医師は依然として自分の経験をより信頼しています。病院はビッグデータの収集と機械学習の過負荷の問題をどのように解決するのでしょうか?

医師は依然として自分の経験をより信頼しています。病院はビッグデータの収集と機械学習の過負荷の問題をどのように解決するのでしょうか?

[[208842]]

最近、カリフォルニア州クララで開催された Health 2.0 カンファレンスでサプライヤー フォーラムが開催され、米国全土の大規模で有名な医療システムから革新的な才能を持つ人々が集まり、イノベーション、ビッグ データ、患者エンゲージメントなどのトピックについて意見を述べました。

[[208843]]

データだけでは不十分

フォーラムの主なテーマは、現在、データの収集と機械学習および自然言語処理を使用したデータの分析に多大な労力が費やされているにもかかわらず、そのデータを実用的な結果に変換することがベンダーにとって依然として大きな課題であるということです。

サッター・ヘルスの最高健康情報責任者、サミール・バドラニ氏は、どんな新しいプロジェクトでも、情報を入手した後、次に何をするかを決めることが重要だと語った。「必要な情報を入手した後、すべての管理者と薬局計画担当者に期待通りに行動してもらう能力があるかどうかを把握する必要がある」

データを医療ワークフローに統合する計画がなければ、機械学習アルゴリズムは医師や看護師を含む最前線の労働者を困惑させるだけです。

ベンカット・モチェラ氏は、サッターのような病院に予測分析を提供するスタートアップ企業、Qventus の事業開発およびマーケティング担当ディレクターです。彼は、ビッグデータが直面している問題は、Google マップが人々に道順を案内する際に直面している困難と似ていると考えています。 Google マップは、「現在の交通状況は標準的な分布に従っており、左折する確率は 37% です」などの抽象的な指示をユーザーに提供しますが、これはユーザーにとって役に立ちません。

ベンカット・モチェラ氏は「現在ある技術だけでは未来を予測するには不十分だ。必要なのは患者にシンプルで明確な言葉で処方し、行動を変えるよう説得することだ。しかし、これは単なる機械学習ではなく、行動科学であり意思決定科学でもある」と語った。

機械学習は医師の経験より優れているわけではない

エドワード病院の最高医療情報責任者であるジョン・リー氏は、理論的には機械学習と人工知能には大きな可能性があるが、現時点ではこの技術は人々が考えるほど有用ではないと考えている。 機械学習攻撃は、アラート疲労のもう 1 つの形にすぎません。

アラーム疲労は病院システムでよく見られる問題です。病院では、患者のバイタルサインが一定の閾値を超えたときに医師や看護師に警告を発することで、患者のモニタリングデータを管理しています。

問題は、アラートが多すぎると、医療従事者がアラートに注意を払わなくなることです。この問題は電子健康記録にも及んでいます。

「エピック社の6月27日の消費者レポートによると、同社は100件の注文のうち50件で警告を受け入れている」とUCLAの情報ポートフォリオマネージャー、ケビン・ボールドウィン氏は語った。「これらの警告は絶えず医師に行動を起こすよう求め、医師にあれこれ本当にやりたいかどうか尋ねている。しかし、これらの警告の却下率は90%にも上る」

その結果、10回中9回はこれらの医師が警告を無視することになります。 彼らは自分の経験と訓練を信頼しており、これらの警告によって行動が変わることはありません。

病院はより意図的に情報を収集する必要がある

HealthIMPACTの会長は、データを収集する前に、目的を明確に考えることが最も重要だと述べました。データの出力は予測不可能であり、私たちがたどった道を繰り返すことはできません。したがって、私たちが最も答えなければならない質問は、なぜ現時点でこのデータが必要なのかということです。

長年にわたり皆を悩ませてきたもう一つの問題は相互運用性です。サッター社の臨床情報ディレクターのスティーブン・レーン氏は、相互運用性は近年実際に前向きな方向に進んでいるが、まだ道のりは長いと考えている。現在、相互運用性はさまざまな異なるネットワークとプロトコルで構成されており、その多くは十分に活用されていません。

「私たちの相互運用性は、まだ20世紀のままです。この分野で多大な努力を払っているにもかかわらず、患者のバイタルサインの突然の変化により、医師は夜中に電話で起こされることが多々あります。私たちはまだ手作業に依存しています。相互運用性を真に実現できれば、医療システムにおける情報の流れはよりスムーズになり、より多くの人的資源と物的資源が節約されるでしょう。」

病院が適切なパートナーを選ぶための3つの基準

新しいアイデアやテクノロジーにアクセスするために、独自のイノベーション チームを結成し始めている医療システムが増えています。このセミナーの革新的なテーマは、パートナーシップと、病院が膨大な数の潜在的サプライヤーの中から適切なパートナーを選択する方法に焦点を当てていました。

