O ChatEHR de Stanford permite que os médicos consultem os registros médicos dos pacientes usando linguagem natural, sem comprometer os dados do paciente

Como seria conversar com registros médicos da mesma forma que seria possível com o ChatGPT?

Inicialmente formulada por um estudante de medicina, essa questão impulsionou o desenvolvimento do ChatEHR na Stanford Health Care . Atualmente em produção, a ferramenta acelera a revisão de prontuários para admissões em pronto-socorros, agiliza resumos de transferências de pacientes e sintetiza informações de históricos médicos complexos.

Nos primeiros resultados do piloto, os usuários clínicos experimentaram uma recuperação de informações significativamente mais rápida; notavelmente, os médicos de emergência tiveram um tempo de revisão de prontuários reduzido em 40% durante transferências críticas, disse hoje Michael A. Pfeffer, vice-presidente sênior e diretor de informação e digital de Stanford, em um bate-papo informal no VB Transform .

Isso ajuda a diminuir o esgotamento dos médicos e, ao mesmo tempo, melhora o atendimento ao paciente , além de se basear em décadas de trabalho que as instalações médicas vêm realizando para coletar e automatizar dados críticos.

“É um momento muito empolgante na área da saúde, pois passamos os últimos 20 anos digitalizando dados de saúde e inserindo-os em um prontuário eletrônico, mas sem realmente transformá-los”, disse Pfeffer em um bate-papo com Matt Marshall, editor-chefe do VB. “Com as novas tecnologias de modelos de linguagem de grande porte, estamos de fato começando a realizar essa transformação digital.”

Os médicos dedicam até 60% do seu tempo a tarefas administrativas, em vez de atendimento direto aos pacientes . Frequentemente, dedicam um tempo considerável de "pijama ", sacrificando horas pessoais e familiares para concluir tarefas administrativas fora do horário normal de trabalho.

Um dos grandes objetivos de Pfeffer é otimizar os fluxos de trabalho e reduzir as horas extras para que os médicos e a equipe administrativa possam se concentrar em trabalhos mais importantes.

Por exemplo, muitas informações chegam por meio de portais de pacientes online. A IA agora tem a capacidade de ler mensagens de pacientes e redigir respostas que um humano pode então revisar e aprovar para envio.

"É como um ponto de partida", explicou ele. "Embora não necessariamente economize tempo, o que é interessante, na verdade reduz o desgaste cognitivo." Além disso, observou ele, as mensagens tendem a ser mais amigáveis ​​aos pacientes, pois os usuários podem instruir o modelo a usar determinada linguagem.

Falando em agentes, Pfeffer disse que eles são um conceito “muito novo” na área da saúde, mas oferecem oportunidades promissoras.

Por exemplo, pacientes com diagnóstico de câncer normalmente contam com uma equipe de especialistas que analisa seus registros e define os próximos passos do tratamento. No entanto, a preparação dá muito trabalho; médicos e funcionários precisam analisar todo o prontuário do paciente, não apenas o prontuário eletrônico, mas também a patologia por imagem, às vezes dados genômicos e informações sobre ensaios clínicos para os quais os pacientes podem ser compatíveis. Tudo isso precisa ser reunido para que a equipe crie um cronograma e recomendações, explicou Pfeffer.

“A coisa mais importante que podemos fazer pelos nossos pacientes é garantir que eles recebam o tratamento adequado, e isso exige uma abordagem multidisciplinar”, disse Pfeffer.

O objetivo é incorporar agentes no ChatEHR que possam gerar um resumo e um cronograma, além de fazer recomendações para análise clínica. Pfeffer enfatizou que isso não substitui, mas prepara "recomendações resumidas incríveis de forma multimodal".

Isso permite que as equipes médicas realizem agora “cuidados reais com os pacientes”, o que é essencial em meio à escassez de médicos e enfermeiros.

“Essas tecnologias vão mudar o tempo que médicos e enfermeiros gastam em tarefas administrativas”, disse ele. E, quando combinadas com escribas de IA em ambiente que assumem as tarefas de anotações, a equipe médica está se dedicando mais aos pacientes.

“Essa interação presencial não tem preço”, disse Pfeffer. “Veremos a IA migrar cada vez mais para a interação médico-paciente.”

Antes do ChatEHR, a equipe de Pfeffer implementou o SecureGPT em toda a Stanford Medicine; o portal seguro oferece 15 modelos diferentes que qualquer pessoa pode experimentar. "O que é realmente poderoso nessa tecnologia é que ela pode ser aberta a muitas pessoas para experimentá-la", disse Pfeffer.

Stanford está adotando uma abordagem diversificada para o desenvolvimento de IA, construindo seus próprios modelos e usando uma combinação de modelos seguros e privados prontos para uso (como o Microsoft Azure) e modelos de código aberto, quando apropriado. Pfeffer explicou que sua equipe "não é totalmente específica" para um ou outro, mas sim para o que provavelmente funcionará melhor para um caso de uso específico.

“Há tantos tipos incríveis de tecnologias hoje em dia que, se você puder juntá-las da maneira certa, poderá obter soluções como as que construímos”, disse ele.

Outro crédito de Stanford é sua equipe multidisciplinar; ao contrário de um diretor de IA ou grupo de IA, Pfeffer reuniu um cientista de dados chefe, dois informatas, um diretor de informações médicas e um diretor de informações de enfermagem, além de seu CTO e CISO.

“Nós reunimos informática, ciência de dados e TI tradicional e incorporamos tudo isso à arquitetura; o que você obtém é esse grupo mágico que permite que você execute esses projetos muito complexos”, disse ele.

Em última análise, Stanford vê a IA como uma ferramenta que todos deveriam saber usar, enfatizou Pfeffer. Diferentes equipes precisam entender como usar a IA para que, quando se reunirem com os empresários e apresentarem maneiras de resolver problemas, "a IA seja apenas parte de como eles pensam".