อาลี มอริน ประธานเจ้าหน้าที่ข้อมูลการพยาบาลของ symplr – สัมภาษณ์

อาลี มอริน ประธานเจ้าหน้าที่ข้อมูลการพยาบาลของ Symplr เป็นผู้นำด้านการพยาบาลและการเทคโนโลยีทางสุขภาพที่มีประสบการณ์ครอบคลุมการดูแลผู้ป่วย การใช้ระบบทางคลินิก และการพยาบาลด้านข้อมูลก่อนที่จะดำรงตำแหน่งประธานเจ้าหน้าที่ข้อมูลการพยาบาลในปี 2024 เธอ曾ดำรงตำแหน่งรองประธานฝ่ายการพยาบาลด้านข้อมูลของ symplr และดำรงตำแหน่งอาวุโสฝ่ายข้อมูลการพยาบาลที่ Halo โดยมุ่งเน้นไปที่การสื่อสารทางคลินิก การนำไปใช้ และการยอมรับ ในช่วงแรก มอริน曾ทำงานด้านข้อมูลการพยาบาลและการวิเคราะห์ทางคลินิกที่ Cincinnati Children’s Hospital Medical Center และเป็นผู้นำในการนำระบบเอกสารทางคลินิกและระบบสั่งยาทางคอมพิวเตอร์ไปใช้ที่ Boston Children’s Hospital ประสบการณ์ของเธอในฐานะพยาบาลที่ลงมือปฏิบัติงานทำให้เธอมีมุมมองทางคลินิกเกี่ยวกับการใช้เทคโนโลยีและการออกแบบกระบวนการทำงานเพื่อลดภาระการบริหารและการปรับปรุงการให้บริการ

symplr เป็นบริษัทซอฟต์แวร์สำหรับธุรกิจการดูแลสุขภาพที่มุ่งเน้นการเชื่อมต่อและทำให้ระบบการบริหารและการดำเนินงานที่รองรับการให้บริการด้านสุขภาพง่ายขึ้น แพลตฟอร์มการดำเนินงานบนคลาวด์ของบริษัทนี้รวบรวมความสามารถที่ครอบคลุมการจัดการกำลังคน การจัดการข้อมูลผู้ให้บริการและการรับรอง การตรวจสอบคุณภาพและความปลอดภัย การสื่อสารทางคลินิกและการจัดตารางแพทย์ การจัดการทุน การจัดการการใช้จ่าย การปฏิบัติตามกฎระเบียบ การเข้าถึงและการจัดการสัญญา โดยมีเป้าหมายในการแทนที่โซลูชันจุดโดยการทำงานแบบบูรณาการมากขึ้นและข้อมูลที่เชื่อมโยงกัน บริษัทนี้ยังรวมเทคโนโลยี AI ทั่วทั้งแพลตฟอร์มเพื่อสนับสนุนการทำงานอัตโนมัติและการตัดสินใจในขณะที่ยังคงรักษาการกำกับดูแลข้อมูลที่เฉพาะเจาะจงด้านสุขภาพไว้ที่จุดศูนย์กลางของแนวทางของตน symplr ระบุว่าเทคโนโลยีของบริษัทถูกใช้โดยโรงพยาบาลเก้าใน十分ของโรงพยาบาลในสหรัฐอเมริกาและแผนการดูแลสุขภาพมากกว่า 400 แผนในประเทศ

คุณได้ใช้เวลาเกือบสามทศวรรษในฐานะพยาบาลที่ให้บริการผู้ป่วย ผู้นำด้านข้อมูลการพยาบาล และตอนนี้เป็นประธานเจ้าหน้าที่ข้อมูลการพยาบาลของ symplr เมื่อมองย้อนกลับไปในระหว่างการเดินทางนี้ คุณได้เห็นข้อผิดพลาดที่ใหญ่ที่สุดที่บริษัทเทคโนโลยีได้ทำเมื่อออกแบบ AI สำหรับพยาบาล และประสบการณ์ในการปฏิบัติงานของคุณได้กำหนดรูปแบบการเข้าถึงการพัฒนา AI อย่างไร

