کمبود مراقبت
بهبود در درک و شناسایی اوتیسم منجر به افزایش قابل توجهی در تعداد کودکانی شده است که مبتلا به اختلال طیف اوتیسم (ASD) تشخیص داده میشوند. آژانس ملی بهداشت عمومی ایالات متحده اکنون میگوید که از هر 36 کودک در ایالات متحده یک نفر مبتلا به اوتیسم است، در حالی که در سال 2006 این تخمین 1 در 110 بود. این امر منجر به افزایش کلینیکهای پشتیبانی از اوتیسم نیز شده است.
CentralReach یک ارائهدهنده SaaS است که در سال 2010 توسط یک درمانگر تأسیس شد که از راهکارهای نقطهای پراکندهای که کلینیکش هنگام مراقبت از کودکان مبتلا به اوتیسم با آن دست و پنجه نرم میکرد، به تنگ آمده بود. این شرکت به یک رهبر بازار در فضای پرونده الکترونیکی پزشکی (EMR) تبدیل شده است و به بیش از 4000 مشتری خدمات ارائه میدهد که در مجموع از حدود 350000 کودک مبتلا به اوتیسم حمایت میکنند، این رقم بخش قابل توجهی از دو میلیون کودکی است که در ایالات متحده به عنوان مبتلا به ASD تشخیص داده شدهاند.
پلتفرم SaaS آن، مدیریت تمرین، دفتر جلویی و قابلیتهای بالینی را در یک رابط کاربری و پایگاه داده ترکیب میکند - و دیدگاهی منحصر به فرد در مورد مقیاس و میزان شکاف مراقبت از اوتیسم به آن داده است.
کمبود مراقبت
یکی از بزرگترین مشکلات این بخش، کمبود تحلیلگران رفتار دارای گواهینامه هیئت مدیره (BCBA) است که قلب تپنده مراقبت از اوتیسم در ایالات متحده هستند و با کودکان اوتیستیک برای اجرای یک برنامه مراقبتی کار میکنند. حدود 250000 BCBA برای خدمت رسانی به کودکان مبتلا به اوتیسم در سراسر ایالات متحده مورد نیاز است. در حال حاضر فقط 70000 نفر وجود دارد.
کریس سالنز، مدیرعامل CentralReach میگوید: «مشتریان ما لیستهای انتظار بسیار طولانی دارند و سعی میکنند تا جایی که میتوانند به افراد زیادی خدمات ارائه دهند. اما حجم کار BCBA همچنان به طور متوسط 50 تا 60 درصد کمتر از سطحی است که هیئت اعتباربخشی برای تحلیلگران رفتار به دلیل گردش مالی بالا و صرف زمان زیاد برای کارهای اداری غیرقابل پرداخت اجازه میدهد...»
«سیستم ما بسیاری از گردش کار را خارج از جعبه خودکار میکند، اما با وجود مزایایی که ارائه میدهد، به دلیل تفاوتهای ظریف خاص بیمه در نحوه ثبت ادعاها یا نحوه نوشتن یادداشتهای جلسه و سایر مستندات، هنوز هم مواردی از قلم میافتند یا از دست میروند. UnitedHealthcare یک روش را میخواهد، TRICARE روش دیگری را میخواهد و غیره.»
در نتیجه، ارائه دهندگان درگیر کاغذبازی میشوند که احتمال خطا را افزایش میدهد. هر گونه خطا، حتی خطاهای ساده و کوچک، میتواند پیامدهای مالی و بالینی بزرگی برای یک عمل داشته باشد.
آیا هوش مصنوعی میتواند به کاهش زحمت اداری کمک کند؟
در دفاتر CentralReach، انتشار اولیه ChatGPT دورهای از آزمایشهای سرگرمکننده توسط تیم تکنسینهای کنجکاو شرکت را به راه انداخت.
وقتی متوجه شدند که هنگام آموزش صحیح مدلها، خروجیهای خوبی دریافت میکنند، متوجه شدند که این میتواند یک تغییر بزرگ باشد.
