Systém s vylepšenou umělou inteligencí (UI) umožňuje lékařům strávit méně času hledáním klinických informací a více času ošetřováním pacientů. Elektronické zdravotní záznamy byly široce přijímány s nadějí, že ušetří čas a zlepší kvalitu péče o pacienty. Ale kvůli roztříštěným rozhraním a zdlouhavým postupům zadávání dat lékaři často tráví více času procházením těchto systémů než interakcí s pacienty. Výzkumníci z MIT a Beth Israel Deaconess Medical Center kombinují strojové učení a interakci člověka s počítačem za účelem vytvoření lepšího elektronického zdravotního záznamu (EHR — electronic health record). Vyvinuli MedKnowts, systém, který sjednocuje procesy vyhledávání lékařských záznamů a dokumentování informací o pacientech do jediného interaktivního rozhraní. Tento „chytrý“ EHR, poháněný umělou inteligencí, automaticky zobrazuje přizpůsobené lékařské záznamy specifické pro pacienta, když je klinický lékař potřebuje. MedKnowts také poskytuje automatické vyplňování klinických termínů a automaticky vyplňuje pole informacemi o pacientech, což pomáhá lékařům pracovat efektivněji. Zanedlouho bude představen na sympoziu Asociace pro výpočetní techniku o softwaru a technologii uživatelského rozhraní.
Nástroj orientovaný na problém Aby vědci navrhli EHR, který by byl pro lékaře přínosem, museli přemýšlet jako lékaři. Vytvořili editor poznámek s bočním panelem, který zobrazuje relevantní informace z anamnézy pacienta. Tyto historické informace se objevují ve formě karet, které jsou zaměřeny na konkrétní problémy nebo koncepty. Pokud například MedKnowts identifikuje v textu klinický výraz „diabetes“, systém automaticky zobrazí „kartu diabetu“ obsahující léky, laboratorní hodnoty a úryvky z minulých záznamů, které jsou relevantní pro léčbu diabetu. Většina EHR ukládá historické informace na samostatné stránky a uvádí léky nebo laboratorní hodnoty abecedně nebo chronologicky, což nutí klinika prohledávat data, aby našel potřebné informace. Med- Knowts zobrazuje pouze informace relevantní pro konkrétní koncept, o kterém klinik píše. Kousky interaktivního textu slouží jako odkazy na související karty. Když lékař napíše poznámku, systém automatického doplňování rozpoznává klinické termíny, jako jsou léky, laboratorní hodnoty nebo podmínky, a transformuje je na odkazy. Každý je zobrazen jako slovo nebo fráze, která byla zvýrazněna určitou barvou v závislosti na jeho kategorii (červená pro zdravotní stav, zelená pro léky, žlutá pro postup atd.) Prostřednictvím automatického doplňování jsou shromažďována strukturovaná data o stavu pacienta, jeho příznacích a užívání léků bez dalšího úsilí lékaře.
V praxi Po ročním iterativním procesu návrhu vědci testovali MedKnowts nasazením softwaru na pohotovostní oddělení v Beth Israel Deaconess Medical Center v Bostonu. Pracovali s pohotovostním lékařem a čtyřmi nemocničními právními poradci, kteří zapisovali poznámky do elektronického zdravotního záznamu. „Jednou z největších výzev, kterým jsme čelili, bylo snažit se přimět lidi, aby změnili to, co v současné době dělají.“ Lékaři, kteří použili stejný systém a mnohokrát provedli stejný tanec kliknutí, vytvářejí jakousi svalovou paměť. „Kdykoli se chystáte provést změnu, je otázkou, zda to stojí za to. A rozhodně jsme zjistili, že některé funkce mají větší využití než jiné,“ říká Monica Agrawalová z výzkumného týmu. Pandemie covidu-19 také zkomplikovala nasazení. Vědci navštívili pohotovostní oddělení, aby získali přehled o pracovním postupu, ale kvůli covidu byli nuceni tyto návštěvy ukončit a během zavádění systému nemohli být v nemocnici. Navzdory těmto počátečním výzvám si MedKnowts během jednoho měsíce nasazení lékaři oblíbili. Udělili systému průměrné hodnocení 83,75 (ze 100) za použitelnost. Podle výsledků průzkumu považovali funkci automatického doplňování za zvláště užitečnou pro zrychlení jejich práce. Barevně kódované čipy jim také pomohly rychle skenovat poznámky pro relevantní informace.
Dlouhodobější vize Vědci plánují zlepšit algoritmy strojového učení, které pohánějí Med- Knowts, aby systém mohl efektivněji zvýraznit části lékařského záznamu, které jsou nejrelevantnější, říká Agrawalová. Chtějí také vzít v úvahu potřeby různých lékařských uživatelů. Vědci navrhli MedKnowts s ohledem na pohotovostní oddělení — prostředí, kde lékaři obvykle vidí pacienty poprvé. Lékař primární péče (praktik), který zná své pacienty mnohem lépe, by pravděpodobně měl nějaké jiné potřeby. V dlouhodobém horizontu vědci předpokládají vytvoření adaptivního systému, ke kterému mohou přispět kliničtí lékaři. Například si lékař možná uvědomí, že v MedKnowts chybí určitý kardiologický termín, a přidá tyto informace na kartu, která by aktualizovala systém pro všechny uživatele. „Chceme vytvořit nástroje, které umožní lékařům vytvářet vlastní nástroje. Neočekáváme, že by se lékaři naučili být programátory, ale se správnou podporou by mohli být schopni radikálně přizpůsobit jakékoli lékařské aplikace, které používají, aby skutečně vyhovovaly jejich vlastním potřebám a preferencím,“ říká David Karger, profesor počítačové vědy v laboratoři počítačové vědy a umělé inteligence (CSAIL) a hlavní autor. /az/