สุขภาพได้ผ่านเรื่องนี้มาแล้ว บันทึกสุขภาพอิเล็กทรอนิกส์曾สัญญาว่าจะมีประสิทธิภาพ แต่ในช่วงแรกๆ มันบ่อยครั้งที่สร้างภาระการบริหารที่มากขึ้นเพราะผู้เชี่ยวชาญด้านคลินิกที่คาดว่าจะใช้มันไม่ได้รับการเกี่ยวข้องในการออกแบบหรือการนำไปใช้ของเครื่องมือเหล่านี้ ฉันประสบเรื่องนี้ด้วยตัวเองเมื่อใช้ EMR ครั้งแรกที่เตียงผู้ป่วยและอีกครั้งเมื่อตัดสินใจเกี่ยวกับกระบวนการทำงานในห้องประชุมโดยไม่มีการพิจารณาในระหว่างการออกแบบสำหรับผู้เชี่ยวชาญด้านคลินิกที่จะใช้เมื่อมันเริ่มใช้งาน AI ให้โอกาสเราในการทำสิ่งนี้ให้ถูกต้อง แต่เฉพาะถ้าเราไม่ทำผิดพลาดเดิมนั้นอีก

ฉันเริ่มอาชีพของตัวเองมากกว่า 25 ปีที่แล้วในฐานะพยาบาลดูแลผู้ป่วยวิกฤตเด็ก และฉันได้ใช้เวลาสองทศวรรษที่ผ่านมาในการทำงานด้านข้อมูลการพยาบาล ฉันเห็นทั้งสองด้าน: วิธีการที่เทคโนโลยีช่วยเมื่อมันถูกสร้างขึ้นด้วยมุมมองของผู้เชี่ยวชาญด้านคลินิก และวิธีการที่มันกลายเป็นแหล่งของความผิดหวังเมื่อมันไม่เกิดขึ้น

ข้อผิดพลาดที่ฉันยังคงเห็นคือองค์กรด้านสุขภาพที่ออกแบบโซลูชันสำหรับกระบวนการทำงานที่พวกเขาคิดว่าพยาบาลมี ไม่ใช่สภาพแวดล้อมที่แท้จริงที่เต็มไปด้วยการหยุดชะงัก การจัดลำดับความสำคัญที่แข่งขันกัน และช่วงเวลาที่การบันทึกและการดูแลผู้ป่วยเกิดขึ้นพร้อมๆ กัน

ประสบการณ์ในการปฏิบัติงานของฉันกำหนดการทดสอบอย่างง่ายที่ฉันใช้กับเครื่องมือ AI ทุกชิ้น: มันสนับสนุนการทำงานของพยาบาลอย่างมีความหมายหรือไม่ หรือมันกลายเป็นเพียงสิ่งหนึ่งที่แข่งขันกับความสนใจของพวกเขา ถ้ามันเป็นแบบหลัง มันไม่สำคัญว่าโมเดลจะซับซ้อนแค่ไหน มันคือสิ่งหนึ่งที่เพิ่มภาระการทำงานของพยาบาลและแข่งขันกับเวลาของพวกเขา

คุณมักจะโต้แย้งว่าผู้เชี่ยวชาญด้านคลินิกต้องเกี่ยวข้องตลอดการพัฒนา AI ไม่ใช่แค่ในช่วงการนำไปใช้ การมีส่วนร่วมของผู้เชี่ยวชาญด้านคลินิกที่มีความหมายคืออะไร และทำไมหลายๆ โครงการ AI ในด้านสุขภาพจึงยังคงทำผิดพลาดในเรื่องนี้

การมีส่วนร่วมของผู้เชี่ยวชาญด้านการพยาบาลในกิจการด้านเทคโนโลยีควรถูกมองว่าเป็นโครงสร้างที่คาดหวัง ซึ่งรวมอยู่ในกระบวนการประเมินและใช้เทคโนโลยีตั้งแต่เริ่มต้น ซึ่งหมายความว่าให้แน่ใจว่าพยาบาลอยู่ในห้องทุกขั้นตอน – ตั้งแต่การซื้อไปจนถึงการนำไปใช้และการประเมิน

