Kaiser Permanente-Forscher berichten, dass die Kategorisierung künstlicher Intelligenz dazu beitragen kann, den Strom von Patientennachrichten zu bremsen, die ansonsten teure Zeit von Ärzten in Anspruch nehmen würden. In einem kürzlich veröffentlichten Forschungsbrief des JAMA Network Open skizzierten Mitglieder der Forschungsabteilung und der medizinischen Gruppe des Systems eine Strategie, die Echtzeit-Verarbeitungsalgorithmen für natürliche Sprache (NLP) verwendete, um Kategorienetiketten an Nachrichten anzuhängen und sie dann an den entsprechenden Empfänger zu leiten.
Die Autoren schrieben, dass auf diese Weise 31,9% der mehr als 4,7 Millionen von Programmmitarbeitern überprüften Patientennachrichten gelöst wurden, bevor sie den Posteingang eines bestimmten Arztes erreichten. Stattdessen wurden diese Nachrichten von einem „Regionalteam“ aus medizinischen Assistenten oder Telefondienstmitarbeitern, Apothekern und anderen Ärzten bearbeitet.
Die Forscher stellten fest, dass die Kategorisierung von Nachrichtentypen durch das System nützlich sein könnte, um Pflegetrends zu überwachen und darauf zu reagieren, wie beispielsweise ein wöchentlicher Anstieg bestimmter Infektionskrankheiten. Sie bemerkten auch, dass das Programm noch Verbesserungspotenzial hat, entweder durch den Umgang mit mehrfach gekennzeichneten oder nicht gekennzeichneten Inhalten oder durch die Einbeziehung neuerer großer Sprachmodelle wie GPT-4.
Mehrere Anbieterorganisationen, die entweder die Zeit reduzieren oder besser rechtfertigen möchten, die Ärzte damit verbringen, auf Patientennachrichten zu antworten, haben einen Preis für Anfragen angehängt, die mehrere Minuten zur Beantwortung erfordern. Andere, wie Ochsner Health, haben sich dafür entschieden, generative KI als mögliche Antwort zu erforschen. Letzten Herbst kündigte das System einen Pilotversuch an, bei dem die Technologie verwendet wird, um Antworten auf Routineanfragen von Patienten zu entwerfen, die von Klinikern dann überprüft und bearbeitet werden, bevor sie gesendet werden.