Phoenix Children's intègre le DSE à un entrepôt de données et AI
Travaillant pendant 17 ans avec Phoenix Children's, Vaidya a été témoin de l'évolution de la DSE au sein de la grande organisation pédiatrique basée en Arizona, à partir d'un système général à celui qui comprend plus de spécialités, telles que la pulmonologie et la cardiologie, dit-il. Tout se connecte à un seul système de DSE qui intègre de manière complète les zones hospitalières et ambulatoires et les salles d'exploitation et les urgences.
Le parcours du DSE des enfants de Phoenix se compose de trois phases: implémentation, optimisation et application, ajoute Vaidya. «Notre troisième phase, qui, je pense, est la phase la plus importante avant même que l'IA ne soit en train de prendre la scène, ramenait les données du DSE à toutes les personnes frontales, les personnes de niveau intermédiaire, le niveau de leadership. Cela a été une expérience transformatrice chez Phoenix Children's au cours des sept ou huit dernières années», dit-il.
La discussion entre les cliniciens a mûri de se concentrer sur le DSE à examiner ce qu'ils peuvent faire avec les données, telles que la recherche du nombre de patients du système de santé, la neurofibromatose, un groupe de troubles génétiques qui peuvent entraîner une croissance tumorale sur les nerfs. Les cliniciens peuvent ensuite suivre cette population de près pour surveiller la détection précoce de la transformation maligne, le cas échéant, dit Vaidya.
Phoenix Children's a intégré un outil de documentation dans son DSE central pour obtenir des données structurées. Les données se déroulent dans un entrepôt de données local et basé sur Microsoft à partir du DSE à intervalles d'une minute, note-t-il. «Nous n'avons pas à attendre 24 heures. Nous opérons sur des informations en temps réel.»
Plus de 100 systèmes électroniques différents tirent des données dans l'entrepôt de données. L'organisation utilise également Microsoft Power BI comme outil de visualisation des données et expérimente la connexion du chatppt à la plate-forme DSE en utilisant des API «pour résumer de grands volumes de texte clinique et soutenir les capacités d'écoute ambiante qui peuvent réduire les charges de documentation», explique Vaidya.
Phoenix Children's a commencé à utiliser une IA générative pour aider à la résumé des graphiques et à l'analyse des données du DSE pour prédire la malnutrition chez les enfants.
«Il a eu un tel succès que nous avons mis en place une politique que si le modèle prédictif a identifié la malnutrition, nous générons automatiquement un ordre pour les diététistes et les nutritionnistes pour examiner ce patient sans attendre le médecin», explique Vaidya.
Le système de santé effectue également une analyse prédictive pour détecter le risque de septicémie plus tôt. Ces outils d'IA peuvent fournir des «coups de poing doux» aux médecins plutôt que de les remplacer, dit-il.
