机器学习如何改变医疗保健管理

SHARE: 1 机器学习如何改变医疗保健管理 作者：ElizabethGalentine 赞助商: 2 T 在整个患者的医疗保健过程中，人工智能的变革性应用正在重塑医疗保健系统，从监控 在未来十年及以后，人工智能将继续以医疗保健领导者无法忽视的方式加速改善护理并降低成本 -包括通过机器学习驱动的医院管理创新。 AI表示计算机系统执行通常需要人类智能的任务的能力。作为AI的应用，机器学习允许组织从数据产生的预测中受益。基于云的ERP的领先提供商Worday等公司正在应用机器学习来增强各种功能的医疗保健管理，包括财务改进，供应链效率和人力资源管理。 FINANCE 利用机器学习最大限度地利用医院在行政服务上的支出，有可能实现广泛的储蓄。2017年，美国在医疗支出上的支出约为3.5万亿美元，占GDP的18％。据《美国医学会杂志》报道，其中略低于一半的支出来自行政服务。 使用数据来利用与付款人相关的风险模型是医院系统可以改善收入周期管理并充分利用其管理资金的一种方法。诸如哪些付款人按时付款或各个地区不同程序的补偿百分比等因素可能会对财务模型产生有意义的影响。Worday首席技术官JoeWilso说：“如果需要，了解风险模型会带来一些重塑的机会。”例如,医院系统可以决定关闭其表现不佳的设施之一。 SHARE: 3 据医疗管理咨询公司COPEHealthSoltios的数据分析和护理管理创新副总裁YomiAjao称，机器学习“做得非常非常好”的一个领域是在整个患者护理过程中使用数据检查多个变量，以确定程序在计费过程中是否被正确编码或完全遗漏。“这项工作已经增加了很多，因此您可以看到人们使用它来为医院报销带来更好的收入，”曾在HCAHealthcare工作的Ajao说。“这对于确保人们正确编码并为所提供的服务获得正确的报销非常非常有用。." 在内部，机器学习也有可能用于减少会计和审计费用。例如，Worday正在探索基于公司历史功能的异常检测，以识别可能需要额外调查的交易，据Worday应用机器学习产品经理AtodeWeger称。经理要求批准一项请求，无论是费用、额外时间还是其他。 基于许多其他因素，包括提交请求的员工类型，他们的位置和交易类型，可以使用数据驱动的系统来了解这种上诉对其特定医院是否正常或合理。deWeger补充说：“这样，管理人员将获得指南，说明他们应该在哪里花时间查看请求。” 供应链 通过基于需求的预测，数据模型可以查看各种因素的影响，从而使医院管理部门能够下达更精确的订单。 与其根据当前的库存余额下订单，对数据的更深入的了解将使医院能够超越这种做法，预测需要什么，并根据预期需求进行订单。威尔逊说：“通过提供对供应链外观的独特见解，这有助于提高更好的支出。” Ajao同意。“最成功的故事情节是围绕供应链，”他说。分析医院工作人员使用的不同用品和药物的使用模式以及维持适当库存水平所需的用品正成为一种越来越普遍的做法。Ajao补充说 ：“他们不是以批量方式订购更多，而是在交付所需的库存方面变得更加精确。”还有很大的改进空间。2017年对美国2300多家医院的分析。 美国Navigant发现，供应链管理的改进有可能减少每年约230 亿美元的供应费用-每家医院每年节省近1000万美元。 Off-contractspendingisanotherareawheremachine-learningdriveddatacanassistancewithsupplychainimprovement.Off-contractspending,suchaswhen SHARE: 4 医生更喜欢一个医疗设备品牌，而不是医院以更低的价格签约 ，可能很难手动跟踪。但是，威尔逊指出，当医院管理部门与医生合作监控这种支出并在需要时重新协商费率时，这代表了收回（或实时重定向）潜在不良支出的重要机会。“为系统的利益分配最合适的支出是一个巨大的机会，”他说。 其他潜在的应用包括在更精细的水平上监控供应的使用情况，甚至下降到哪个轮班的护士使用的供应量比预期的要大。例如 ，一包纱布可能只花费40美分，因此看起来微不足道，但是乘以50,000倍，从更有效的使用中节省的费用变得有意义 。 人力资源 根据CompdataSurvey的一项研究，医疗保健行业的工作流失率正在上升，从2010年的15.6％上升到2017年的 20.6％。NSINursingSolutions的另一项调查发现，2016年床边RN职位的周转率为14.6％。这是一个昂贵的问题。仅更换护士的成本高达 $104,400，根据《护理敬佩杂志》的一项研究，其中包括招聘费用，加班费和无人员床位等因素。 使用机器学习在医院系统中挖掘员工数据有可能解决这一日益增长的更替问题。除了自动化常见人力资源服务的基本能力，如协调工作时间表和请假请求，机器学习可以让最有可能在公开职位上取得成功并向招聘经理和招聘人员介绍的推荐候选人浮出水面。 此外，机器学习可以帮助医院系统中发现的各种员工职位。deWeger说，从监护工作者到外科医生，从护士到管理员，历史上很难配置人力资源管理系统，使其与每种类型的员工相关。通过机器学习，不同用户如何交互的历史可用于创建自动的、特定于用户的推荐操作。例如，根据员工的潜在职业道路为他们提供培训课程。德韦格说：“这将为员工创造更个性化的体验，同时也减少了提供个人建议对人力资源的影响。” 人力资源部门还将能够使用预测性数据建模来利用数据来确定因素，例如员工根据其 SHARE: 5 在给定的时间范围内缺勤的数量或其他标准，如缺乏认可。它还可以帮助决策和规划。威尔逊说，例如，人力资源人员将能够根据汇总的历史数据准确预测人员需求，而不是试图手动分析数据来确定冬季天气对医院床位数量的影响。 无限可能性 尽管不直接以患者为中心，但机器学习在医疗保健系统的管理方面的应用可以支持和改善整体患者护理体验。更快乐、更高效的员工有更多的时间和精力花在患者护理上。 正如德勤全球在一个例子中指出的那样，机器学习如何在未来的医疗保健工作中影响医院系统1，以患者为中心的AI具有与管理人员协同工作的能力 能力，创造一个有凝聚力的，改进的体验：“数字信息亭，运动探测器，和语音识别转录给患者带来了方便。机器人协助完成后勤任务，例如提供床单，饭菜和医疗用品，为员工提供了更多的时间来照顾患者。通过在所有系统中集成技术，该医院系统提高了医生和员工的生产力，从而实现了更高质量的患者护理并增强了患者和访客的体验。." Worday的deWeger说：“医疗保健行业已经做好了充分的准备，以吸收现在和不久的将来正在进入企业系统的机器学习变化。”通过利用改进的财务管理、供应链改进和人力资源管理效率，机器学习带来的可能性继续为那些准备利用它的人不断扩展。.● SHARE: 1https://www2.deloitte.com/us/en/pages/life-sciences-and-health-care/articles/healthcare-force-technology.html Workday提供基于云的财务、人力资源、规划、供应链和分析系统，帮助您改进从降低运营成本到扩展服务线，您的整个护理过程中的运营 。 。无论您是大型医疗保健网络、儿童医院还是急性后护理提供者，您都可以通过单一系统的强大功能全面了解您的组织。借助Worday，您可以快速适应变化，更好地管理资源，并吸引、发展和留住最优秀的人才