재입원 예측만으로는 부족합니다. 제때 조치하는 것이 중요합니다.

USE CASE
임상 결과 인텔리전스 및 재입원 위험

병원 재입원은 의료 분야에서 가장 면밀히 추적되는 품질 지표 중 하나입니다. 이는 치료 품질의 대리 지표이며, 규제 조사의 동인이고, 가치 기반 치료 모델 하에서 상당한 재정적 위험을 초래합니다. 대부분의 대형 의료 시스템은 재입원 위험 모델에 투자해 왔습니다. 이러한 모델의 예측 정확도는 지난 10년 동안 상당히 향상되었습니다.

격차는 예측에 있는 것이 아닙니다. 예측에서 개입으로의 전환에 있습니다. 인구 건강 대시보드의 위험 점수가 자동으로 조치를 취해야 하는 치료 팀으로 라우팅되는 것은 아닙니다. EHR의 고위험 퇴원 플래그는 전환을 관리하는 케어 코디네이터가 이를 보고, 위험을 유발하는 요인을 이해할 맥락을 가지고 있으며, 효과적인 퇴원 후 계획을 설계하는 데 필요한 추가 환자 정보에 액세스할 수 있는 경우에만 유용합니다.

왜 재입원 예측이 제때 치료 팀에 도달하지 못하는가

대형 의료 시스템의 최고 의료 책임자(CMO)는 수천 건의 환자 진료를 동시에 관리합니다. 규모에 따른 치료 품질은 올바른 의사 결정권자에게 올바른 시점에 데이터가 흐르는지에 달려 있습니다. CMO가 재입원 패턴을 이해하고 싶을 때, 해당 분석은 일반적으로 데이터 요청, 분석가 시간 및 임상 결정 속도와 일치하지 않는 대기 시간을 필요로 합니다.

우리는 위험 점수를 가지고 있습니다. 우리가 항상 가지고 있지 않은 것은 환자가 퇴원하기 전에 치료 팀이 조치를 취할 수 있을 만큼 빠른 설명입니다.

임상 결과 인텔리전스를 위한 Genie

Databricks Genie를 사용하면 CMO가 의료 분야에서 요구하는 거버넌스 프레임워크 내에서 자연어를 사용하여 환자 및 결과 데이터와 상호 작용할 수 있습니다. CMO는 '지난 90일 동안 심장학 서비스에서 퇴원한 CHF 환자의 30일 재입원율은 얼마이며, 작년 동기 대비 성과는 어떻습니까?'라고 물을 수 있습니다. 해당 질문은 적절한 액세스 제어가 적용된 실제 임상 데이터에서 나옵니다.

품질 개선 대화

CMO가 임상 데이터에 대해 대화 방식으로 질문하고 실제 환자 기록에 근거하고 적절하게 관리되며 임상 대화 속도로 반환되는 답변을 얻을 수 있을 때, 품질 개선 패러다임이 바뀝니다. 예측된 재입원은 예방될 수 있습니다. 왜냐하면 통찰력이 올바른 사람들에게 충분히 빠르게 도달하여 조치를 취할 수 있기 때문입니다.

DATABRICKS GENIE · 주요 차별점
데이터를 위해 구축되었으며, 규칙에 따라 관리되고, 모든 비즈니스 리더에게 답변 가능합니다.

• HIPAA 규정 준수 아키텍처: Genie는 Databricks의 Unity Catalog 거버넌스 프레임워크 내에서 작동합니다. 액세스 제어, 감사 로깅 및 비식별 정책은 데이터 계층에서 시행됩니다.
• EHR 데이터 통합: EHR 환경의 임상 데이터는 운영 및 재무 데이터와 동일한 분석 시스템의 일부입니다.
• 임상 분류 인식: Genie는 특정 데이터 모델에서 ICD 코드, 시술 범주 및 치료 설정 정의를 이해합니다.
• 결과 연결: 위험 점수, 개입 및 임상 결과는 동일한 대화에서 분석될 수 있어 예측-개입 루프를 닫습니다.

Genie가 팀에 어떤 도움을 줄 수 있는지 확인하세요

Databricks Genie는 오늘부터 사용할 수 있습니다. 귀사의 업계 동료들이 이를 사용하여 데이터 액세스 및 활용 방식을 어떻게 재구상하고 있는지 확인하세요.

(이 글은 AI의 도움을 받아 번역되었습니다. 원문이 궁금하시다면 여기를 클릭해 주세요)