位于伊利诺伊州埃文斯顿的Endeavor Health正在应对医疗创新中一个常见的挑战：克服“试点病”。
“其中一个挑战是避免所谓的‘试点病’，即组织在测试解决方案后并未将其全面实施，”Endeavor Health的AI和创新部门首席医学信息官Nirav S. Shah博士在接受《Becker's》采访时说。“我们的重点是确保我们不仅仅无限期地进行试点。相反，我们在设计时就考虑到了可扩展性。”
Endeavor Health采用了一种结构化的AI扩展评分表，该评分表基于杜克大学的“ABCD方法论”等框架。这个过程包括严格的审查、在采纳过程中与一线临床医生互动，以及在每个阶段应用阶段门来评估效果。
“这种正式的解决方案审查流程避免了仅仅向临床医生提供新的工作流程而不征求他们的意见，”Shah博士说。“这是一种包容性的设计方法，确保各级利益相关者都参与其中。”
该医疗系统的扩展策略强调将AI计划与战略重点对齐，了解组织需求，并实施强有力的治理。这种严谨的方法使Endeavor Health能够防止解决方案停滞在试点阶段。
目前，Endeavor Health已在整个组织内部署了超过100个AI和自动化解决方案。最近的成功案例包括一个环境记录工具的试点，该工具现在正在全系统推广。
“从一开始，我们就规划好了扩展路径，”Shah博士说。“我们避免推出那些会永远停留在‘试点岛’上的解决方案，通过确保运营所有权和每个阶段的严格审查流程。”
在AI方面，Endeavor Health一直专注于临床决策支持和早期疾病检测，将高级AI功能集成到其电子健康记录（EHR）和其他应用程序中。这些工具涵盖了广泛的需求，包括跌倒检测、败血症监测、临床恶化警报、再入院预防、放射学检查中的偶然发现、临床试验匹配，以及识别健康的社会决定因素。
现在，该医疗系统正在扩展到双向聊天机器人用于临床路径和消费者参与等领域，重点是优化患者体验、资源分配和自动化管理任务。
“这些都是我们的机会领域，特别是生成式AI大大加速了我们以前无法实现的管理任务自动化能力，”Shah博士说。
随着Endeavor Health继续扩大AI在整个组织中的作用，Shah博士表示最终目标是创建不仅是“创新而且不可或缺”的解决方案。
“通过专注于可扩展性和临床医生参与，我们旨在推动可衡量的结果，直接造福患者和我们的护理团队，”他说。
(全文结束)
