Helse

Luma Health lanserer Agent Launchpad for forberedelser til prosedyrer med flere trinn

mm
Legg til Unite.AI blant dine foretrukne kilder på Google

Luma Health lanserte Agent Launchpad 5. november 2026 og gjorde dermed sitt produkt for koordinering av KI-agenter tilgjengelig for forberedelser til prosedyrer og oppfølging. University of Arkansas for Medical Sciences og Mile Bluff Medical Center bruker det til forberedelser til koloskopi. Luma rapporterer en gjennomsnittlig pasientrespons på 95 % på tvers av henvendelsene deres.

Agent Launchpad er en del av Lumas produktlansering høsten 2026. De første agentene ringer eller sender tekstmeldinger til pasienter, følger helseforetakets protokoller, svarer på vanlige spørsmål og følger med på om pasientene er klare. Lanseringsmalene dekker forberedelser til koloskopi og oppfølging etter inngrepet, samt forberedelser til kneproteseoperasjon, grå stær-operasjon og fedmekirurgi. Produktet skal avlaste behandlingsteamene for gjentakende koordinering uten å ta de ansatte ut av kliniske beslutninger.

Helseforetak Luma rådførte seg med, rapporterte at sykepleierne i gjennomsnitt måtte ringe 2,3 ganger bare for å få kontakt med en pasient for første gang, før de kunne ringe flere ganger med informasjon om forberedelsene. De ansatte bekrefter også at pasientene har nødvendig utstyr til forberedelsene, innhenter svar på spørsmål i forbindelse med anestesiscreening, sjekker at pasientene har transport hjem og følger opp pasienter som ikke har fullført et trinn. Denne arbeidsmengden forklarer hvorfor Agent Launchpad er lagt opp rundt å fullføre en arbeidsflyt, i stedet for å sende enkeltstående påminnelser.

Slik koordinerer Agent Launchpad forberedelsene

Et helseforetak kan begynne med en mal eller velge et mål og la KI finne ut hvordan det skal nås. Foretaket laster opp godkjente instruksjoner, screeningspørsmål og ofte stilte spørsmål, og definerer deretter hva agentene kan håndtere, og når de ansatte må gripe inn. Lumas dokumentasjon om orkestrering skiller slike agentbaserte oppgaver, der spesialiserte agenter utfører oppgaver for å nå et valgt resultat, fra deterministiske arbeidsflyter der kunden definerer hvert trinn.

Ved forberedelser til koloskopi følger arbeidsflyten som beskrives, behandlerens instruksjoner om forberedelsene, logistikken rundt inngrepet og reglene for anestesiscreening. Pasientene følges opp 14 dager, sju dager, tre dager og én dag før inngrepet. En agent kan bytte fra telefonsamtale til tekstmelding hvis pasienten ber om det, prøve på nytt etter ubesvarte anrop ved hjelp av data om pasientengasjement og svare på vanlige spørsmål i den samme samtalen. Hvis timen blir flyttet, tilpasses framtidige henvendelser den nye tidsplanen.

Agenter som arbeider med samme pasient, deler samtalekontekst. Dermed kan separate arbeidsflyter før og etter inngrepet gjennomføres uten at de ansatte må starte hver av dem. Flere forberedelsesforløp kan også pågå samtidig når behandlerens protokoller tillater det. Kliniske spørsmål håndteres i tråd med helseforetakets regler for eskalering: Sykepleieren mottar hele samtalen og kan fortsette, gjenta, hoppe over eller avslutte trinn. Hver pasientkontakt etterlater en lesbar samtalehistorikk og en oversikt over hva agenten har gjort.

Tidlige resultater ved UAMS og Mile Bluff

Luma rapporterer at 70 % av pasientene svarte i løpet av det første døgnet etter den første henvendelsen, at sykepleiere innen perioperativ behandling sparte i gjennomsnitt mer enn 20 minutter på koordinering per pasient, og at halvparten av pasientene ved Mile Bluff var helt forberedt uten telefonsamtaler fra de ansatte. Tallene beskriver pasientenes respons og de ansattes koordineringsarbeid i disse utrullingene for forberedelser til koloskopi.

Paige Anderson, assisterende leder for kliniske tjenester ved UAMS, sa i Lumas lanseringsblogg at systemet «nå besvarer vanlige spørsmål om forberedelsene for pasientene, dag og natt, på tidspunkter som passer dem best». Spørsmål som krever en sykepleier, sendes direkte til teamet, slik at sykepleierne får mer tid til klinisk arbeid som bare de kan utføre. Reiseavstand er også en praktisk utfordring ved UAMS: Mange pasienter reiser langt, så det er viktig at de forstår kravene og møter godt forberedt.

Tamara Coughlin, kirurgidirektør ved Mile Bluff, rapporterer at sykepleierne bruker færre timer på forberedende telefonsamtaler, og at pasientene blir klare tidligere med mindre belastning på de ansatte. Pasientene kan stille spørsmål når det passer dem, noe som er viktig ved koloskopier og andre prosedyrer med flere trinn der de trenger veiledning fra det perioperative teamet.

Henvisningsbasert timebestilling er neste steg

Lumas veikart for vinteren omfatter flere prosedyrer, blant annet endoskopi og smertebehandling, samt en funksjon der KI kan lese en henvisning til en prosedyre, kontakte pasienten for å avtale time og umiddelbart melde pasienten på oppfølgingen i forkant. Dette er planlagte funksjoner, ikke lanserte funksjoner.

Dette veikartet vil utvide koordineringen med agenter til også å omfatte den første kontakten for timebestilling og føre den videre til forberedelsene. Etter hvert som forløpet utvides, blir modellen for kontroll fra de ansattes side helt sentral: Agentene håndterer rutinemessig koordinering, mens hvert helseforetak definerer godkjent veiledning, rammer for hva agentene kan gjøre og når saker skal eskaleres, slik at sykepleierne beholder ansvaret for beslutninger som krever klinisk skjønn.

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.