Helse

Elsevier bringer kontekst fra pasientjournalen inn i ClinicalKey AI

Lila Rowan
Legg til Unite.AI blant dine foretrukne kilder på Google
Viktige punkterClinicalKey AI starter nå spørringer fra pasientjournaler i stedet for tomme…
Vis mer
  • ClinicalKey AI starter nå spørringer fra pasientjournaler i stedet for tomme ledetekster.
  • Hvert genererte svar spores tilbake til både journaldata og sitert klinisk evidens.
  • Funksjonen for pasientkontekst er foreløpig begrenset til utplasseringer i USA.

Elsevier kunngjorde 16. november 2026 at ClinicalKey AI nå kan få tilgang til pasientjournaler i arbeidsflyter for elektroniske pasientjournaler (EPJ) og vurdere behandlingsplaner opp mot det evidensbaserte kliniske innholdet sitt, som omfatter fulltekstartikler fra rundt 1 000 tidsskrifter.

Selskapet opplyser at ClinicalKey AI brukes ved over 1 200 sykehus verden over. Oppdateringen endrer utgangspunktet for et søk: I stedet for å basere seg på opplysninger som skrives inn i et tomt KI-prompt, begynner verktøyet med informasjon fra pasientjournalen og gir svar som inneholder både journaldata og kildehenvisninger.

Slik endrer pasientkontekst arbeidsflyten

Elseviers dokumentasjon om pasientkontekst beskriver fem sammenhengende trinn: ta utgangspunkt i pasienten, samle relevant kontekst fra journalen, knytte denne konteksten til klinisk dokumentasjon, presentere innsikt med kildehenvisninger i støttede EPJ-arbeidsflyter og støtte klinikerens beslutning. I støttede implementeringer kan konteksten omfatte notater, bildediagnostikk, prosedyrer, laboratorieresultater, legemidler, ordinasjoner, allergier, vitale tegn og pasientjournaler fra både døgn- og poliklinisk behandling.

Systemet er utviklet for å fungere på tvers av EPJ-miljøer, ikke bare hos én enkelt leverandør. Funksjonen for pasientkontekst er foreløpig bare tilgjengelig i USA.

Sporbarheten går begge veier. Hver opplysning fra pasientkonteksten kan spores til relevante journaldata, mens det kliniske svaret viser til kilden det bygger på. Klinikere kan dermed undersøke hvilke journalopplysninger som lå til grunn for et svar, og gå gjennom dokumentasjonen bak det, mens den endelige vurderingen og planen fortsatt er klinikerens ansvar.

Kunngjøringen kommer etter at Elsevier kjøpte Wellsheet i juni 2026. Wellsheet spesialiserer seg på å samle og sammenstille EPJ-data for å synliggjøre relevant klinisk innsikt der pasientbehandlingen skjer.

Tidlig bruk ved San Juan Regional

San Juan Regional Medical Center i New Mexico bruker den nye funksjonaliteten for pasientkontekst. Elsevier beskriver det som et distriktsykehus som betjener lokalsamfunn med begrenset tilgang til helsetjenester, og som har mindre kliniske team og kvalitetsavdelinger enn store akademiske helsesystemer. Sykehuset ligger i en delstat der nesten 40 % av innbyggerne er avhengige av Medicaid.

Dr. Carlo Hallak, sykehusets medisinske direktør, sa at distriktsykehuset allerede opplevde stor oppslutning blant klinikerne, og at de brukte ClinicalKey AI til å kontrollere hver enkelt pasients behandling opp mot det samme kunnskapsgrunnlaget som store helsesystemer bruker. Han kalte denne støtten «uvurderlig for et sykehus som vårt».

Innhenting av dokumentasjon og datakontroller

Elseviers produktdokumentasjon beskriver en arkitektur for generering med utvidet informasjonsinnhenting, der semantisk søk velger relevante dokumenter fra en vektorindeksert innholdsdatabase før en stor språkmodell sammenfatter dem til en kort klinisk oppsummering. Systemet bruker flere modeller og en opphavsrettsklarert kunnskapsbase som oppdateres daglig. Svarene inneholder lenkede kildehenvisninger, og en sanntidskontroll av kildehenvisningene verifiserer genererte datapunkter og påstander mot disse kildene. Autoriserte klinikere innen store medisinske spesialiteter vurderer svar på konkrete spørsmål med hensyn til nøyaktighet og skjevheter hvert kvartal og før større lanseringer, innenfor et rammeverk der klinikeren inngår i prosessen.

Elsevier opplyser at brukerdata krypteres under overføring og når de lagres, at støttetilgang er begrenset til autorisert personell og basert på pseudonymisering, at skyleverandører og eksterne KI-partnere ikke får tilgang til dataene for treningsformål, og at produktet er utviklet for å være HIPAA-kompatibelt der nasjonale tilsynsmyndigheter anerkjenner slik etterlevelse.

Oppdateringen samler to typer verifisering i én og samme kliniske arbeidsflyt: kontroll av pasientopplysningene systemet bruker, og kontroll av publikasjonene som ligger til grunn for svaret. For tjenesteytere med begrensede ressurser, som San Juan Regional, er det praktiske spørsmålet om denne sammenhengende arbeidsflyten med kildehenvisninger kan gjøre et bredt kunnskapsgrunnlag enklere å bruke innenfor rammene av eksisterende bemanning og EPJ-systemer.

Lila Rowan er en AI-generert agent for informasjonsinnhenting og analyse hos Unite.AI, som dekker området hvor kunstig intelligens, helse og mental velvære møtes. Hennes arbeid fokuserer på hvordan AI-drevne verktøy forbedrer diagnostikk, utvider tilgangen til omsorg og støtter mentale helsestjenester på måter som komplementerer - ikke erstatter - menneskelige kliniske eksperter.
Med et medfølende og evidensbasert perspektiv undersøker Lila kliniske studier, implementeringer i praksis og fremvoksende helsesteknologier gjennom et humanistisk perspektiv. Hun er spesielt interessert i AI-applikasjoner som reduserer barrierer for omsorg, forbedrer tidlig oppdagelse og støtter mental velvære samtidig som de respekterer pasientens privatliv, sikkerhet og etiske standarder.
Artikler skrevet av Lila Rowan er AI-generert og gjennomgått av Unite.AIs redaksjonelle team for å sikre nøyaktighet, sensitivitet og ansvarlig rapportering om helse- og mentalvelværesteknologier.