From Electronic Records to AI-Enabled Workflows: A Scoping Review of Real-World EHR Information Processing in Hospitals and Implications for AI Readiness in China
Diese Scoping Review nutzt einen KI-Agenten-basierten Screening-Ansatz, um die reale Integration der KI-gestützten Informationsverarbeitung in Krankenhaus-EHR-Workflows abzubilden, wobei hervorgehoben wird, dass, während die Machbarkeit auf Prozessebene offensichtlich ist, das Erreichen von sicherem Nutzen und die Abstimmung mit Chinas KI-Reifebedingungen eine rigorose menschliche Verifizierung, Kalibrierung und Interoperabilität erfordern.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Krankenhäuser heute basieren auf einem riesigen, kontinuierlichen Strom von Informationen. Jedes Mal, wenn ein Arzt eine Notiz schreibt, eine Pflegekraft einen Vitalwert überprüft oder eine Maschine ein Laborergebnis verarbeitet, fließt diese Datenmenge in ein digitales System, das als elektronische Patientenakte bekannt ist. Jahrelang war das Versprechen der künstlichen Intelligenz in der Medizin, dass Computer aus diesen Daten lernen könnten, um Krankheiten vorherzusagen oder Behandlungsvorschläge zu machen. Aber ein Computermodell, egal wie intelligent, ist nutzlos, wenn es in einem Labor liegt, während der Arzt damit beschäftigt ist, die Akte eines Patienten zu suchen. Die eigentliche Herausforderung besteht nicht nur darin, einen klugen Algorithmus zu entwickeln, sondern ihn in den täglichen, chaotischen Arbeitsfluss eines Krankenhauses einzubinden, damit er hilft, statt zu behindern. Dies ist der Unterschied zwischen einem Werkzeug, das auf dem Papier funktioniert, und einem Werkzeug, das in einer geschäftigen Notaufnahme funktioniert.
Ein Team von Forschern des Jiangyin People's Hospital in China machte sich daran, genau zu kartografieren, wie diese Integration in der realen Welt stattfindet. Sie fragten nicht einfach, ob künstliche Intelligenz gut oder schlecht ist; stattdessen untersuchten sie die spezifischen Schritte, an denen Computer und Menschen aufeinandertreffen. Sie untersuchten, wie diese Systeme die Informationsbeschaffung, die Datensortierung, die Risikovorhersage und das abschließende Schreiben medizinischer Notizen handhaben. Ihr Ziel war es zu sehen, ob die Bedingungen, die notwendig sind, damit diese Werkzeuge sicher funktionieren, tatsächlich in Krankenhäusern existieren, mit einem besonderen Fokus darauf, wie diese Bedingungen im Vergleich zum aktuellen Stand der Krankenhäuser in China stehen.
Die Forscher begannen damit, tausende Berichte aus medizinischen Fachzeitschriften und öffentlichen Aufzeichnungen zu sammeln. Sie verwendeten eine systematische Methode, um fast 2.300 Datensätze zu sortieren, wobei sie nach Studien suchten, in denen künstliche Intelligenz tatsächlich innerhalb des elektronischen Aufzeichnungssystems eines Krankenhauses eingesetzt wurde, anstatt nur an alten Daten getestet wurde. Sie fanden heraus, dass es zwar eine wachsende Menge an Belegen gibt, die zeigen, dass diese Werkzeuge integriert werden können, die Vorteile jedoch oft eher in der Geschwindigkeit und Organisation als in unmittelbaren Verbesserungen der Patientengesundheit liegen. So zeigten beispielsweise mehrere Studien, dass der Einsatz von künstlicher Intelligenz die Zeit, die Ärzte und Pflegekräfte mit dem Schreiben von Notizen oder der Suche nach Informationen verbringen, erheblich reduzierte. Eine Studie in den USA ergab, dass die Zeit für die Dokumentation um fast 30 Prozent während einer Schicht sank, wenn Ärzte ein Umgebungssystem nutzten, das Gespräche belauschte und Entwürfe für die Notizen erstellte. Ähnlich zeigte ein Pilotprogramm in Taiwan, dass Pflegekräfte die Zeit für Übergabenotizen von über drei Minuten auf etwa eine Minute pro Patient senken konnten.
