Guardoc Health, компания, которая разрабатывает программное обеспечение для документации для поставщиков долгосрочной медицинской помощи, опубликовала данные о развертывании, которые, по ее словам, подтверждают этот результат. Пайплайн Guardoc Health должен обрабатывать документы, которые приходят в почти каждом формате, который может производить клиническая среда: многостраничные PDF с рукописными отметками врача, накладываемыми на печатный текст, формы предварительного согласования, где состояние чекбокса может определить решение об оплате, таблицы с лекарствами, которые появляются как чистые таблицы в одном графике и в свободном тексте в следующем, и формы приема пациентов, смешивающие типизированные поля с резиновыми печатями и рукописными записями на одной странице.
Результаты
Исследование, опубликованное в BMJ Quality and Safety, указывает на то, что в США ежегодно около 12 миллионов пациентов страдают диагностическими ошибками, причем информационные ошибки являются фактором, способствующим этому. На объеме, обрабатываемом Guardoc, одна процентная ошибка в распознавании состояния может генерировать тысячи неверных записей в день. Каждая из них несет в себе собственную пациентскую безопасность или последствия соблюдения требований.
Guardoc сообщает о 46-процентном снижении ошибок в документации, 70-процентном снижении штрафов за аудит и более чем 400 000 долларов в год в виде годового ROI для одного учреждения, не публикуя базовый период или методологию за эти расчеты. В квартальном развертывании, охватывающем два учреждения и 200 пациентов, компания утверждает, что ее система привела к 847 корректировкам документации, выявив 86 проблем, связанных с точностью оплаты PDPM, и была связана с 74-процентным снижением госпитальных переводов на 100 поступлений. В отдельном случае, охватывающем семь учреждений и 1618 резидентов, Guardoc выявил 10612 проблем.
Архитектура
Архитектура Guardoc выполняет классификацию состояния через retrieval-augmented generation, извлекая доказательства из собственной документации пациента перед рассмотрением их для получения окончательного ответа. Amazon Textract извлекает текст и структурные метаданные из каждого входящего документа в первую очередь, что компания считает наименьшим затратным пунктом в пайплайне. Этот вывод разбивается по клиническим границам, чтобы список лекарств или раздел диагноза оставался целым, а не был разделен по произвольному счету символов. Каждый фрагмент встраивается с помощью Amazon Titan Text Embeddings V2 и хранится в Amazon DynamoDB, разделенный по пациенту, чтобы извлечение никогда не переходило через границы пациента. Встроенный предфильтр сокращает набор кандидатов по типу документа и свежести перед поиском ближайших соседей, возвращая только ссылки на страницы в этом этапе, чтобы снизить объем передачи данных. Amazon Nova 2 Lite затем выполняет текстовый проход для удаления очевидных несоответствий. Только страницы, выжившие после всех предыдущих фильтров, доходят до Amazon Nova Pro, который получает исходные байты PDF и рассуждает о расположении, рукописных записях, подписях и печатях для получения классификации, на которой действуют downstream системы.
Дизайн следует логике тарификации затрат: дешевые компоненты обрабатывают высокообъемные задачи, такие как встраивание и грубое фильтрование, а более сложные многомодальные рассуждения откладываются на последний этап, когда они действительно необходимы. Два типа документов составляют большинство того, что ранние версии пайплайна упускали. Первый — это поля врачебной аттестации на формах предварительного согласования, где рукописная запись может перекрыть печатный чекбокс. Второй — это разделы пациентских жалоб, где рукописные записи часто содержат информацию, которая не появляется нигде else в записи. Извлечение лекарств представляет собой связанную проблему. Имена препаратов, дозы, пути введения и частоты появляются в структурированных таблицах, в прозе, скрытой внутри врачебных заметок, в рукописных добавлениях к печатным спискам и в сканированных документах, которые были переданы через несколько рук. Пайплайн Guardoc, использующий Amazon Textract в первую очередь для чистых печатных таблиц, затем передает оба исходного PDF и вывод Textract в Amazon Nova Pro для решения обёрнутых столбцов таблиц, рукописных добавлений, а также нестандартных форматов, которые OCR не может правильно расшифровать.
«С семьей Nova мы делаем это проще для организаций здравоохранения обнаруживать высокорисковые случаи раньше и действовать до того, как проблемы становятся дорогостоящими», — сказал Ассаф Амияз, директор по продуктам в Guardoc Health. «Автоматизируя рабочие процессы, которые раньше требовали ручного надзора, семья Nova помогает командам сократить пробелы в соблюдении требований, предотвратить ошибки и сосредоточиться на улучшении результатов лечения пациентов».