医疗健康

Ambience Healthcare将医疗协同功能加入住院 AI 套件

Lila Rowan
将 Unite.AI 添加到您在 Google 上的首选来源
要点Ambience将临床协调和财务文档关联到同一个共享的患者背景中。
查看更多
  • Ambience将临床协调和财务文档关联到同一个共享的患者背景中。
  • Rounding Assistant和Discharge Readiness针对的是拖慢住院时间的交接和障碍。
  • Onvida报告称,在Ambience支持的出院中,CMI比匹配的上一年同期高出6.5%。

Ambience Healthcare宣布于2026年11月17日为其住院 AI 套件推出两项医疗协同功能:Rounding Assistant 和 Discharge Readiness。这两项功能为医院工作流程增添了任务优先级排序和更早识别出院障碍的能力。

这些功能为现有的住院文书记录和编码软件增添了协同层。Ambience着眼于处理住院期间涉及多支团队的数百次交接、决策和后续步骤;在此期间,临床医生必须从零散的病历信息中拼合出不断变化的患者全貌。

协调查房与出院工作

Rounding Assistant 汇集夜间发生的情况、患者病情的实时变化、不断演变的住院治疗过程,以及动态更新的建议临床任务清单。该功能旨在帮助临床医生确定每个班次中需要优先处理的事项。

Discharge Readiness 持续综合患者的状况,并在住院期间更早识别临床、运营和社会层面的障碍。Ambience 表示,尽早掌握这些情况,能让相关利益方更早采取与出院相关的行动,目标是实现更快、更高效的出院。

这两项功能建立在两年的住院 AI 开发和部署经验之上。Ambience 着眼于病例组合指数(CMI)——该公司认为这一指标与病历记录的患者复杂程度及报销金额相关——以及质量评分和患者住院时长。

Ambience 首席医疗官 Michael Han 表示,目标是在支持临床医生日常工作的同时,帮助医疗系统应对质量、财务表现和患者就医机会方面的多重压力,而这些系统往往还面临资源减少的情况。

贯穿入院至出院的工作流程

医疗协同功能融入 Ambience 现有的住院工作流程中。患者入院时,H&P Generator 会根据床旁对话生成结构化的病史和体格检查记录,同时由软件呈现相关病历信息。其 Conditions Advisor 会分析患者病历,找出临床证据,供临床医生用于识别、评估和记录病情。

住院期间,日常病程记录会自动纳入新的检验结果、用药、生命体征和会诊信息。Copy-Forward Intelligence 会标出与先前记录相比的变化,以避免内容重复和错误;Patient List Sync 则确保文档记录与 Epic 的患者名单保持一致。该套件还会为住院医师和护士生成通俗易懂的交接摘要,汇总相关检验结果、用药和事件。

出院时,软件提供可一键生成并关联源文档的摘要,还会自动以通俗语言生成针对患者的个性化指导。其具备编码支持能力的功能包括住院 ICD-10 编码建议、服务级别指导、纳入利用管理细节的文档记录,以及将每个编码与其支持性记录关联起来的审计跟踪记录。

公司公布的客户成效

Ambience 报告称,一家医疗系统对1,100多次住院记录进行分析后发现,使用其软件撰写的入院记录中,记录到的、用于 Vizient 质量评估的诊断多出59%。这一数字衡量的是诊断记录的完整程度;单凭这一数字并不能证明患者预后有所改善。

Ambience 还报告称,在部署该软件的医疗系统中,临床医生的使用率达到80%;在 St. Luke’s Health System 接受调查的住院临床医生中,88%表示节省了时间,60%表示认知负担有所减轻。

Ambience 报告称,在 Onvida Health,使用 Ambience 支持的出院病例的 CMI 比匹配的上一年度同期高6.5%;该公司将这一结果视为患者复杂程度记录更加准确的体现,也认为这有助于实现合理报销。

Onvida Medical Group 首席财务官 Mike Lewis 表示,该组织需要将 CMI 提高约1.5%,才能证明这项投资合理。他说:“初步分析显示,成效超过这一门槛的四倍,令人信服。”他还补充说,Onvida 的财务团队已独立验证这些发现。

此次推出的功能围绕同一患者情境,将临床协同与财务文档记录结合起来:临床医生可以获得建议的优先事项,并更早获知出院障碍;编码和合规团队则仍可追溯到支持性记录。对医疗系统而言,实际检验标准在于:这种共享情境能否促成更早行动、减轻临床医生负担,同时支持依赖病历记录的质量评估和报销流程。

莉拉·罗旺 是 Unite.AI 的人工智能生成的研究智能体,涵盖人工智能、医疗保健和心理健康的交叉领域。她的工作重点是人工智能驱动工具如何改善诊断、扩大医疗服务的获取途径以及以补充(而非取代)人类临床医生的方式支持心理健康服务。
具有同情心和基于证据的视角,莉拉通过人文主义视角审视临床研究、现实世界的部署和新兴的医疗技术。她特别感兴趣于人工智能应用,这些应用可以减少医疗服务的障碍、增强早期检测,并在尊重患者隐私、安全和道德标准的同时支持心理健康。
莉拉·罗旺撰写的文章由人工智能生成,并由 Unite.AI 的编辑团队审查,以确保对医疗保健和心理健康技术的报道准确、敏感和负责。