دیوید استیونز، رئیس بخش هوش مصنوعی در CentralReach میافزاید: «محدودیت ظرفیت و گردش مالی بالا منجر به از دست رفتن دانش در طول زمان میشود، اگر نتوانید آن را از تمام دادههای کیفی جمعآوری شده استخراج کنید. ما متوجه شدیم، چه میشد اگر بتوانیم از هوش مصنوعی برای بیرون کشیدن تمام این اطلاعات بالینی مرتبط برای افرادی که به آن نیاز دارند از طریق یک جستجوی ساده استفاده کنیم؟»
همچنین ببینید: از تفنگداران دریایی تا "4 Cs": BigID در مورد اردوگاههای کدنویسی، جلوگیری از قرار گرفتن در معرض دادهها و کار با MongoDB
این میتواند شامل آشکار کردن جزئیات در مورد نیازهای مراقبتی و رفتار کودک باشد، بنابراین اگر یک پزشک تغییر کند، یک پزشک جدید میتواند از قبل با تاریخچه کامل و سایر دانش حیاتی برای فرد مسلح شود. یکی از ورودیهای حیاتی، نوع تقویتکنندهای است که کودک به آن بهترین واکنش را نشان میدهد.
همانطور که استیونز میگوید: «بنابراین من اکنون باید از ستارههای طلایی برای تقویت استفاده کنم و نه از ستاره بنفش، زیرا ناگهان [اگر این را اشتباه متوجه شوید] چیزی به نام کنترل آموزشی را از دست میدهید و کودک از اتاق بیرون میرود.»
باز کردن قدرت هوش مصنوعی
CentralReach با در نظر گرفتن این موضوع، شروع به بهبود نرمافزار خود کرد. این شرکت با ساخت یک لایه API قدرتمند شروع کرد تا دسترسی به میکروسرویسها را به روشی فردیتر فراهم کند و در نهایت، توانایی تکامل به یک پلتفرم EMR مجهز به هوش مصنوعی را باز کند.
(این کار را از طریق AWS انجام میدهد که تضمین میکند که انعطافپذیری، امنیت سایبری، IPAA و سایر انطباقها را دارد و زحمت زیادی را برای مهندسان خود به حداقل میرساند.)
امروزه، دو لایه برای راهکارهای هوش مصنوعی شرکت وجود دارد. شناسایی خطاهایی که ممکن است در سراسر وظایف مالی و بالینی وجود داشته باشد، گرفتن اشتباهات و خطاهای دادهای که با تردستی درمانگران از انجام کارهای زیادی که هر روز باید انجام دهند، از قلم میافتند. لایه دوم، لایه عاملی است که ROI قابل توجهی را باز میکند و تجربیات روزمره درمانگران و مدیران را بهبود میبخشد و به آنها اجازه میدهد تا وظایفی مانند ایجاد برنامه، پیشنویس یادداشت و ارسال ادعا با هوش مصنوعی را خودکار کنند.
همچنین ببینید: چگونه فلیکس بیکر از SEGA یک تحول دادهای را ارائه داد
در حالی که راهکارهای هوش مصنوعی فعلی شرکت در حال حاضر تغییر دهنده بازی هستند، راهکار بالینی مجهز به هوش مصنوعی آینده، پلتفرم مدیریت مراقبت Care360 CentralReach است که پتانسیل این را دارد که بیشترین تحول را برای مراقبت از اوتیسم ایجاد کند. هدف نهایی CR Care360 که زندگی خود را به عنوان یک ابزار جستجو و فهرستبندی آغاز کرده است، این است که به یک ابزار راهنمایی بالینی انسانی در حلقه تبدیل شود.
سالنز میگوید: «این یکی از تاثیرگذارترین محصولات ما است، اما احتمالاً سختترین [ساخت] نیز هست. ما باید چهار میلیارد نقطه دادهای را که در اختیار داریم برچسبگذاری، سازماندهی، ساختاردهی و بهبود بخشیم تا LLM بداند آنها چه هستند، چگونه با یکدیگر مرتبط هستند و بتواند شروع به ایجاد ارتباط بین چیزهایی کند که باید در یک فرم پر شوند یا نتایج یک ارزیابی...»
«اگر بتوانیم این کار را به درستی انجام دهیم، فرصت بزرگی برای تأثیرگذاری بر این زمینه وجود دارد. این یک "یک به علاوه یک برابر سه" بزرگ است، زیرا به مشتریان ما کمک میکند تا با همان تعداد BCBA به کودکان بیشتری خدمت کنند در حالی که کیفیت را بهبود میبخشند و درآمد را افزایش میدهند، که در نهایت به ما امکان میدهد تأثیر بیشتری بر جامعه داشته باشیم.»
