Kesehatan

Luma Health Meluncurkan Agent Launchpad untuk Persiapan Prosedur Bertahap

mm
Tambahkan Unite.AI ke sumber pilihan Anda di Google

Luma Health meluncurkan Agent Launchpad pada 5 November 2026, menghadirkan produk orkestrasi agen AI ini untuk persiapan dan tindak lanjut prosedur. University of Arkansas for Medical Sciences dan Mile Bluff Medical Center menggunakannya untuk persiapan kolonoskopi. Luma melaporkan bahwa rata-rata tingkat respons pasien dari upaya penjangkauan mereka mencapai 95%.

Agent Launchpad merupakan bagian dari peluncuran produk Luma untuk musim gugur 2026. Agen-agen awalnya menelepon atau mengirim pesan teks kepada pasien, mengikuti protokol sistem kesehatan, menjawab pertanyaan rutin, dan memantau kesiapan pasien. Templat peluncurannya mencakup persiapan kolonoskopi dan tindak lanjut pascaprosedur, serta persiapan operasi penggantian lutut, operasi katarak, dan operasi bariatrik. Produk ini dirancang untuk mengurangi beban koordinasi berulang bagi tim perawatan tanpa mengeluarkan staf dari proses pengambilan keputusan klinis.

Sistem-sistem kesehatan yang dimintai masukan oleh Luma melaporkan bahwa perawat rata-rata harus menelepon 2,3 kali hanya untuk pertama kali berhasil menghubungi pasien, sebelum melakukan panggilan persiapan lanjutan. Staf juga memastikan ketersediaan perlengkapan persiapan, mengumpulkan jawaban untuk skrining anestesi, memastikan pasien memiliki tumpangan untuk pulang, dan menindaklanjuti pasien yang belum menyelesaikan suatu tahapan. Beban kerja ini menjelaskan mengapa Agent Launchpad dirancang untuk menuntaskan alur kerja, bukan sekadar mengirim pengingat satu per satu.

Cara Agent Launchpad Mengoordinasikan Persiapan

Sistem kesehatan dapat memulai dengan templat atau memilih tujuan dan membiarkan AI menentukan cara mencapainya. Sistem tersebut mengunggah instruksi, pertanyaan skrining, dan pertanyaan umum yang telah disetujui, lalu menentukan hal-hal yang boleh ditangani agen dan kapan staf harus turun tangan. Dokumentasi orkestrasi Luma membedakan tugas agen tersebut—ketika agen khusus menangani berbagai tugas untuk mencapai hasil yang dipilih—dari alur kerja deterministik, yang setiap langkahnya ditentukan oleh pelanggan.

Untuk persiapan kolonoskopi, alur kerja yang dijelaskan mengikuti instruksi persiapan dari penyedia layanan, logistik perioperatif, dan aturan skrining anestesi, dengan pemeriksaan berkala 14 hari, tujuh hari, tiga hari, dan satu hari sebelum prosedur. Atas permintaan pasien, agen dapat beralih dari panggilan telepon ke pesan teks, mencoba menghubungi kembali setelah panggilan tak terjawab dengan memanfaatkan data keterlibatan pasien, serta menjawab pertanyaan rutin dalam percakapan yang sama. Jika jadwal janji temu diubah, penjangkauan selanjutnya disesuaikan dengan jadwal baru.

Agen yang menangani pasien yang sama berbagi konteks percakapan, sehingga alur kerja praprosedur dan pascaprosedur yang terpisah dapat berjalan tanpa staf harus memulai masing-masing alur. Beberapa alur kerja persiapan juga dapat berjalan secara bersamaan jika protokol penyedia layanan mengizinkannya. Pertanyaan klinis ditangani sesuai aturan eskalasi sistem kesehatan: perawat menerima seluruh percakapan dan dapat melanjutkan, mengulangi, melewati, atau menghentikan langkah-langkahnya. Setiap interaksi menghasilkan riwayat pesan yang mudah dibaca dan catatan tindakan agen.

Hasil Awal di UAMS dan Mile Bluff

Luma melaporkan bahwa 70% pasien merespons dalam hari pertama penjangkauan, perawat perioperatif menghemat rata-rata lebih dari 20 menit untuk koordinasi per pasien, dan separuh pasien Mile Bluff telah sepenuhnya siap tanpa panggilan telepon dari staf. Angka-angka tersebut menggambarkan respons pasien dan koordinasi staf dalam penerapan persiapan kolonoskopi di kedua tempat itu.

Paige Anderson, manajer layanan klinis madya di UAMS, mengatakan dalam blog peluncuran Luma bahwa sistem tersebut “kini menjawab pertanyaan rutin pasien tentang persiapan, siang maupun malam, pada waktu yang paling sesuai bagi mereka.” Pertanyaan yang memerlukan perawat langsung diteruskan kepada tim, sehingga perawat memiliki lebih banyak waktu untuk melakukan pekerjaan klinis yang hanya dapat mereka tangani. Perjalanan juga menjadi pertimbangan praktis di UAMS: banyak pasien datang dari tempat yang jauh, sehingga memahami persyaratan dan tiba dalam keadaan siap sangatlah penting.

Tamara Coughlin, direktur bedah di Mile Bluff, melaporkan bahwa waktu yang dihabiskan perawat untuk menelepon pasien terkait persiapan berkurang, sementara pasien dapat bersiap lebih awal dengan beban yang lebih ringan bagi staf. Pasien dapat mengajukan pertanyaan kapan saja sesuai kenyamanan mereka. Hal ini penting untuk kolonoskopi dan prosedur lain yang terdiri atas beberapa tahapan serta memerlukan panduan dari tim perioperatif.

Penjadwalan Rujukan Menjadi Tahap Berikutnya

Peta jalan Luma untuk musim dingin mencakup prosedur tambahan, termasuk endoskopi dan penanganan nyeri, serta kemampuan AI untuk membaca rujukan prosedur, menghubungi pasien guna menjadwalkannya, dan langsung mendaftarkan pasien tersebut ke program penjangkauan persiapan. Kemampuan-kemampuan ini masih direncanakan dan belum diluncurkan.

Peta jalan tersebut akan memperluas koordinasi agen hingga mencakup kontak awal untuk penjadwalan dan melanjutkannya ke tahap persiapan. Seiring bertambahnya tahapan, model kendali staf dalam peluncuran ini menjadi semakin penting: agen menangani koordinasi rutin, sementara setiap sistem kesehatan menetapkan panduan yang disetujui, batas operasional, dan titik eskalasi agar perawat tetap memegang keputusan yang membutuhkan pertimbangan klinis.

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.