ครั้งแรกที่พยาบาลเห็นโซลูชันไม่ควรเป็นหลังจากที่การตัดสินใจได้ทำและพนักงานได้รับการฝึกอบรม ผู้เชี่ยวชาญด้านการพยาบาลที่ใช้เครื่องมือเหล่านี้ทุกวันจะระบุความท้าทายและโอกาสที่ผู้บริหาร ผู้พัฒนา และผู้ขายอาจไม่เคยเห็น เพียงเพราะว่าในฐานะผู้เชี่ยวชาญด้านคลินิก พวกเขาอาศัยอยู่ภายในกระบวนการทำงาน

หลายๆ โครงการ AI ในด้านสุขภาพยังคงทำผิดพลาดในเรื่องนี้เพราะพวกเขารักษาการให้ข้อมูลจากผู้เชี่ยวชาญด้านคลินิกเป็นจุดตรวจสอบมากกว่ากระบวนการที่ต่อเนื่องกัน บ่อยครั้งที่พยาบาลถูกขอให้ให้ข้อเสนอแนะในช่วงการนำเสนอหรือทดลอง และนั่นถูกมองว่าเป็น “การมีส่วนร่วมของผู้เชี่ยวชาญด้านคลินิก” การมีส่วนร่วมที่แท้จริงดูเหมือนกับงานที่ฉันทำที่ symplr โดยการอยู่ในห้องเมื่อเรากำลังออกแบบ พัฒนา และพัฒนาวิธีแก้ปัญหา AI ของเรา

ผู้จัดการพยาบาลสามารถใช้เวลาส่วนสำคัญของวันในการสร้างและปรับเปลี่ยนตารางการทำงาน AI กำลังเปลี่ยนแปลงการบริหารจัดการกำลังคนอย่างไร และคุณเห็นการปรับปรุงที่วัดได้มากที่สุดในด้านประสิทธิภาพและความพึงพอใจของพนักงานที่ไหน

เครื่องมือการจัดตารางและบริหารจัดการกำลังคนโดยใช้ AI กำจัดความซับซ้อนในการดำเนินการที่มีมาอย่างยาวนานซึ่ง曾เป็นภาระของผู้นำพยาบาล งานที่ต้องใช้การประสานงานอย่างไม่สิ้นสุด เช่น การสร้างตาราง การปรับเปลี่ยนในเวลาจริง และการค้นหาการแทนการโทรออกในนาทีสุดท้าย สามารถถูกทำให้ทำงานอัตโนมัติได้มากขึ้นแทนการบริโภคเวลาของผู้จัดการพยาบาล

ในด้านประสิทธิภาพ เรามีข้อมูลที่แสดงถึงผลกระทบ ตัวอย่างเช่น ด้วยการจัดตารางแบบบูรณาการในแพลตฟอร์มการจัดการกำลังคนของ symplr โซลูชันที่รวมกันสามารถคาดการณ์ความต้องการกำลังคนได้ล่วงหน้าถึง 120 วันด้วยความแม่นยำ 96% นี่คือการเปลี่ยนแปลงที่วัดได้ จากการเตรียมการแบบตอบสนองในแต่ละวันไปสู่แนวทางที่ช่วยให้ผู้นำพยาบาลและผู้เชี่ยวชาญด้านคลินิกสามารถวางแผนได้