Die Forscher wiesen jedoch vorsichtig darauf hin, dass Zeitersparnis nicht automatisch Lebensrettung bedeutet. Die Beweise, die sie fanden, legen nahe, dass diese Werkzeuge zwar den Arbeitsablauf reibungsloser gestalten, aber noch nicht bewiesen haben, dass sie zu besseren Diagnosen oder weniger Todesfällen führen. Tatsächlich hebt die Studie hervor, dass ein Werkzeug schnell sein kann, aber dennoch gefährlich ist, wenn es nicht korrekt eingerichtet wurde. Die Forscher fanden heraus, dass der Erfolg dieser Systeme stark davon abhängt, wie gut sie auf das spezifische Krankenhaus kalibriert sind, das sie nutzt. Ein Modell, das in einem Krankenhaus gut funktioniert, kann in einem anderen versagen, wenn die Daten leicht abweichen oder wenn die Ärzte den Warnmeldungen, die es sendet, nicht vertrauen. In einem Fall führte eine Änderung der Computervorlage zur Anzeige von Informationen dazu, dass die Genauigkeit der medizinischen Kodierung drastisch von fast 80 Prozent auf 35 Prozent sank, bis das System neu gestaltet und das Personal nachgeschult wurde. Dies zeigt, dass die Technologie fragil ist und ständige menschliche Aufsicht erfordert.
Der Review untersuchte auch die Bereitschaft von Krankenhäusern, diese Technologien zu übernehmen, und untersuchte dabei speziell die Situation in China. Die Forscher fanden heraus, dass viele chinesische Krankenhäuser die Basisebene der Digitalisierung ihrer Datensätze bereits überschritten haben, es jedoch eine signifikante Lücke zwischen dem bloßen Besitz eines Systems und dem Besitz eines Systems gibt, das bereit für fortgeschrittene künstliche Intelligenz ist. Öffentliche Daten legen nahe, dass zwar eine große Mehrheit der großen Krankenhäuser ein Niveau erreicht hat, auf dem ihre Aufzeichnungen digitalisiert sind, aber nur sehr wenige das höchste Reifegradniveau erreicht haben, bei dem Informationen nahtlos zwischen verschiedenen Abteilungen fließen und komplexe Entscheidungsfindungen unterstützen. Die Forscher stellten fest, dass anhaltende Lücken in der Art und Weise, wie Informationen zwischen Systemen fließen – oft als „Silos“ bezeichnet – ein großes Hindernis bleiben. Ohne einen reibungslosen Datenfluss kann selbst die klügste künstliche Intelligenz nicht ordnungsgemäß funktionieren.
Letztendlich kommt die Studie zu dem Schluss, dass der Weg nach vorn nicht darin besteht, auf einen perfekten Algorithmus zu warten, sondern ein zuverlässiges Umfeld für die Werkzeuge zu schaffen, die wir bereits haben. Die Forscher argumentieren, dass Krankenhäuser, damit künstliche Intelligenz sicher und nützlich ist, sich auf die Details der Implementierung konzentrieren müssen: Sicherstellung der Genauigkeit der Daten, Schulung des Personals, um dem System zu vertrauen und es zu verifizieren, und das Festlegen klarer Regeln dafür, was passiert, wenn das System einen Fehler macht. Sie fanden heraus, dass die erfolgreichsten Einsätze jene sind, bei denen die Technologie als Partner in einem sorgfältig verwalteten Prozess betrachtet wird und nicht als magische Lösung, die alles von selbst behebt. Für China und Krankenhäuser weltweit ist die Lehre, dass die Bereitschaft für künstliche Intelligenz kein einzelner Schalter ist, den man umlegt, sondern ein geschichtetes Fundament, das Schritt für Schritt aufgebaut werden muss, beginnend mit der Qualität der Daten und der Klarheit des Arbeitsablaufs. Solange diese Fundamente nicht solide sind, wird das volle Potenzial der künstlichen Intelligenz im Gesundheitswesen unerreichbar bleiben, ungeachtet dessen, wie fortschrittlich die Modelle auch werden mögen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.