Health Catalystが、医療機関がすでに所有しているデータプラットフォームを活用し、外来診療の成長を阻害する運用上の障壁を取り除く方法
によって Morgan Wilkie, ブライアン・スミス（Bryan Smith） 、 Tiffany Nixon による投稿
外来ケア（ほとんどの患者が医療システムと接する外来クリニックや医師の診療所）は、成長を左右する重要な場です。しかし、多くの医療システムは、ケアへのアクセスを制限する運用上の制約（プロバイダーのキャパシティ、紹介患者の維持、下流の財務パフォーマンスなど）に苦しんでいます。
アクセス状況は悪化しています。医師へのアクセスに関するAMN Healthcareの2025年調査によると、通常の予約を取ろうとする新規患者の平均待ち時間は31日で、この数字は2022年から19%上昇しています。
紹介（リファラル）もまた、プレッシャーの要因となっています。ReferralMDによると、米国の医療システムは紹介漏れ（リーケージ）により年間推定1,500億ドルの損失を被っており、またMGMAの2025年紹介調整ベンチマーク調査では、紹介の38%が完了（クローズドループ）に至っていないことが明らかになりました。
外来部門のリーダーにとって、これらは個別の問題ではありません。アクセス、プロバイダーのキャパシティ、紹介患者の維持、パネル管理、そして財務パフォーマンスは深く相互に関連しています。課題は、問題を認識すること自体よりも、ネットワーク内のどこに制約が存在するのか、ある領域での意思決定が別の領域の成果にどのように影響するのか、そしてどこに最 初に焦点を当てるべきかを理解することにあります。
Health Catalystの最高製品責任者（CPO）であるRobbie Hughes氏は、彼のチームが連携している医療システム全体で同じパターンを目にしています。
「毎日、患者は何週間も予約を待ち、ようやく診察を受けられると思ったら、その医師が新規患者を受け付けていないことを知る。紹介状は紛失する。プロバイダーは多忙を極めているが、それでも採算が合わない」とHughes氏は語ります。「それは彼らが関心を持っていないからではありません。改善に必要な情報が5つも6つもの断片化されたシステムに分散しており、それらが統合される頃にはすでに古くなっているからです。」
「問題があると理解してから、実際にそれに対して行動を起こすまでに何ヶ月もかかることがあります」とHughes氏は言います。「それはデータが不足しているからではありません。多くの場合、データが何を意味しているのかについての合意が形成されていないためです。誰もがダッシュボードを持ち、誰もが意見を持っています。」
通常のツールキットでは、そのギャップを埋めることはできません。EHRレポート、古い抽出データに基づくTableauのビュー、一時的なスナップショットを作成して終了するコンサルタントの関与などです。これらはそれぞれ、データ抽出時の質問に一度答えるだけです。運用リーダーと財務リーダーが一緒に見て、信頼し、合意できるような、単一の最新の全体像を提供できるものは一つもありません。
組織が目にしている数値に自信を持っている場合でも、その背景にある運用上の要因を理解するのに苦労することがよくあります。待ち時間が長いことは、プロバイダーのキャパシティ不足を示している可能性がありますが、紹介のボトルネック、スケジューリング運用の不整合、または不均等なパネル分布の結果である可能性もあります。プロバイダーの生産性の低下は、あるクリニックでの過剰なキャパシティと、別のクリニックでのアクセス制約を示している可能性があります。同じ指標が、まったく異なるさまざまな根本的な問題を指し示していることがあるのです。
この複雑さこそが、外来インテリジェンスのギャップを生み出している原因です。アクセス、プロバイダーの生産性、紹介、パネル管理、財務パフォーマンスは、それぞれ独立して機能しているわけではありません。これらは相互に影響を及ぼし合います。ある領域を改善すると、制約が別の領域にシフトすることがあります。何が起きているかを理解することは重要です。しかし、なぜそれが起きているのか、何がそれを引き起こしているのか、そしてどこに介入すれば最大の効果が得られるのかを理解することこそが、改善を可能にするのです。
近年のAIの進歩により、可能性が広がりました。今日のAIモデルは、複雑な運用上の関係を分析し、大量のデータからパターンを明らかにし、以前は困難または非現実 的だった方法で情報を論理的に整理できるようになりました。
しかし、AIだけでは問題は解決しません。
AIはデータ内のパターンを特定することはできますが、外来業務やネットワーク内のコンポーネント間の複雑な相互関係を本質的に理解しているわけではありません。歴史的にどの介入策がアクセスを改善し、プロバイダーの稼働率を高め、紹介漏れを減らしてきたかを理解しているわけではないのです。これらの答えには、運用のコンテキストと改善の専門知識が必要であり、それは長年にわたりこの分野のベテラン専門家の領域でした。
ここに、Health Catalystのアプローチの違いがあります。Health CatalystのAmbulatory Intelligenceソリューションは、最新のAI機能と20年近くに及ぶヘルスケア改善の専門知識を融合させ、ヘルスケア特有の知識、運用のベストプラクティス、実証済みの改善手法をソリューションに直接組み込んでいます。
しかし、組織の機密性の高い患者データを外部リソースに接続することは、医療提供者にとって常に問題となっていました。このため、Health CatalystはAIソリューションを顧客自身のDatabricksワークスペースに直接デプロイします。Health Catalystはデータが存在する場所に専門知識を持ち込むことで、データが医療システムの環境から決して出ないようにします。
