Клинический ИИ приносит больше пользы, когда он работает там, где работают клиницисты
Медицинские организации переходят от вопроса о том, стоит ли внедрять клинический ИИ, к более сложной корпоративной задаче: как развернуть ИИ, не добавляя еще одно несвязанное приложение, рабочий процесс или хранилище данных?
От изучения карты и документирования визита до последующей работы — множество точек соприкосновения, из которых состоит прием пациента, может требовать многократного поиска, переключения между приложениями и передачи информации между системами.
Каждый переход добавляет времени и сложности в рабочий день клинициста и создает риск получения неполной или отсутствующей информации. Инструмент может хорошо выполнять свою собственную задачу, но при этом создавать дополнительную работу при передаче информации для следующего этапа. Для руководителей в сфере технологий, оценивающих клинический ИИ, возникает вопрос: что следует изучать помимо качества работы отдельного ИИ?
Ответ заключается в непрерывности общего рабочего процесса.
athenaOne встраивает ИИ в существующие клинические рабочие процессы, помогая снизить необходимость переключаться между системами, восстанавливать контекст или управлять дополнительными приложениями. Оценка такого подхода означает анализ того, что происходит как в рамках одной задачи, так и при переходе работы к следующему человеку или этапу.
Как выглядит клинический рабочий процесс на базе ИИ в athenaOne
«Нативный ИИ» означает, что искусственный интеллект встроен в те места, где клиницисты изучают информацию и выполняют работу. Эти инструменты используют информацию, уже имеющуюся в платформе, включая релевантную историю болезни пациента и недавние изменения, для поддержки текущей задачи.
Следует изучить два аспекта:
- Где доступен ИИ?
- Какую информацию он может использовать?
ИИ-ассистент внутри медицинской карты пациента может снизить необходимость открывать отдельное приложение. Его способность отвечать на вопросы с использованием релевантных данных из карты также может избавить от необходимости искать и собирать эту информацию.
Следующие примеры показывают, как такие связи могут поддерживать клиническую работу и на что следует обращать внимание руководителям предприятий при их оценке.
Перед визитом: выведите на первый план актуальный контекст медицинской карты
EHR может содержать историю здоровья пациента за долгое время, но у клинициста редко есть время на то, чтобы просеивать эту информацию и понимать ключевые факторы, например, что изменилось с момента последнего визита.
Sage™, ИИ-ассистент athenaOne, помогает преодолеть этот информационный разрыв, осуществляя поиск по карте пациента для ответа на вопросы и создания релевантных сводок.
Например, клиницист может спросить у Sage: «Изменялись ли какие-либо лекарства этого пациента с момента последнего визита?»
Вместо того чтобы вручную искать в карте новые лекарства или измененные дозировки, клиницист получает от Sage сводку с исходной информацией, отображаемой под ней. Это дает клиницисту отправную точку для сверки ответа с картой перед тем, как использовать его при подготовке к визиту.
Во время приема: превратите разговор в применимую на практике документацию
Прием на базе ИИ в athenaOne привносит поддержку искусственного интеллекта в процесс клинического осмотра и документирования. В рамках этого процесса athenaAmbient™, амбиентная модель athenahealth, записывает разговор и создает проект заметки для проверки клиницистом. Поскольку проект создается внутри athenaOne, клиницист может просмотреть, доработать и подписать его без предварительного переноса заметки из отдельного приложения для ведения записей.
athenaAmbient также может предлагать возможные диагнозы и назначения на основе разговора для рассмотрения клиницистами. Эти предложения предоставляют клиницистам дополнительную информацию для оценки; при этом клиницисты несут ответственность за определение того, что должно быть внесено в запись и какие действия являются уместными.
После приема: обеспечьте связь информации со следующей задачей
Документация, созданная внутри athenaOne, остается связанной с медицинской картой пациента и рабочим процессом выставления счетов, не превращаясь в отдельный документ, который сотрудники должны переносить вручную.
Эта связь имеет значение после визита. Медицинское учреждение не может начать формирование претензии до тех пор, пока прием не закрыт, поэтому помощь клиницистам в проверке, финализации и закрытии приемов способствует готовности к выставлению счетов.
По данным athenahealth, среди первых пользователей нативная ИИ-система athenaOne увеличила показатель завершения медицинских карт в тот же день (мера того, заполняются ли карты в день приема) на величину до 30%.