مبانی فنی
با میلیاردها نقطه دادهای موجود و حدود سه میلیون یادداشت جلسه جدید در ماه که در سیستم CentralReach ایجاد میشود، این شرکت باید درباره اینکه با کدام ارائهدهنده پایگاه داده کار کند، با دقت فکر میکرد.
CentralReach تصمیم گرفت از مدل سند MongoDB Atlas برای جمعآوری دادههای متنوع خود، از ارزیابیها گرفته تا جمعآوری دادههای بالینی، استفاده کند تا بتواند راهکارهای غنی با کمک هوش مصنوعی را در بالای پایگاه داده خود بسازد. در همین حال، برنامه کاربردهای هوش مصنوعی MongoDB، در طراحی و بهینهسازی چندین لایه از ساخت و ساز بسیار جامع، کمک کرد.
استیونز میگوید: «همانطور که راهکار بالینی خود را توسعه دادیم و عملکرد آن را از طریق راهکار CR Care360 خود گسترش دادیم، فرصتی را دیدیم تا زیرساخت خود را هم برای حل مشکل موجود و هم برای اثبات راهکار در طولانی مدت تکامل دهیم. به سرعت مشخص شد که استفاده از یک پایگاه داده سند، مانند MongoDB، بهترین راه برای انجام این کار است. من در یک شرکت قبلی از MongoDB استفاده کرده بودم و چیزی که واقعاً از آن قدردانی میکردم این بود که میتوانستیم اساساً با مدل داده، همانطور که پیش میرفتیم، تکرار کنیم.»
این را بخوانید: "آتش بازی" هوش مصنوعی در حال وقوع است. چگونه میدانید کدام موشک را سوار شوید؟
او میافزاید: «همه در جهان هر روز چیزهای جدیدی یاد میگیرند، زیرا ما به دنبال ابتکارات هوش مصنوعی هستیم. مدل سند انعطافپذیر MongoDB Atlas به ما این امکان را میدهد که به طور مداوم اطلاعاتی را که میدانیم تکرار و غنی کنیم.»
!به عنوان مثال، ما یک یادداشت بالینی را بررسی میکنیم و کاری که اکنون شروع به انجام آن میکنیم این است که فراداده را از آن یادداشت از زبان طبیعی استخراج میکنیم.
«ما به یک مکان خوب برای ذخیره آن نیاز داریم. ما میتوانیم به راحتی نسخههایی از این ساختارهای مختلف را در اسناد MongoDB اضافه کنیم که سند را در طول زمان برای قابلیتهای بهتر و بیشتر غنی میکنند. ما چیزهای زیادی را امتحان کردیم، چیزهای زیادی را به دیوار پرتاب کردیم و مدل سند MongoDB راه حل است.»
همانطور که کریس سالنز، مدیرعامل Central Reach میافزاید: «حسابرسی در برابر رویه عملیاتی استاندارد، مدیریت در مقیاس بزرگ بسیار دشوار است. یک رویه عملیاتی استاندارد بالینی نحوه حفظ کیفیت و دقت درمان و یکپارچگی رویهای در سراسر ارائه خدمات شما است. این یک کار بسیار انسانی، دشوار برای حسابرسی و خسته کننده است، و اطمینان حاصل میشود که همه کارهای درست را انجام میدهند و آنها را درست انجام میدهند.
«ما اکنون در حال حرکت به سمت مصرف رویههای عملیاتی استاندارد (SOP) مشتریان خود هستیم - اینها کتابهای بزرگ هستند! آنها ساده نیستند.
«ما بخشی از این SOPها را برمیداریم و میگوییم، «بسیار خب، برای این نوع چیز، در اینجا رویه عملیاتی استاندارد شما، در اینجا قوانین شما آمده است.» سپس کاری که ما انجام میدهیم این است که سعی میکنیم اطلاعات لازم را استخراج کنیم، آن را از طریق LLMها با طبقهبندی، خلاصهسازی، برداریسازی، وضعیت... غنی کنیم... همه این فیلدها و خروجیهای حاصل را در مدل سندی که با اطلاعات تراکنشی همزیستی دارد ذخیره میکنیم، جایی که میتوانیم به LLM بگوییم «هی، آیا این شخص این مرحله خاص را به درستی انجام داده است، برای اعتبارسنجی بالینی که مشتریان ما تعریف کردهاند؟» او فکر میکند، یک تغییر دهنده بازی است و برندگان کودکانی خواهند بود که به حمایت نیاز دارند.»
ارائه شده با همکاری MongoDB