Pievienojieties pasākumam, kuru uzņēmuma vadītāji uzticas gandrīz divas desmitgades. VB Rework apvieno cilvēkus, kas veido reālu uzņēmumu AI stratēģiju. Uzziniet vairāk
Kā būtu tērzēt ar Well being Data tā, kā varētu ar Chatgpt?
Sākotnēji medicīnas college students izvirzīja, šis jautājums izraisīja Chatehr attīstību plkst Stenfordas veselības aprūpeApvidū Tagad ražošanā rīks paātrina diagrammas pārskatus par neatliekamās palīdzības numuru uzņemšanu, pilnveido pacientu pārsūtīšanas kopsavilkumus un sintezē informāciju no sarežģītām medicīnas vēsturēm.
Agrīnos izmēģinājuma rezultātos klīniskie lietotāji ir piedzīvojuši ievērojami paātrinātu informācijas iegūšanu; Proti, neatliekamās palīdzības ārsti kritisko nodošanas laikā redzēja 40% samazinātu diagrammas pārskatīšanas laiku, Maikls A. Pfefers, Stenfordas SVP un galvenā informācija un digitālais virsnieks, šodien sacīja ugunsgrēkā esošajā tērzēšanā plkst. VB transformācijaApvidū
Tas palīdz samazināt ārstu izdegšanu, vienlaikus uzlabojot pacientu aprūpi, un balstās uz gadu desmitiem ilgām darba medicīnas iestādēm, lai savāktu un automatizētu kritiskos datus.
“Tas ir tik aizraujošs laiks veselības aprūpē, jo mēs pēdējos 20 gadus esam pavadījuši, digitējot veselības aprūpes datus un ievietojot tos elektroniskā veselības reģistrā, wager īsti to pārveidojot,” Pfeffers sacīja tērzēšanā ar VB galveno redaktoru Metjū Maršalu. “Izmantojot jaunās lielās valodas modeļa tehnoloģijas, mēs faktiski sākam veikt šo digitālo pārveidi.”
Kā Chatehr palīdz samazināt “pidžamas laiku”, atgriezties pie īstas klātienes mijiedarbības
Ārsti līdz 60% laika pavada administratīvos uzdevumos, nevis tiešā pacienta aprūpēApvidū Viņi bieži ievietot nozīmīgu “pidžama laiksUpurēšana Personīgās un ģimenes stundas, lai pabeigtu administratīvos uzdevumus ārpus parastā darba laika.
Viens no PFEFFER lielajiem mērķiem ir pilnveidot darbplūsmas un samazināt šīs papildu stundas, lai ārsti un administratīvais personāls varētu koncentrēties uz svarīgāku darbu.
Piemēram, daudz informācijas nonāk caur tiešsaistes pacientu portāliem. AI tagad ir spēja lasīt pacientu ziņojumus un uzzīmēt atbildes, kuras cilvēks pēc tam var pārskatīt un apstiprināt nosūtīšanai.
“Tas ir kā sākumpunkts,” viņš paskaidroja. “Lai arī tas ne vienmēr ietaupa laiku, kas ir interesants, tas faktiski samazina kognitīvo izdegšanu.” Vēl vairāk, viņš atzīmēja, ziņojumi parasti ir draudzīgāki, jo lietotāji var uzdot modelim izmantot noteiktu valodu.
Pārejot pie aģentiem, Pfefers sacīja, ka viņi ir “diezgan jauna” koncepcija veselības aprūpē, wager piedāvā daudzsološas iespējas.
Piemēram, pacientiem ar vēža diagnozēm parasti ir speciālistu komanda, kuri pārskata savus ierakstus un nosaka nākamos ārstēšanas soļus. Tomēr sagatavošana ir daudz darba; Klīnicistiem un personālam ir jāiet cauri visam pacienta ierakstam, ne tikai viņu EHR, wager arī attēlveidošanas patoloģijai, dažreiz genoma datiem un informācija par klīniskajiem pētījumiem, kuriem pacienti varētu būt piemēroti. Visiem tiem ir jāsanāk kopā komanda, lai izveidotu laika grafiku un ieteikumus, skaidroja Pfefers.
“Vissvarīgākais, ko mēs varam darīt mūsu pacientu labā, ir pārliecināties, ka viņiem ir atbilstoša aprūpe, un tas prasa daudznozaru pieeju,” sacīja Pfefs.
Mērķis ir veidot aģentus chatehr, kas var radīt kopsavilkumu un laika grafiku un sniegt ieteikumus klīnicistu pārskatīšanai. Pfefers uzsvēra, ka tas neaizstāj, tas sagatavo “tikai neticamus kopsavilkuma ieteikumus multimodālā veidā”.
Tas ļauj medicīnas komandām tagad veikt “faktisko pacientu aprūpi”, kas ir kritiska ārsta un māsu trūkuma dēļ.
“Šīs tehnoloģijas mainīs laiku, ko ārsti un medmāsas pavada, veicot administratīvus uzdevumus,” viņš teica. Un, apvienojumā ar apkārtējās AI rakstu mācītājiem, kas pārņem paziņojumu iesniegšanas pienākumus, medicīnas darbinieki vairāk laika koncentrējas uz pacientiem.
“Šī klātienes mijiedarbība ir tikai nenovērtējama,” sacīja Pfefs. “Mēs redzēsim, ka AI vairāk pāriet uz klīnicistu un pacientu mijiedarbību.”
‘Apbrīnojami’ tehnoloģijas apvienojumā ar daudznozaru komandu
Pirms Chatehr Pfeffer komanda izvērsa Securgpt visām Stenfordas medicīnām; Drošā portālā ir 15 dažādi modeļi, ar kuriem ikviens var ķerties pie. “Tas, kas šajā tehnoloģijā ir patiešām spēcīgs, ir tas, ka jūs to patiešām varat atvērt tik daudziem cilvēkiem eksperimentēt,” sacīja Pfefers.
Stenfords izmanto daudzveidīgu pieeju AI attīstībai, veido savus modeļus un vajadzības gadījumā izmanto drošu un privātu plauktu (piemēram, Microsoft Azure) un atvērtā pirmkoda modeļus. Pfefers paskaidroja, ka viņa komanda ir “pilnīgi specifiska” vienam vai otram, wager drīzāk iet ar to, kas, iespējams, vislabāk darbosies noteiktā lietošanas gadījumā.
“Tagad ir tik daudz pārsteidzošu tehnoloģiju veidu, ka, ja jūs varat tās salikt pareizajā veidā, jūs varat iegūt tādus risinājumus kā tas, ko mēs esam izveidojuši,” viņš teica.
Vēl viens kredīts Stenfordai ir tās daudznozaru komanda; Pretstatā galvenajam AI virsniekam vai AI grupai, Pfefers pulcēja galveno datu zinātnieku, divus informātistus, galveno medicīnas informācijas virsnieku un galveno māsu informācijas virsnieku, kā arī viņu CTO un CISO.
“Mēs apvienojam informātiku, datu zinātni un tradicionālo IT un iesaiņojam to arhitektūrā; tas, ko jūs iegūstat, ir šī burvju grupa, kas ļauj jums veikt šos ļoti sarežģītos projektus,” viņš teica.
Galu galā Stenfords uzskata AI kā instrumentu, kas visiem būtu jāzina, kā izmantot, uzsvēra Pfefers. Dažādām komandām ir jāsaprot, kā izmantot AI, lai, tiekoties ar uzņēmumu īpašniekiem un nākt klajā ar veidiem, kā atrisināt problēmas, “AI būtu tikai daļa no tā, kā viņi domā”.
avots