会議に参加したイノベーションリーダーたちは多くのトピックについて意見が分かれたが、ベンダーに決定を委ねるのではなく、病院が解決すべき問題を明確に理解している場合にのみ、最適なパートナーを選択できるという点では全員が同意した。

「当社のイノベーション部門が従う原則の 1 つは、解決策ではなく、直面している問題に焦点を当てることです」と、プロビデンス セント ジョセフ ヘルスのプロジェクト マネージャーであるアーロン フランクリン氏は語ります。「そのため、私たちは発見した問題を外部と共有し、外部に解決策を見つけてもらい、価値提案をしてもらうよう努めています。」

サプライヤーもこのモデルを理解する必要があります。会議に出席した多くの専門家は、自社が直面しているサプライヤーの選択肢の多さに頭を悩ませていることを表明した。

ディグニティ・ヘルスのイノベーション戦略責任者であるサンジェイ・シャー氏は、過去の伝統的な販売プロセスでは「まず市場に参入する」ことが重視されていたが、実際にはこのアプローチがリソースの集中と非効率を引​​き起こしていたと考えています。

もう少し時間と労力を費やせば市場に参入することはできますが、同じモデルで事業を継続することはできません。このチケット モデルは、システム市場、スケール環境、パートナーシップを理解するためにのみ使用できます。

マウントサイナイ病院の最高技術責任者であり、NODE Healthの創設者でもあるアシシュ・アトレジャ氏は、病院同士が協力できればベンダー選定のプロセスはより簡単になるだろうと語った。

「私たちの足かせとなっているのは、証拠の不足です」と彼は言う。「世の中には何百ものアプリがあり、さらに何百ものアプリが開発されています。どのアプリを医療システムで積極的に活用すべきかは非常に難しいため、医療システムや医療提供者が単独で選択することはできません。私たちは協力し、すべての証拠を共有する必要があります。」

Atria は、複数のサプライヤー間での証拠の共有を容易にするために NODE を設立しました。セント・ルーク大学医療ネットワークの技術革新および戦略的パートナーシップ担当ディレクターのマシュー・フェンティ氏は、病院はもっとコミュニケーションを図り、この状況が問題中心のアプローチの自然な延長であることを認識すべきだという意見に同意している。

同氏は、医療提供システムとして、病院はよりオープンで、協力する意欲を持ち、内向きの考え方を減らすべきだと述べた。病院が効果があった解決策と効果がなかった解決策を共有できれば、誰もが選択しやすくなります。

UCHealth Care Innovation Center のエグゼクティブ ディレクターである Jennifer Wiler 氏は、病院がパートナーを選択するための 3 つの追加基準を挙げています。

  • 候補企業が病院システムが直面している実際の問題を解決できるかどうか。
  • 候補企業が独自の技術的ソリューションで計画を実行できるかどうか、また当社の良き技術パートナーになれるかどうか。
  • このプロジェクトを主導し、これをあなたのキャリア開発における大きなマイルストーンとし、この機会のリーダーとなるのにふさわしい臨床専門家はいますか?

最後に、フランクリン氏は、関与するチームの規模を縮小することも意思決定に役立つと述べています。同氏は「我々はアマゾンから借りてきた『ピザ2枚チーム』を推進してきた。すべての決定はピザ2枚で賄えるチームによってなされるべきだ。私は技術専門家として、法的な意思決定には参加しない。専門的な問題は専門家によって解決されるべきだ。我々は何も言わずに試合を見守るべきだ」と語った。

患者と医療スタッフの満足度を確保するにはどうすればよいでしょうか?

病院は主に患者情報ポータルシステムを通じて患者とやり取りしていますが、このシステムの使用率は満足できるものではありません。カリフォルニア大学ロサンゼルス校のボールドウィン氏は、患者情報ポータルシステムの追跡データによると、患者の90%がウェブサイト経由でアクセスしているのに対し、モバイルデバイスからアクセスしているのはわずか10%であり、モバイル側にはまだ改善の余地が大きいと述べた。

専門家は、患者情報ポータル システムの価値を高めて普及を促進する方法について、金融業界や小売業界のアプリと比較しながら議論しました。参加型医療センターの代表兼創設者であるダニー・サンズ氏は、「病気の治療」を重視する医療制度自体が、普遍的な医療へのアクセスを阻む障壁になっていると考えている。

「私たちは、患者ポータルは病気のときに医師と話す場所だと考えていますが、健康なときには医師とやり取りする必要はありません。では、このパラダイムをどう変えればよいのでしょうか。私は長い間患者ポータルを見てきましたが、患者ポータルは病気を治すことを目的としておらず、そうするための適切なインセンティブがないことがわかりました。」

