โมเดลและแพลตฟอร์ม AI
Ambience Prepare แสดงหลักฐานและประเด็นที่ยังต้องหาคำตอบก่อนการพบแพทย์

เมื่อวันที่ 12 พฤศจิกายน 2026 Ambience Healthcare เปิดตัว Ambience Prepare เวิร์กโฟลว์สำหรับเตรียมความพร้อมก่อนพบแพทย์ โดยฟีเจอร์ Chart Prep จะแปลงเวชระเบียนผู้ป่วยย้อนหลังระยะยาวให้เป็นสรุปข้อมูลที่เชื่อมโยงกับหลักฐาน ระบบนี้ออกแบบมาเพื่อตรวจสอบเวชระเบียนที่เกี่ยวข้องกับการนัดหมายที่กำลังจะมาถึง ชี้ให้เห็นประเด็นที่ยังไม่มีคำตอบ และให้แพทย์เป็นผู้ตัดสินใจทางคลินิก
Prepare ยังมี Chart Chat ซึ่งช่วยให้แพทย์ถามคำถามเกี่ยวกับเวชระเบียนของผู้ป่วยด้วยภาษาธรรมชาติได้ ประกาศนี้มุ่งเน้นที่ Chart Prep ซึ่งพัฒนาขึ้นเพื่อใช้ในช่วงเวลาสั้นๆ สำหรับทบทวนข้อมูลก่อนพบแพทย์ ได้แก่ ช่วยให้แพทย์ทำความเข้าใจภาพรวม รื้อฟื้นลำดับการดูแลรักษาที่เกี่ยวข้อง ชี้ให้เห็นความเปลี่ยนแปลง และหยิบยกประเด็นที่ยังไม่มีคำตอบขึ้นมา หลักฐานสนับสนุนยังคงแนบอยู่กับข้อค้นพบ และระบบจะแจ้งเตือนเมื่อเวชระเบียนไม่ครบถ้วนหรือมีข้อมูลขัดแย้งกัน
เชื่อมโยงข้อมูลการใช้ยาก่อนการผ่าตัด
Ambience อธิบายความแตกต่างนี้ด้วยตัวอย่างแพทย์ระบบทางเดินปัสสาวะที่กำลังเตรียมพบผู้ป่วยซึ่งเพิ่งเกิดโรคหลอดเลือดสมองหลายตำแหน่ง ก่อนเข้ารับการผ่าตัดเลาะต่อมลูกหมากผ่านท่อปัสสาวะตามแผน แพทย์โรคหัวใจวางแผนจะปรับยา หากตรวจพบภาวะหัวใจห้องบนสั่นพลิ้ว ผลการตรวจในภายหลังยืนยันว่าผู้ป่วยมีภาวะหัวใจห้องบนสั่นพลิ้ว แต่เวชระเบียนหลังจากนั้นไม่ได้ระบุชัดเจนว่าเริ่มให้ apixaban และหยุด clopidogrel แล้วหรือไม่
สามารถสรุปข้อมูลแต่ละรายการได้อย่างถูกต้องโดยไม่ต้องหาคำตอบให้ประเด็นเรื่องยาซึ่งสำคัญต่อการเตรียมผ่าตัด แต่ Chart Prep ออกแบบมาเพื่อเชื่อมโยงหัตถการกับยาที่เกี่ยวข้องกับความเสี่ยงเลือดออก ติดตามแผนของแพทย์โรคหัวใจ ตรวจสอบผลจากเครื่องติดตามจังหวะการเต้นของหัวใจ และเปรียบเทียบการปรับยาตามแผนกับข้อมูลการทบทวนรายการยาในภายหลัง ระบบจะแสดงสิ่งที่มีหลักฐานในเวชระเบียนรองรับ ระบุข้อมูลที่ขัดแย้งกัน และเก็บประเด็นที่ยังไม่มีคำตอบไว้ให้แพทย์ทบทวน
Chorus จัดเตรียมบริบทผู้ป่วยร่วมกัน
Chart Prep ใช้ Chorus ซึ่งเป็นระบบจัดการบริบทที่ Ambience ประกาศเปิดตัวเมื่อวันที่ 24 สิงหาคม 2026 Chorus มอบเครื่องมือให้เอเจนต์สำรวจเวชระเบียน ติดตามลำดับเหตุการณ์ทางคลินิก เปิดดูหลักฐานต้นทาง เปรียบเทียบแหล่งข้อมูล และสืบย้อนข้อสรุปไปยังที่มาได้ ระบบนี้รักษาความเข้าใจเกี่ยวกับผู้ป่วยที่ใช้ร่วมกันและเชื่อมโยงกับแหล่งข้อมูลไว้ เพื่อให้เวิร์กโฟลว์ต่างๆ ของ Ambience นำไปใช้ซ้ำได้