ยากที่จะเชื่อมโยงความพึงพอใจของพนักงานกับการจัดตารางที่คาดการณ์ไว้ แต่พยาบาลที่รู้สึกว่าได้รับการสนับสนุนจากระบบที่อยู่รอบๆ พวกเขามักจะอยู่ในอาชีพการงานนานขึ้น สภาแห่งรัฐในการพยาบาลแห่งชาติ (National Council of State Boards of Nursing) รายงานว่าในบรรดาพยาบาลที่ระบุว่าพวกเขาตั้งใจจะออกจากอาชีพภายในห้าปีข้างหน้า 41.5% อ้างว่าสาเหตุหลักคือความเครียดและความเหนื่อยหน่าย โดยมีภาระงาน ความขาดแคลนพนักงาน และค่าจ้างที่ไม่เพียงพอเป็นเหตุผลหลักอื่นๆ เมื่อตารางการทำงานของพนักงานหยุดการบริโภคเวลาของผู้จัดการ และช่องว่างในการครอบคลุมถูกคาดการณ์ไว้ล่วงหน้า นี่คือการเปลี่ยนแปลงเชิงบวกที่สามารถส่งผลกระทบต่อวิธีที่คนรู้สึกเกี่ยวกับงานของพวกเขา

การคาดการณ์การจัดตารางการทำงานสัญญาว่าจะคาดการณ์ความขาดแคลนล่วงหน้าก่อนที่จะกลายเป็นภัยพิบัติ สัญญาณข้อมูลใดที่ chứng minhคุณค่ามากที่สุด และคุณรับรองว่าโมเดลเหล่านี้สนับสนุนพยาบาลมากกว่าการเพิ่มค่าใช้จ่ายในการทำงานเพียงอย่างเดียว

สัญญาณที่สำคัญที่สุดคือสิ่งที่เปิดเผยช่องว่างก่อนที่สถานการณ์จะกลายเป็นเรื่องด่วน เช่น ระยะเวลาที่การเปลี่ยนแปลงถูกเติม และความถี่ที่หน่วยงานพึ่งพาสิ่งจูงใจในนาทีสุดท้ายเพื่อครอบคลุมการเปลี่ยนแปลง Bellin Health เป็นตัวอย่างที่ดี เมื่อทีมงานทางคลินิกมีความสามารถในการมองเห็นช่องว่างในการเปลี่ยนแปลงและช่องว่างในการครอบคลุม ทีมงานเติมช่องว่างการเปลี่ยนแปลงได้ 65% สองสัปดาห์ล่วงหน้า และ 80% ในหนึ่งสัปดาห์ แทนที่จะรีบเข้ามาเติมช่องว่างในนาทีสุดท้าย

วิธีการที่จะทำให้โมเดลเหล่านี้มีความซื่อสัตย์คือการวัดมากกว่าค่าใช้จ่าย การจัดตารางการทำงานแบบคาดการณ์สามารถช่วยให้ Bellin Health ประหยัดค่าใช้จ่ายในการทำงานมากกว่าหนึ่งล้านดอลลาร์ แต่สิ่งที่สำคัญสำหรับพยาบาลของพวกเขาคือการเติมช่องว่างการเปลี่ยนแปลง 80% ล่วงหน้า โมเดลที่สร้างขึ้นด้วยการมีส่วนร่วมของผู้เชี่ยวชาญด้านการพยาบาลจะไปไกลกว่าความมีประสิทธิภาพ ความปลอดภัย และความสามารถในการคาดการณ์ เพื่อส่งผลกระทบเชิงบวกต่อความพึงพอใจของพยาบาล

สุขภาพได้เห็นหลายๆ การเปิดตัวเทคโนโลยีที่เพิ่มภาระการบริหารแทนที่จะลดลง อะไรที่ทำให้เครื่องมือ AI ที่พยาบาลยอมรับแตกต่างจากที่กลายเป็นแหล่งของความผิดหวัง

เครื่องมือที่พยาบาลยอมรับคือเครื่องมือที่จางไปในพื้นหลัง ตัวอย่างเช่น การบันทึกที่เขียนตัวเองในขณะที่พยาบาลยังคงอยู่กับผู้ป่วยอย่างเต็มที่ หรือกระบวนการทำงานที่กำจัดงานซ้ำๆ แทนที่จะเพิ่มหน้าจอใหม่ให้ตรวจสอบ เครื่องมือที่กลายเป็นแหล่งของความผิดหวังมักถูกนำไปใช้โดยไม่ได้คำนึงถึงวิธีการทำงานของพยาบาล แต่เพิ่มจำนวนรายการที่พยาบาลต้องตรวจสอบ คลิก หรือตรวจสอบซ้ำในขณะที่ดูแลผู้ป่วย

