尽管医疗系统在最近几个季度的运营利润率方面取得了一些急需的改善，但这些积极的头条新闻掩盖了一个令人不安的现实：大多数医疗系统在医院运营方面仍面临巨大挑战。据数据显示，全国40%的医院正在亏损。对于许多财务状况不佳的医疗系统来说，转型的关键不在于增加员工或增设床位，而在于更高效地利用现有床位，即优化患者流动。为了优化患者流动，医院领导需要新的方法来更好地、更清楚地做出决策，从宏观到患者层面，覆盖急性护理过程中的每个步骤，从入院到出院。在这方面，人工智能（AI）具有预测和指导医院领导将有限资源（如临床医生、工作人员和床位）分配到何处的潜力，从而提高运营效率并推动更好的患者结果。
四个常见的患者流动挑战
根据凯撒家庭基金会的数据，2021年医院平均每住院日调整后的费用为2,883美元，加州的全国最高值为4,181美元。医院在避免患者不必要的住院天数或住院时间（LOS）方面表现不佳，可能有多种原因，包括人员配备问题、地理挑战或不当的出院决定。无论原因是什么，结果都是相同的：次优的患者流动影响患者护理，增加医护人员的负担，并阻碍财务表现。以下是医院在患者流动过程中经常面临的常见障碍：
- 低效的转院流程：对于许多医疗系统来说，转院流程往往缺乏意识，或因大量手动操作而变得缓慢和低效。这些问题导致低效的转院，降低了患者的体验质量，增加了员工的压力，并导致患者流失，因为转诊设施和提供者会选择其他三级护理选项。
- 变化和延迟的出院计划：出院计划的变化和延迟导致过多的不必要的住院天数，最终延长了住院时间，造成医院运营效率低下。当提供者和工作人员缺乏必要的工具、能力和时间来关注每位患者的高效护理进展时，结果是护理中断和患者出院延迟。
- 繁琐的障碍：在急性患者护理过程中，经常出现许多繁琐的患者流动障碍，包括诊断服务延迟、咨询医生延迟和护理过渡延迟。这些延迟不仅给员工带来负面影响，因为他们不得不绕过这些障碍，也给等待所需护理的患者带来了负面影响。
- 后续急性护理（PAC）的接入和交通问题：PAC问题在急性护理过程后期处理时变得更加重要。如果在入院时开始出院计划，并在住院期间的每日查房中有效管理，那么这些障碍可以大大减少，PAC计划可以在患者护理旅程的早期尽早开始。
利用人工智能提高患者流通量
医院每天收集大量关于患者护理和运营的数据。然而，这些数据不仅可用于回顾性审查；如果启用AI技术，还可以使管理人员预测和准备未来的需求，并赋予临床医生实时做出患者流动决策的能力。随着AI的出现，医院有机会将这些数据驱动的实践整合到患者流动的日常管理中，从入院到出院。通过利用AI和预测模型，医院可以从大量的实时和历史医院数据中发现相关的模式和见解。这些见解会定期更新，以纳入最新的趋势和情况，增强其预测价值，使医院能够更有效地跨场景管理护理，并迅速适应不断变化的情况。但如果实施得当，AI可以帮助医院创建独特的数据模型，这些模型专门针对其业务和特定的运营需求。
AI可以为医院管理人员提供的最重要功能之一是提供有关领导者应重点关注的最相关问题和指标的清晰度，以实现其目标。例如，如果医院领导利用AI预测基于预期患者需求的可用资源，他们可以主动将资源与即将到来的需求对齐，确保患者的最佳过渡。此外，AI模型可以定制，分析特定健康系统的患者和医院数据，向临床医生提供关于特定患者应采取的具体操作步骤和决策的详细信息。需要注意的是，这些步骤在不同的健康系统之间往往有所不同，即使是对相似的患者群体也是如此。这种方法与传统做法截然不同，传统做法是在各种关键点上将最佳实践警报硬编码到临床医生的工作流程中。相反，AI应该筛选每个健康系统的数据和模型，以识别系统范围的观点以及每个患者应采取的独特行动。对于调查使用AI的医院管理人员来说，首先确定该技术预期改进的用例至关重要。领导者必须避免购买AI解决方案然后才决定将其应用于哪些问题的错误。此外，在将AI应用于某个用例或问题时，领导者必须确定一些改变该用例周围流程的方法，以充分利用技术投资。最终，医疗保健中最复杂的业务领域就是急性护理空间。因此，添加一项技术——无论解决方案多么先进——都不会使医院的运营挑战消失。然而，通过将AI用于特定需求，提前解决问题，提供前瞻性决策的能力，并推动患者流动的运营变革，医院领导可以开始解锁提高患者流通量、运营效率和患者结果的机会。
(全文结束)
