西奈山医疗系统预计今年将从其人工智能（AI）投资组合中获得5000万美元的净收益，报告称投资回报率超过3:1，该医疗系统正在临床和运营工作流程中大规模部署该技术。
总部位于纽约市的西奈山医疗系统将所有AI计划与可衡量的价值指标挂钩，包括财务影响、患者体验、运营效率、质量和安全。数字转型首席官Robbie Freeman博士（DNP, RN）向《贝克医院评论》（Becker's）表示。
"一年多前，我们在西奈山做出的一个改变是将我们的数字和AI治理整合为一个统一的结构，"Freeman博士说。
该医疗系统现在管理着他所描述的统一"数字AI体验投资组合"，根据组织优先级和可衡量的结果评估项目。
"我们还拥有自上而下和自下而上的创新流程。组织中的任何人都可以提交AI或数字工具的创意，"他说。"这些创意通过我们的治理和OKR框架，对于影响最大的创意，我们与一线员工直接共同开发解决方案。"
AI驱动投资回报率最有力的例子之一是压力性损伤预防。Freeman博士表示，一位一线伤口护理护士提议使用AI帮助识别有压力性损伤风险的患者，每例此类损伤可能使医院花费约5万美元。
"我们与那位护士合作，内部构建了一个AI支持的解决方案，"他说。"如今，该方案已在我们医疗系统的多家医院部署。"
Freeman博士表示，该组织还从AI驱动的患者导航工具和环境临床文档技术中看到了可衡量的收益。
该医疗系统推出了一款AI驱动的症状检查器，使用基于证据的治疗指南将患者引导至适当的护理级别。
"我们听到患者反映，当他们开始感到不适时，常常不确定应该去哪里寻求护理。因此，我们构建了一个集成到我们数字平台中的AI驱动症状检查器，"Freeman博士说。
使用此工具，患者可以输入症状，AI将其与基于证据的治疗指南匹配，并推荐他们应该去哪里寻求护理。
"这有助于改善获取途径并将患者吸引到医疗系统中，我们能够跟踪下游的使用情况和影响，"他说。
环境文档也已成为该医疗系统在劳动力和运营方面的主要胜利。西奈山已在整个组织中扩展了环境AI，并在笔记质量和财务绩效方面看到了改进。根据Freeman博士的说法，该组织的医生也从中受益，因为一些考虑退休的医生决定继续执业，因为该技术为他们节省了时间。
"他们不再花费晚上时间完成文档工作，"他说。"这种健康影响在财务上较难量化，但对临床医生和整个组织来说都非常重要。"
为确保项目产生可衡量的结果，西奈山已为AI试点实施了正式的治理结构和预定义的成功指标。
"如果某些事情不起作用，我们希望快速失败，"Freeman博士说。"我们有全组织范围的治理，根据AI的使用位置，它会通过不同的治理途径。"
例如，面向临床医生的AI工具需要通过西奈山的护理旅程治理委员会，该委员会在项目是否继续或停止方面具有正式的决策权。
"我们学到的最重要的一课之一是在试点开始前定义客观的成功标准的重要性，"Freeman博士说。"历史上，当组织在没有明确定义成功是什么的情况下启动试点时，往往会遇到困难。如果你不在前期建立可衡量的结果，就很难知道试点是否成功。"
在压力性损伤项目中，医疗系统的第一个成功指标之一是在一线护理团队成员中实现超过80%的采用率。如果没有达到这一指标，该工具将不会在初始试点区域之外扩展，直到医疗系统达到这一基准。
"拥有这些预定义的指标使决策过程更加客观，"Freeman博士说。
西奈山还建立了一个独立的"保证实验室"，在部署前前瞻性地测试高风险AI模型。
"我们不希望构建AI的同一群人也负责验证它，"他说。"保证实验室为每个AI解决方案进行风险评分。对于高风险模型，在任何人将其投入生产使用之前，AI会在后台前瞻性地运行。"
保证实验室随后会审查性能，并在做出部署决策之前向治理委员会提供建议。
"这种独立的验证过程对于保持严谨性和安全性至关重要，"Freeman博士说。
尽管有财务收益，他强调并非每项AI投资都仅基于直接货币回报进行评估。
"并非每个AI计划都有直接的财务投资回报率，"Freeman博士说。"有些项目之所以有价值，是因为它们提高了安全性、质量和体验。这就是为什么我们评估整个投资组合的价值回报，而不是期望每个单独的项目都产生直接的财务回报。"
与此同时，技术成本正在增加，就像医疗保健中的其他成本类别一样——无论是劳动力、供应品还是药品。因此，Freeman博士表示，该医疗系统正试图战略性地使用AI来节省可以节省的地方，以便组织能够"在应该投资的地方投资"。
"例如，我们已经合理化了技术投资组合的部分内容，并减少了供应商冗余，以创造支持AI投资的节省，"他说。
【全文结束】