患者が自宅でポータルシステムを使用するのが難しい場合は、少なくとも病院の患者が最初にそれを使用できます。結局のところ、彼らはすでに患者の心構えを持っています。

「私たちは EHR ベンダーと協力して、入院患者向けのシステムの使用を強化する方法を検討しています」とボールドウィン氏は言います。「入院患者は、ケア チーム、登録看護師、主治医、治療法などを調べることができます。食事制限がある場合は、食べ物を注文することもできます。心理社会的ニーズがある場合は、システムを通じてそれを伝えることもできます。患者ポータルでできることは他にもたくさんあります。」

専門家らはまた、患者満足度の尺度としての従来のプレス・ガニー調査の限界を指摘した。

「私たちは遅れをとる指標について議論してきましたが、患者満足度を表す誤った代替指標の問題を抱えています。しかし、私たちが本当に知りたいのは、患者が受けた治療についてどう感じているかです」とエドワード病院のリー氏は言う。「ビジネスの観点からは、患者が病院とのつながりを感じているかどうか、また再び来院するかどうかが重要ですが、患者のエンゲージメントは誤った指標で測定されることが多いのです。」

バドラニ氏もこれに同意し、従業員満足度にも同じ問題があると考えています。同氏は、従来の測定方法は、従業員に少額の利益を与えて調査に参加させ、その後データを第三者に提出することが多く、これには多額の費用と時間がかかり、通常は最大6か月かかると述べた。

その結果、毎年年末になると、病院は9か月前に従業員が表明したのと同じ感情に反応することになる。真のリアルタイム分析にはまだまだ程遠い状況です。彼のアドバイスは航空会社から学ぶことだ。

デルタ航空は顧客サービス調査でかつては10の質問をしていたが、現在は「あなたがコールセンターのスーパーバイザーだったら、この従業員を雇いますか?」という1つの質問だけになっている。

「必要なのは素晴らしい質問だけです」とバドラニ氏は言う。「医療提供者として、私たちは『この医師を雇いますか?』や『この病院にあなたの父親の世話を任せますか?』といった単純なイエスかノーの質問をする必要があります。」

<<:  消費財の画像認識:無人店舗を支える商品認識技術

>>:  プロのようにビッグデータをマイニングするにはどうすればいいでしょうか?

ブログ    
ブログ    
ブログ    

推薦する

Quora は機械学習をどのように活用していますか?

[[202181]] 2015年、同社のエンジニアリング担当副社長であるXavier Amatri...

【ディープラーニング連載】畳み込みニューラルネットワークの徹底解説(第2回)~畳み込みニューラルネットワークを手書きで書いてみる~

前回の記事では、畳み込みニューラルネットワークの基本原理について、いくつかの基本層の定義、動作ルール...

...

「手を自由にする」は夢ではありません! AI がソフトウェア テストの未来を形作る 5 つの方法...

人工知能は今日最も注目されている流行語であり、その発展により企業や業界は情報に基づいた意思決定を行い...

ディープラーニングを使用して映画を推奨するにはどうすればよいでしょうか?独自の推奨システムを作成する方法を教えます!

導入ほとんどすべての人が、家族や友人と一緒に映画を観ながら余暇を過ごすのが好きです。誰でもこんな経験...

2023 年のテクノロジー業界の最高、最悪、そして最も醜い出来事

翻訳者 | ジン・ヤンレビュー | Chonglou 2023 年はテクノロジー業界にとってエキサイ...

ゴミ分別ロボットが登場! 1分間に80個の仕分けが可能、人間の2倍の速さ

[[270507]]画像: AMP Robotics の特注マシンは、1 分間に 80 個のアイテム...

2021 年に登場予定の 10 のビッグデータ テクノロジー

1. ハドゥープシンプルなプログラミング モデルを備えた Hadoop は、マシンのクラスター間で多...

人間をより人間らしくし、機械に触覚を与えましょう!電子皮膚の専門家4人の最新の成果のレビュー

この記事はLeiphone.comから転載したものです。転載する場合は、Leiphone.com公式...

安全なパスワード保存の業界標準: bcrypt アルゴリズム

パスワードを安全に保護するための標準アルゴリズムである bcrypt アルゴリズムについて説明します...

AI はビジネスのやり方を永久に変えるのでしょうか?

Google、Facebook、Twitterなど、世界中の大手テクノロジー企業が人工知能ソリュー...

日常の問題を自動的に解決する 5 つの AI API

今日の AI テクノロジーを使用して手作業を自動化しましょう。文書の校正、アートの作成、Google...

マイクロソフトは言語モデルをより調和のとれたものにするために複数のツールとデータセットをオープンソース化

Microsoft は最近、AI 駆動型コンテンツ モデレーション システムを監査し、AI モデルの...

人工知能に最適なプログラミング言語

[51CTO.com クイック翻訳]人工知能は 20 世紀半ばから存在しています。それにもかかわらず...

...