeriksa perawatan setiap pasien berdasarkan basis bukti yang sama dengan yang digunakan sistem kesehatan besar. Ia menyebut dukungan tersebut “sangat berharga bagi rumah sakit seperti kami.”

Penelusuran Bukti dan Pengendalian Data

Dokumentasi produk Elsevier menjelaskan arsitektur generasi yang diperkuat dengan penelusuran, di mana pencarian semantik memilih dokumen yang relevan dari basis data konten berindeks vektor sebelum model bahasa besar merangkumnya menjadi ringkasan klinis yang padat. Sistem ini menggunakan beberapa model dan basis pengetahuan yang telah mendapat izin hak cipta serta diperbarui setiap hari. Respons dilengkapi kutipan tertaut, sementara validasi kutipan secara waktu nyata memeriksa titik data dan pernyataan yang dihasilkan dengan membandingkannya terhadap referensi tersebut. Dalam kerangka kerja yang melibatkan klinisi, klinisi berlisensi dari berbagai spesialisasi medis utama meninjau respons yang diarahkan oleh kueri untuk memastikan akurasi dan memeriksa bias setiap tiga bulan serta sebelum peluncuran besar.

Elsevier menyatakan bahwa data pengguna dienkripsi saat dikirim maupun saat disimpan, akses untuk dukungan dibatasi hanya bagi personel berwenang dengan penerapan pseudonimisasi, penyedia layanan awan dan mitra AI pihak ketiga tidak mendapat akses untuk tujuan pelatihan, serta produk ini dirancang agar mematuhi HIPAA di negara-negara yang regulatornya mengakui kepatuhan semacam itu.

Pembaruan ini menggabungkan dua jenis verifikasi dalam interaksi klinis yang sama: memeriksa fakta pasien yang digunakan sistem dan memeriksa publikasi yang mendasari responsnya. Bagi penyedia layanan dengan sumber daya terbatas seperti San Juan Regional, pertanyaan praktisnya adalah apakah alur kerja terhubung yang menyertakan kutipan sumber ini dapat mempermudah penggunaan basis bukti yang luas dalam batasan staf dan EHR yang sudah ada.

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.