สิ่งนี้ลดลงมาถึงความโปร่งใสและความเหมาะสม เมื่อผู้นำเปิดเผยเกี่ยวกับสิ่งที่เครื่องมือทำและทำไม และถูกสร้างขึ้นรอบๆ กระบวนการทำงานที่แท้จริงมากกว่าฉากที่คาดหวัง ผลลัพธ์จะเป็นจริง – มีเวลามากขึ้นสำหรับการดูแลผู้ป่วย มีเวลามากขึ้นสำหรับการคิดอย่างมีวิจารณญาณ และมีความสามารถมากขึ้นในการให้คำแนะนำแก่พยาบาลใหม่ๆ แต่ถ้ามันไม่เกิดขึ้น เทคโนโลยีจะกลายเป็นอุปสรรคในงานที่ต้องการความตั้งใจสูงแล้ว

เมื่อวงจรการพัฒนา AI ยังคงเร่งตัวขึ้น คุณกังวลหรือไม่ว่าองค์กรด้านสุขภาพอาจจัดลำดับความสำคัญของความเร็วมากกว่าการตรวจสอบทางคลินิก อะไรคือการป้องกันที่ควรจะมีก่อนที่ระบบ AI จะถูกนำเข้าสู่สภาพแวดล้อมการดูแลผู้ป่วย

ใช่ การมุ่งเน้นไปที่ความเร็วมากกว่าการตรวจสอบเป็นเรื่องที่น่ากังวล การพัฒนา AI กำลังดำเนินไปอย่างรวดเร็ว และข้อกำหนดด้านกฎระเบียบและความปลอดภัยของสุขภาพมีอยู่ด้วยเหตุผลที่ดี องค์กรที่ทำสิ่งนี้ได้ถูกต้องจะรักษาการตรวจสอบทางคลินิกและการกำกับดูแลของผู้เชี่ยวชาญด้านการพยาบาลเป็นส่วนหนึ่งของกระบวนการออกแบบตั้งแต่วันแรก ไม่ใช่สิ่งที่เพิ่มเข้ามาในภายหลังเพื่อตอบสนองรายการตรวจสอบก่อนที่จะเริ่มใช้งาน

สำหรับฉัน การป้องกันขั้นพื้นฐานคือให้แน่ใจว่าพยาบาลและผู้เชี่ยวชาญด้านคลินิกอื่นๆ ได้รับการประเมินเครื่องมือเหล่านี้ก่อนที่จะสัมผัสกับการดูแลผู้ป่วย นอกเหนือจากนั้น ระบบสุขภาพต้องการความโปร่งใสเกี่ยวกับสิ่งที่ระบบทำ และมีกระบวนการที่ชัดเจนสำหรับผู้เชี่ยวชาญด้านคลินิกในการแจ้งเตือนเมื่อมีสิ่งใดไม่ทำงาน โครงสร้างการกำกับดูแลระดับชาติ เช่น โครงสร้างที่กำลังถูกสร้างขึ้นโดยกลุ่มในอุตสาหกรรม เช่น AONL และ HIMSS ให้โครงสร้างที่สามารถดำเนินการได้สำหรับองค์กรแทนการปล่อยให้ทุกๆ ระบบสุขภาพจัดการกับเรื่องนี้ด้วยตัวเอง

นอกเหนือจากการจัดตารางการทำงานแล้ว คุณเชื่อว่า AI มีศักยภาพที่ยังไม่ได้ถูกใช้มากที่สุดในการลดความเหนื่อยหน่ายของพยาบาลในขณะที่ปรับปรุงผลลัพธ์ของผู้ป่วยในช่วงห้าปีข้างหน้า

