RWJBarnabas Health сократил смертность на 18%: как ИИ-агент ускорил реакцию на критические состояния пациентов

В крупной больничной сети RWJBarnabas Health, совместно с Rutgers Robert Wood Johnson Medical School, провели исследование, охватившее 23 132 пациента. Результатом стало внедрение ИИ-агента, который сократил внутрибольничную смертность среди пациентов высокого риска на 18%. Теперь система автоматически оповещает команды быстрого реагирования, значительно ускоряя вмешательство и повышая шансы пациентов на выздоровление.

В больницах критические состояния развиваются стремительно. Каждая минута промедления снижает шансы пациента. Но человеческий фактор, усталость и перегруженность персонала часто приводят к тому, что сигналы об ухудшении состояния пациента замечаются слишком поздно. Это приводит к росту смертности и ненужным переводам в реанимацию. Современные технологии позволяют создать систему, которая непрерывно мониторит состояние пациентов и мгновенно оповещает нужных специалистов, тем самым спасая жизни и оптимизируя ресурсы.

Реальность проблемы: дорогостоящие задержки и «усталость от сигналов»

В традиционной системе больницы полагаются на медицинский персонал, который отслеживает показатели пациентов, реагирует на изменения и принимает решения о дальнейших действиях. Однако при большом количестве пациентов и сложности медицинских данных, это становится серьёзной проблемой.

Существующие системы раннего оповещения, основанные на алгоритмах машинного обучения, часто страдают от «разрыва в развертывании»: они хорошо предсказывают ухудшение состояния пациента, но не всегда эффективно интегрируются в реальную клиническую практику. Уведомления, которые отображаются только на обычных дашбордах в электронных медицинских картах (ЭМК), часто остаются незамеченными из-за перегруженности медсестер и врачей. К тому моменту, когда сигнал будет замечен, физиологическое состояние пациента может уже критически ухудшиться.

Кроме того, неточные или чрезмерные оповещения приводят к «усталости от сигналов» (alert fatigue), когда персонал начинает игнорировать предупреждения, что ещё больше усугубляет проблему. Это также может приводить к необоснованным переводам пациентов в отделения интенсивной терапии (ОИТ), создавая излишнюю нагрузку на эти ресурсы.

Путь к ИИ-агенту: от пассивного мониторинга к активному вмешательству

Ранее в RWJBarnabas Health, как и во многих других больницах, использовались стандартные методы мониторинга состояния пациентов. Были системы, которые предоставляли данные, но они не обладали способностью к активному и немедленному информированию персонала. Опираться исключительно на пассивные дашборды ЭМК было недостаточно, чтобы предотвратить рост внутрибольничной смертности.

Компания пришла к выводу, что необходим инструмент, который не просто показывает данные, а активно действует, автоматически инициируя процесс вмешательства. Это привело к разработке и внедрению ИИ-агента, который способен в реальном времени анализировать данные, выявлять критические изменения и немедленно оповещать соответствующие команды.

Как проектировали ИИ-агента: динамический анализ и мгновенные оповещения

ИИ-агента спроектировали как интегрированную систему, которая непрерывно анализирует данные из электронных медицинских карт и, в случае выявления критического риска, автоматически отправляет уведомления командам быстрого реагирования. Основные элементы системы:

• Динамический перерасчёт каждые 15 минут. ИИ-агент постоянно анализирует 31 переменную из ЭМК, включая жизненно важные показатели, результаты лабораторных анализов, оценки медсестер и возраст пациента. Индекс ухудшения состояния пациента пересчитывается каждые 15 минут, обеспечивая актуальность данных.
• Калиброванные пороги риска. Пациенты категоризируются по трём уровням риска: зелёный (<30), жёлтый (30–59) и красный (>60). «Красный» уровень указывает на высокий риск серьёзного ухудшения или смерти.
• Единая мобильная интеграция push-уведомлений. Когда состояние пациента достигает «красного» порога, система автоматически отправляет мгновенное push-уведомление на мобильные устройства дежурных команд быстрого реагирования, минуя статические настольные интерфейсы.
• Логика подавления «усталости от сигналов». Встроенные правила предотвращают отправку дублирующих уведомлений, если пациент уже находится в ОИТ, получает паллиативную помощь, или если уже было активировано оповещение о быстром реагировании или сепсисе в течение последних 6 часов. Это позволяет снизить количество ненужных сигналов и повысить их значимость для персонала.

Целью было выявлять пациентов на ранних стадиях ухудшения, когда вмешательство ещё может изменить ход событий. Доктор Томас Нахасс, вице-президент по медицинской информатике RWJBarnabas Health, отметил, что индекс ухудшения позволяет получить более раннюю точку для вмешательства, что критически важно для исхода.

Внедрение: от пилота до системного решения

Внедрение ИИ-агента осуществлялось поэтапно в 11 больницах острой помощи. Процесс включал:

• Интеграцию с существующей ЭМК. Система была встроена в Epic Deterioration Index (EDI), что позволило использовать уже имеющиеся данные и инфраструктуру.
• Обучение персонала. Команды быстрого реагирования и другой медицинский персонал были обучены работе с новой системой оповещений и протоколами реагирования.
• Постепенное масштабирование. Начали с пилотных проектов, постепенно расширяя охват на всю больничную сеть, что позволило отладить процесс и учесть особенности каждой клиники.

Важно, что система не просто предсказывала, но и инициировала действие, что стало ключом к успеху.

Результаты

Ключевым достижением стало снижение внутрибольничной смертности среди пациентов высокого риска на 18%. При этом количество оценок, проводимых командами быстрого реагирования, увеличилось с 25,3% до 37,5%, что свидетельствует о более раннем и активном вмешательстве. Важно отметить, что это увеличение не привело к росту переводов в ОИТ, что доказывает эффективность раннего вмешательства на общем уровне стационара.

Как это внедрить у вас

Этот кейс демонстрирует, что ИИ-агенты могут значительно улучшить клинические исходы и оптимизировать использование ресурсов в медицинских учреждениях. Чтобы повторить этот успех, рассмотрите следующие шаги:

• Оцените текущие процессы. Определите, где в вашем учреждении возникают задержки в реагировании на ухудшение состояния пациентов и где человеческий фактор наиболее уязвим.
• Интегрируйте ИИ-агента с существующими системами. Использование уже имеющихся данных из ЭМК и других информационных систем значительно упростит внедрение.
• Разработайте чёткие протоколы реагирования. ИИ-агент должен быть частью комплексного процесса, где каждый шаг, от оповещения до вмешательства, чётко регламентирован.
• Фокусируйтесь на мобильных оповещениях. Мгновенные push-уведомления на мобильные устройства обеспечивают быструю реакцию, обходя проблему «усталости от сигналов» на стационарных экранах.
• Внедряйте логику подавления избыточных сигналов. Это критически важно для предотвращения «усталости от сигналов» и поддержания доверия персонала к системе.

Если этот кейс похож на то, что происходит у вас, наш менеджер поможет разобраться: бесплатно проанализирует ваш бизнес и нишу и подскажет, где ИИ-агент даст реальный результат именно в вашем случае. Написать менеджеру