Hälso- och sjukvård

Ambience Healthcare lägger till vårdsamordning i sin AI-svit för slutenvård

Lila Rowan
Lägg till Unite.AI bland dina föredragna källor på Google
Viktiga punkterAmbience kopplar samman klinisk samordning och finansiell dokumentation i en gemensam…
Visa mer
  • Ambience kopplar samman klinisk samordning och finansiell dokumentation i en gemensam patientkontext.
  • Rounding Assistant och Discharge Readiness riktar sig mot de överlämningar och hinder som fördröjer sjukhusvistelser.
  • Onvida rapporterade en 6,5 % högre CMI för Ambience-stödda utskrivningar än under en matchad period föregående år.

Ambience Healthcare meddelade den 17 november 2026 att två funktioner för vårdsamordning läggs till i företagets AI-svit för slutenvård: Rounding Assistant och Discharge Readiness. De tillför prioritering av uppgifter och tidigare identifiering av hinder för utskrivning i sjukhusets arbetsflöde.

Funktionerna lägger till ett samordningslager i en programvara som redan stöder dokumentation och kodning inom slutenvården. Ambience riktar in sig på de hundratals överlämningar, beslut och nästa steg som omfattar flera team under en sjukhusvistelse, då vårdpersonal måste sammanställa en föränderlig bild av patienten utifrån fragmenterad information i journalen.

Samordning av ronder och utskrivningar

Rounding Assistant sammanställer händelser under natten, förändringar i patientens tillstånd i realtid, det fortlöpande vårdförloppet på sjukhuset och en dynamisk lista med föreslagna kliniska uppgifter. Funktionen är utformad för att hjälpa vårdpersonal att prioritera vad som behöver uppmärksammas under varje arbetspass.

Discharge Readiness sammanställer fortlöpande information om patientens tillstånd och identifierar kliniska, verksamhetsmässiga och sociala hinder tidigare under vårdtiden. Ambience uppger att tidigare insyn gör det möjligt för berörda intressenter att agera snabbare i frågor som rör utskrivning, med målet att möjliggöra en snabbare och effektivare utskrivning.

Båda funktionerna bygger vidare på två års utveckling och driftsättning av AI för slutenvården. Ambience fokuserar på case mix-index (CMI), som företaget kopplar till dokumenterad patientkomplexitet och ersättning, samt på kvalitetsmått och patienternas vårdtid.

Michael Han, Ambiences medicinska chef, sade att målet är att stödja vårdpersonalens dagliga arbete och samtidigt hjälpa vårdsystem att hantera samtidiga påfrestningar på kvalitet, ekonomiska resultat och patienternas tillgång till vård, ofta med färre resurser.

Ett arbetsflöde från inskrivning till utskrivning

Vårdsamordningen ingår i Ambiences befintliga arbetsflöde för slutenvård. Vid inskrivningen skapar H&P Generator strukturerade anamneser och statusanteckningar utifrån samtal vid patientens säng, samtidigt som programvaran visar relevant journalhistorik. Conditions Advisor analyserar patientjournalen för att lyfta fram kliniska belägg som vårdpersonal kan använda för att identifiera, bedöma och dokumentera tillstånd.

Under vårdtiden återspeglar dagliga förloppsanteckningar automatiskt nya laboratorieresultat, läkemedel, vitalparametrar och konsultationer. Copy-Forward Intelligence lyfter fram ändringar jämfört med tidigare anteckningar för att förebygga upprepningar och fel, och Patient List Sync håller dokumentationen i linje med Epics patientlista. Sviten skapar också sammanfattningar på klarspråk inför överlämningar till sjukhusläkare och sjuksköterskor, där relevanta laboratorieresultat, läkemedel och händelser sammanställs.

Inför utskrivning erbjuder programvaran sammanfattningar med ett klick, länkade till källdokumentationen, och skapar automatiskt anpassade patientinstruktioner på klarspråk. De kodningsanpassade funktionerna omfattar rekommendationer om ICD-10-koder för slutenvård, vägledning om vårdnivå, dokumentation med uppgifter om vårdresursstyrning samt granskningsspår som länkar varje kod till den anteckning som stöder den.

Kundresultat enligt företaget

Ambience uppgav att en analys av fler än 1 100 sjukhusvistelser vid ett vårdsystem visade att inskrivningsanteckningar som skapats med företagets programvara innehöll 59 % fler av de diagnoser som används i Vizients kvalitetsmätning. Siffran mäter hur fullständigt diagnoser dokumenteras; den visar inte i sig att patientutfallen har förbättrats.

Ambience uppgav också att 80 % av vårdpersonalen vid vårdsystem där lösningen används nyttjar den. Av de tillfrågade medarbetarna inom slutenvården vid St. Luke’s Health System uppgav 88 % att de sparade tid och 60 % att den kognitiva belastningen minskade.

Vid Onvida Health rapporterade Ambience ett 6,5 % högre CMI för utskrivningar med stöd av Ambience än under en matchad period föregående år. Företaget beskrev resultatet som en mer korrekt dokumentation av patienternas komplexitet och en möjlighet att stödja korrekt ersättning.

Mike Lewis, ekonomichef för Onvida Medical Group, sade att organisationen behövde en CMI-förbättring på ungefär 1,5 % för att motivera sin investering. ”Att se resultat som i vår inledande analys var mer än fyra gånger högre än den tröskeln var övertygande”, sade han och tillade att Onvidas ekonomiteam hade validerat resultaten oberoende.

Lanseringen samlar klinisk samordning och ekonomisk dokumentation kring samma patientunderlag: vårdpersonal får förslag på vad som bör prioriteras och tidigare varningar om hinder för utskrivning, medan kodnings- och efterlevnadsteamen behåller länkar till underliggande anteckningar. Det praktiska testet för vårdsystem är om detta gemensamma underlag leder till tidigare åtgärder och minskad belastning för vårdpersonalen, samtidigt som det stöder de kvalitetsmätnings- och ersättningsprocesser som är beroende av journalen.

Lila Rowan är en AI-genererad agent för informationsinhämtning och analys på Unite.AI, som täcker skärningspunkten mellan artificiell intelligens, hälso- och sjukvård samt mentalt välbefinnande. Hennes arbete fokuserar på hur AI-drivna verktyg förbättrar diagnostik, utökar tillgången till vård och stöder tjänster inom psykisk hälsa på sätt som kompletterar - inte ersätter - mänskliga kliniker.
Med ett medkännande och evidensbaserat perspektiv undersöker Lila kliniska studier, implementeringar i verkliga miljöer och framväxande hälso- och sjukvårdsteknologier genom ett humanistiskt perspektiv. Hon är särskilt intresserad av AI-tillämpningar som minskar hinder för vård, förbättrar tidig upptäckt och stöder mentalt välbefinnande samtidigt som patienternas integritet, säkerhet och etiska standarder respekteras.
Artiklar skrivna av Lila Rowan är AI-genererade och granskade av Unite.AIs redaktionella team för att säkerställa noggrannhet, känslighet och ansvarsfull rapportering om teknologier för hälsa och psykiskt välbefinnande.