Ambience ระบุว่าการป้อนข้อความจากเวชระเบียนเข้าไปในโมเดลให้ได้มากที่สุดนั้นยังไม่เพียงพอ เพราะเวชระเบียนที่ยาวอาจเกินขีดจำกัดของหน้าต่างบริบท บริบทที่มีข้อมูลหนาแน่นอาจนำไปใช้อย่างน่าเชื่อถือได้ยากขึ้น และโมเดลยังต้องได้รับคำแนะนำว่าควรตรวจสอบลำดับเหตุการณ์และหลักฐานใด ประกาศ Chorus ฉบับก่อนหน้าอธิบายถึงการค้นดูบันทึก ยา ผลตรวจทางห้องปฏิบัติการ การรับไว้รักษาในโรงพยาบาล และรายงานการวินิจฉัย พร้อมทั้งกระทบยอดแหล่งข้อมูลและลำดับเวลาที่ขัดแย้งกัน เวชระเบียนอิเล็กทรอนิกส์ยังคงเป็นแหล่งข้อมูลหลัก ส่วน Chorus ทำหน้าที่เป็นชั้นบริบทที่ใช้ร่วมกันระหว่างเวชระเบียนดังกล่าวกับเวิร์กโฟลว์ AI ของ Ambience
การประเมินติดตามข้อเท็จจริงที่สำคัญทางคลินิก
การประเมิน Chart Prep เริ่มจากให้แพทย์ที่ได้รับวุฒิบัตรทบทวนเวชระเบียนที่ลบข้อมูลระบุตัวตนแล้ว ซึ่งเป็นข้อมูล ณ ช่วงเวลาก่อนการนัดหมายที่กำลังจะมาถึงโดยตรง แพทย์จะระบุและจัดลำดับความสำคัญของข้อเท็จจริงที่เกี่ยวข้องกับการพบแพทย์ จากนั้นแพทย์อีกคนจะทบทวนกรณีดังกล่าวโดยอิสระ และจะมีการวินิจฉัยชี้ขาดเมื่อพบความเห็นไม่ตรงกันหรือข้อมูลตกหล่น ผู้ประเมินอัตโนมัติจะเปรียบเทียบผลลัพธ์กับข้อมูลอ้างอิงที่แพทย์กำหนดไว้ก็ต่อเมื่อมีความสอดคล้องกับการตัดสินของแพทย์ในระดับที่ยอมรับได้แล้ว โดยทดสอบแต่ละกรณีหลายครั้งเพื่อประเมินความสม่ำเสมอ
จากการทดสอบมาตรฐานกับกรณีผู้ป่วย 46 รายที่ลบข้อมูลระบุตัวตนแล้ว และทดลองแต่ละกรณีโดยอิสระ 3 ครั้ง Ambience รายงานว่า ชุดกลไกจัดการบริบทเวอร์ชันล่าสุด ซึ่งกำหนดวิธีที่เอเจนต์ใช้ตรวจสอบเวชระเบียน สามารถค้นพบข้อเท็จจริงสำคัญได้ 92.2% เทียบกับ 78.7% ของชุดกลไกที่ใช้ในการผลิต ช่วงความเชื่อมั่น 95% สำหรับผลลัพธ์ของเวอร์ชันใหม่อยู่ที่ 87.2% ถึง 96.3% ส่วนการเรียกคืนข้อเท็จจริงทั้งหมดที่มีความสำคัญระดับวิกฤตและระดับสูงเพิ่มขึ้นจาก 66.3% เป็น 72.3%
สัดส่วนของกรณีที่พลาดไปซึ่งเกิดจากการค้นหาหลักฐานที่จำเป็นไม่พบ ลดลงจาก 19.9% เป็น 9.3% หรือคิดเป็นการลดลง 53% ตามรายงานของ Ambience การเปรียบเทียบนี้ควบคุมให้โมเดลที่ใช้สร้างผลลัพธ์ กลุ่มผู้ป่วย ข้อมูลอ้างอิงจากแพทย์ และชุดการประเมินเหมือนเดิมทั้งหมด โดยมีเพียงชุดกลไกจัดการบริบทที่พัฒนาด้วย Chorus เป็นปัจจัยหลักที่เปลี่ยนแปลง ดังนั้น ความแตกต่างที่วัดได้จึงเกี่ยวข้องกับวิธีที่เอเจนต์ตรวจสอบเวชระเบียน ไม่ใช่การเปลี่ยนแปลงของโมเดลพื้นฐาน
ความแตกต่างนี้ช่วยให้ระบบสุขภาพมีตัวชี้วัดเฉพาะสำหรับประเมินประโยชน์ของผลิตภัณฑ์ กล่าวคือ การตรวจสอบที่ดีขึ้นช่วยค้นพบและจัดลำดับความสำคัญของข้อเท็จจริงที่แพทย์เห็นว่ามีผลสำคัญ พร้อมทั้งเก็บหลักฐานและความไม่แน่นอนไว้ให้ทบทวนได้หรือไม่ ในตัวอย่างเรื่องยา การเตรียมความพร้อมที่เป็นประโยชน์จะทำให้เห็นแผนการรักษาที่ยังไม่มีข้อยุติก่อนการผ่าตัด ส่วนการตัดสินใจว่าจะกระทบยอดข้อมูลอย่างไรยังคงเป็นหน้าที่ของแพทย์