Это дает руководителям показатель для оценки наряду с рабочим процессом: завершают ли клиницисты документацию быстрее или работа по-прежнему накапливается после визитов?
В клиническом входящем потоке: сократите объем повторяющейся рутинной работы
Между визитами продолжают поступать документы, включая заключения консультаций и результаты анализов, и незавершенные задачи требуют внимания. Реклама и спам могут засорять почтовые ящики и факсы, отнимая время и внимание персонала от этой работы.
Благодаря клиническому входящему потоку (Clinical Inbox) в athenaOne, ИИ автоматически перенаправляет рекламные и спам-факсы из очередей сотрудников, сокращая объем рутинной сортировки, которую в противном случае пришлось бы выполнять персоналу. Клинические документы по-прежнему требуют внимания, но сотрудникам приходится работать с меньшим количеством нерелевантных элементов.
Среди групп пациентов: выявляйте возможности для последующего наблюдения
Статистика на уровне популяции может помочь медицинским учреждениям выявлять пациентов, которым может потребоваться внимание, например, тех, у кого отсутствуют или просрочены рекомендуемые медицинские услуги.
Data Explorer в athenaOne связывает отчетность на уровне популяции с доступом к картам отдельных пациентов. В своем анонсе в сентябре 2026 года компания athenahealth описала отчетность на уровне популяции, которая в то время тестировалась пользователями и помогает командам выявлять пробелы в уходе, а также проверять или документировать медицинские услуги в соответствующей карте. Встроенный ИИ объясняет, почему пациент выполнил или не выполнил показатель качества.
Например, группа по контролю качества, проверяющая пациентов, которые не достигли определенного показателя, может выяснить причину и открыть соответствующую карту. Затем команда может определить, нуждается ли пациент в последующем уходе или же уже оказанная помощь точно отражена в медицинской карте.
Руководители предприятий должны оценить, насколько легко пользователи могут перейти от результатов по популяции к информации о пациенте, необходимой для последующего наблюдения. Они также должны подтвердить, какие возможности общедоступны, а какие все еще находятся на стадии тестирования.
Почему непрерывность рабочих процессов важна для руководителей в сфере здравоохранения
Клинические примеры выявляют вопросы, на которые один лишь список функций не может дать ответа: какая информация доступна, какая работа остается ручной и что происходит после генерации результатов ИИ?
Руководители корпоративных технологий могут использовать следующие критерии для оценки своего клинического рабочего процесса:
- Интеграция: куда должна перемещаться информация между системами и кто поддерживает эти соединения? Что пользователям приходится переносить, вводить заново или сверять?
- Контекст: какая информация о пациенте доступна, когда клиницисты приступают к следующей задаче, и что им приходится искать заново?
- Контроль: кто может использовать каждую функцию, проверять ее результаты и исправлять ошибки? Как пользователи проверяют вспомогательную информацию и одобряют результат?
- Внедрение: сколько дополнительной навигации или обучения требует полный рабочий процесс?
- Расширение: что меняется, когда организация внедряет технологию в различных практиках или медицинских специализациях? Какая дополнительная настройка, обучение или поддержка требуются?
Во время демонстрации попросите показать выполнение типичной задачи от начала до конца, включая этап проверки и последующую передачу данных. Демонстрация ответа или черновика, созданного ИИ, — это лишь часть оценки. Дальнейшее отслеживание рабочего процесса показывает, снижает ли эта возможность общие затраты труда или просто перекладывает их на другого пользователя либо следующий этап.
От отдельных инструментов ИИ к платформе, созданной на базе ИИ
Ценность клинического ИИ измеряется не количеством доступных функций ИИ, а тем, функционируют ли аналитика, данные, права доступа и клинический контекст как единое целое в рамках одной платформы и единого рабочего процесса.
Для руководителей предприятий практическим критерием является то, могут ли врачи и персонал выполнять связанные задачи с меньшим количеством поисков, пересылок и повторяющейся работы. Попросите показать эти взаимосвязи в действии — от информации, используемой ИИ, до проверки и последующих действий, требуемых для полученного результата.
Запросите индивидуальную демонстрацию athenaOne, чтобы увидеть, как возможности на базе ИИ работают в рамках всего клинического рабочего процесса.