この選択は、Hughes氏が加速するのを目にしてきた変化に沿ったものです。顧客は自社のデータを自社のレイクハウスでホストすることをますます望むようになっており、AIの時代において、ガバナンスとコントロール を重視していると彼は言います。彼が言うように、顧客はデータを「同意した覚えのない、他者が価値を引き出すためのトレーニング場として使用される」ことを望んでいないのです。
Health Catalystで戦略的ベンダーパートナーシップを率いるBrian Eliason氏は、市場がその方向性を明確にしたと語ります。「お客様は変化し、自社のデータをコントロールしたいと考えています。しかし同時に、データを自社で所有しながらも、Health Catalystとの関係を継続したいとも言われました。だからこそ、私たちはこのシップドモデル（顧客環境への導入モデル）を進めたのです。」
そこに到達するには、本格的なエンジニアリングが必要でした。Hughes氏によると、メダリオンアーキテクチャを採用したことで、同社はサービスに関する専門知識を共通のセマンティックレイヤーに変換することができ、「以前なら数ヶ月から数年かかっていたことを数週間で」実現できたといいます。
顧客の環境内に構築するには、ガバナンス、パフォーマンス、使いやすさのバランスを取る必要がありました。Health Catalystのソリューションは、それぞれ特定の目的を果たすいくつかのDatabricksコンポーネントに依存しています。
実際的な効果として、会議のあり方が変わります。アナリストと責任者が何日もかけて質問をやり取りする代わりに、全員がまだ同じ部屋にいる間に答えが返ってきます。
この製品にはHealth Catalystのドメインモデルがあらかじめ組み込まれているため、運用リーダーは6ヶ月に及ぶ分析プロジェクトの後ではなく、導入されたその週に可視性を得ることができます。
このソリューションには、Access Optimization（アクセスの最適化）、Revenue Intelligence（収益インテリジェンス）、Panel Management（パネル管理）、Referral Insights（紹介インサイト）の4つのドメインに整理された、数十の事前構築済み指標が付属しています。それぞれが、外来パフォーマンスの異なる側面に関する完全な全体像を運用リーダーに提供します。
クロスドメインの経営陣およびプロバイダー向けスコアカードは、外来部門全体でこれらのインサイトを連携させます。これにより、リーダーはある領域における業務上の意思決定が別の領域の成果にどのように影響するかを理解し、最も価値の高い機会を優先し、測定可能な効果を生み出す可能性が最も高い場所に改善の取り組みを集中させることができます。
また、顧客自身の環境で動作するため、医療機関はシステムを独自にカスタマイズする能力を維持できます。Hughes氏は、顧客がベンダーの固定された定義に従うのではなく、用語を調整し、サービスを提供する特定の市場に合わせてワークフローをカスタマイズできることを認めました。
その効果は、Health Catalystの外来改善の取り組みを通じて組織が達成した成果に反映されています。
Ambulatory Intelligenceはポートフォリオの第一弾であり、単体のツールではありません。コスト管理や臨床品質のソリューションが同じデータ基盤上でこれに続き、Hughes氏はこれらが連携することで相乗効果が生まれると期待しています。基盤となるデータ資産が互いを強化し合い、Ignite Intelligenceにデータを供給します。Ignite Intelligenceは、過去の改善パターンをマイニングして、顧客がこれまで気づかなかったような関係性を明らかにします。
その効果は、Health Catalystの外来改善の取り組みを通じて組織が達成した成果に反映されています。
将来の機能は、Health Catalystの拡大を続けるエビデンスベースを活用することで、チームがインサイトからアクションへとより迅速に移 行できるように設計されています。
Hughes氏が最も熱意を注いでいるのは、長期的な展望です。Health Catalystには18年間にわたる独自の改善データがあり、その歴史を単に課題を説明するだけでなく、次のようなモデルへと変換することを計画しています。
「私たちが提供する最もエキサイティングな取り組みは、何千もの実際の成果をAI搭載モデルに変換し、ソリューションに組み込むことです」とHughes氏は述べています。「これにより、組織は同様の状況でどのような介入が効果的であったかを理解し、測定可能な効果を生み出す可能性が最も高いアプローチへとチームを導くことができます。パーソナライズされたプレイブックを迅速に利用できるようになります。」
この方向性は、エージェント機能（agentic capability）を示唆しています。Databricks Agent Bricksなどのフレームワーク上に構築されるこのソリューションの将来のバージョンは、機会の特定にとどまらず、成果の提供に至るまでのプロセス全体をサポートするように拡張されます。その取り組みはまだこれからですが、それを支えるデータ基盤はすでに本番環境で稼働しています。
医療機関のリーダーが成長するために必要な情報は、常にデータの中のどこかに存在していました。課題はデータへのアクセスそのものではありませんでした。最も重要な機会や制約を特定し、最も効果の高い場所で介入し、確信を持 って成果を改善する能力が不足していたのです。
Health Catalystは、アクセスの向上、紹介患者の維持強化、プロバイダーのキャパシティ最適化、財務パフォーマンスの向上を通じて、医療機関が外来部門の成長を制限している業務上の障壁を取り除けるよう、Ambulatory Intelligenceを構築しました。
Ambulatory Intelligenceの仕組みと、お客様自身の環境でどのような成果をもたらすことができるかを、ぜひご自身でお確かめください。
(このブログ記事はAI翻訳ツールを使用して翻訳されています) 原文記事
ブログを購読して、最新の投稿を受信トレイにお届けします。