การบันทึกเป็นสิ่งที่ฉันยังคงเห็นว่ามีพื้นที่เติบโตมากที่สุด เครื่องมือ Ambient เพิ่งเริ่มบันทึกช่วงเวลาที่อยู่ระหว่างการดูแลที่มักจะไม่ได้รับการบันทึก มีงานที่ต้องทำอีกมากในช่วงหลายปีข้างหน้า ทั้งในด้านการให้เวลาคืนให้กับพยาบาลและการสร้างบันทึกที่สมบูรณ์ยิ่งขึ้นเกี่ยวกับสิ่งที่เกิดขึ้นระหว่างการพบผู้ป่วย

การพยาบาลระยะไกลเป็นอีกพื้นที่หนึ่งที่มีโอกาสเติบโตจริงๆ ในขณะนี้ มันถูกใช้สำหรับการศึกษาผู้ป่วย การจัดทำเอกสารการรับเข้าและการวางแผนการปล่อยตัว และการตรวจสอบระยะไกล โอกาสที่ใหญ่กว่าคือการขยายการสนับสนุนเพื่อให้พยาบาลที่ดูแลผู้ป่วยได้เวลามากขึ้นในการมุ่งเน้นไปที่ผู้ป่วยที่อยู่ตรงหน้าพวกเขา แทนที่จะถูกยึดโดยเอกสาร

เมื่อมองไปข้างหน้า คุณจะแนะนำอะไรให้กับผู้บริหารด้านสุขภาพที่ต้องการสร้างกลยุทธ์ AI ที่พยาบาลจะสนับสนุนแทนที่จะต่อต้าน และบทบาทใดที่ผู้นำด้านการพยาบาลควรเล่นในการกำหนดรูปแบบ AI ทางคลินิกในอนาคต

คำแนะนำของฉันคือให้ให้ผู้เชี่ยวชาญด้านการพยาบาลเกี่ยวข้องในการจัดซื้อ เทคโนโลยี การนำไปใช้ และการประเมินตั้งแต่เริ่มต้น ผู้เชี่ยวชาญด้านการพยาบาลที่ใช้เครื่องมือเหล่านี้ทุกวันจะระบุความท้าทายและโอกาสที่ผู้อื่นอาจไม่เห็น นอกจากนี้ ให้ลงทุนในการพัฒนาทักษะดิจิทัลสำหรับผู้นำพยาบาล ngay bây giờ ไม่ใช่หลายปีต่อจากนี้ เราไม่สามารถคาดหวังให้ผู้นำพยาบาลนำการตัดสินใจด้านเทคโนโลยีที่ซับซ้อนโดยไม่ให้พวกเขาเครื่องมือหรือความรู้ในการทำเช่นนั้น

บทบาทของผู้นำด้านการพยาบาลคือการทำให้การมีส่วนร่วมของผู้เชี่ยวชาญด้านการพยาบาลเป็นเจตนารมณ์ ไม่ใช่เรื่องบังเอิญ ผ่านงานของฉันในคณะกรรมการ AONL เราได้กำหนดความสามารถดิจิทัลที่ผู้นำพยาบาลต้องการ: ความสามารถดิจิทัล ความสามารถในการทำงานร่วมกับผู้มีส่วนได้ส่วนเสีย และการวางแนวทางการตัดสินใจด้านเทคโนโลยีกับกระบวนการทำงานทางคลินิกและผลลัพธ์ที่แท้จริง โปรแกรม เช่น Karlene Kerfoot Nursing Leadership in Technology Education Grant ซึ่ง symplr สร้างร่วมกับ The DAISY Foundation มีจุดมุ่งหมายเพื่อให้แน่ใจว่าพยาบาลมีมากกว่าในการเตรียมพร้อม

เมื่อผู้นำด้านการพยาบาลมีที่นั่งที่แท้จริงในการตัดสินใจ เทคโนโลยีจะสอดคล้องกับการให้บริการที่ส่งมอบได้ดีขึ้น การนำไปใช้จะดีขึ้น ภาระการบริหารจะลดลง และความปลอดภัยและผลลัพธ์ของผู้ป่วยจะดีขึ้น นั่นคือจุดประสงค์ทั้งหมด

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านสามารถเรียนรู้เพิ่มเติมได้ที่ symplr