Obwohl die Gesundheitssysteme in den letzten Quartalen eine dringend benötigte Verbesserung ihrer Betriebsmargen erlebt haben, verbergen diese positiven Schlagzeilen eine beunruhigende Realität, die die immensen Herausforderungen verdeutlicht, mit denen die meisten Gesundheitssysteme immer noch beim Krankenhausbetrieb konfrontiert sind: 40 % der Krankenhäuser im Land machen Verluste.
Für viele Gesundheitssysteme, die mit finanziellen Schwierigkeiten zu kämpfen haben, besteht der entscheidende Schritt zur Umgestaltung ihres Krankenhausbetriebs nicht darin, mehr Personal einzustellen oder mehr Betten zu schaffen. Vielmehr geht es darum, die vorhandenen Betten effizienter zu nutzen. Mit anderen Worten: Optimierung des Patientenflusses.
Um den Patientenfluss zu optimieren, benötigen Krankenhausleiter neue Wege, um bessere und klarere Entscheidungen darüber zu treffen, was sowohl auf Makro- als auch auf Patientenebene in jedem Schritt der Akutversorgung von der Aufnahme bis zur Entlassung geschieht. In dieser Hinsicht birgt künstliche Intelligenz (KI) das Potenzial, vorherzusagen und vorherzusagen, wohin Krankenhausleiter begrenzte Ressourcen wie Ärzte, Personal und Betten lenken sollten, um die betriebliche Effizienz zu verbessern und bessere Patientenergebnisse zu erzielen.
Vier häufige Herausforderungen beim Patientenfluss
Nach Angaben der Kaiser Family Foundation lagen die durchschnittlichen bereinigten Ausgaben pro stationärem Tag in Krankenhäusern im Jahr 2021 bei 2.883 US-Dollar, mit einem landesweiten Höchstwert von 4.181 US-Dollar in Kalifornien. Krankenhäuser, die im Hinblick auf vermeidbare Patiententage oder Verweildauer (LOS) schlechter abschneiden als ihre Mitbewerber, können dies aus verschiedenen Gründen tun, darunter Personalprobleme, geografische Herausforderungen oder schlechte Entlassungsentscheidungen. Unabhängig vom Grund ist das Ergebnis dasselbe: ein suboptimaler Patientenfluss, der die Patientenversorgung beeinträchtigt, Ärzte und Personal belastet und die finanzielle Leistungsfähigkeit beeinträchtigt.
Im Folgenden sind einige häufige Hindernisse aufgeführt, mit denen Krankenhäuser in jeder Phase des Patientenflussprozesses häufig konfrontiert sind:
Ineffiziente Transfers: Für viele Gesundheitssysteme ist der Transferprozess mit mangelndem Bewusstsein oder verlangsamten, ineffizienten Prozessen aufgrund des hohen manuellen Aufwands verbunden. Diese Probleme führen zu ineffizienten Transfers, die die Qualität der Patientenerfahrung mindern, die Belegschaft zusätzlich belasten und dazu führen, dass überweisende Einrichtungen und Anbieter andere Optionen der Tertiärversorgung wählen. Variable und verzögerte Entlassungsplanung: Abweichungen und Verzögerungen bei der Entlassungsplanung führen zu einer übermäßigen Anzahl vermeidbarer Tage und letztendlich zu LOS, was zu betrieblichen Ineffizienzen für Krankenhäuser führt. Wenn Anbietern und Mitarbeitern die notwendigen Werkzeuge, Kapazitäten oder Zeit fehlen, um sich auf den effizienten Pflegefortschritt jedes Patienten zu konzentrieren, kommt es zu Unterbrechungen des Pflegefortschritts und verzögerten Patientenentlassungen. Langwierige Hindernisse: Es gibt zahlreiche langwierige Hindernisse beim Patientenfluss, die im akuten Patientenverlauf häufig auftreten, darunter Verzögerungen bei Diagnosediensten, Verzögerungen bei Beratungsdienstleistern und Verzögerungen beim Übergang in die Pflege. Diese Verzögerungen können zu negativen Erfahrungen für das Personal führen, da es Hindernisse umgehen muss, und für die Patienten, die auf die benötigte Pflege warten. Zugangs- und Transportprobleme nach der Akutversorgung (PAC): PAC-Probleme gewinnen umso mehr an Bedeutung, je später sie im Akutversorgungsprozess behandelt werden. Wenn die Entlassungsplanung bei der Aufnahme beginnt und während der täglichen Visiten während des stationären Aufenthalts effektiv verwaltet wird, können diese Hindernisse erheblich reduziert werden und die PAC-Planung kann so früh wie möglich in der Patientenversorgung beginnen.
Verbesserung des Patientendurchsatzes mit KI
Krankenhäuser sammeln täglich riesige Mengen an Daten über die Patientenversorgung und Operationen. Diese Daten sind jedoch nicht nur für retrospektive Überprüfungen nützlich. Wenn es mit KI-Technologie ausgestattet ist, kann es Administratoren auch ermöglichen, zukünftige Anforderungen vorherzusagen und sich darauf vorzubereiten, und Ärzte in die Lage versetzen, Entscheidungen über den Patientenfluss in Echtzeit zu treffen.
Mit dem Aufkommen der KI haben Krankenhäuser die einmalige Gelegenheit, diese datengesteuerten Praktiken in die tägliche Verwaltung des Patientenflusses zu integrieren – von der Aufnahme bis zur Entlassung. Durch den Einsatz von KI und prädiktiver Modellierung können Krankenhäuser aus riesigen Mengen an Echtzeit- und historischen Krankenhausdaten relevante Muster und Erkenntnisse über den Patientenfluss und den Pflegebedarf aufdecken. Diese Erkenntnisse werden regelmäßig auf der Grundlage allgemeiner Best Practices aktualisiert, um aktuelle Trends und Umstände einzubeziehen und so ihren Vorhersagewert zu verbessern. Dadurch können Krankenhäuser die Pflege in allen Umgebungen effektiver verwalten und sich schnell an veränderte Umstände anpassen. Doch bei richtiger Implementierung kann KI Krankenhäusern dabei helfen, Datenmodelle zu erstellen, die einzigartig für ihr Unternehmen und auf ihre spezifischen betrieblichen Anforderungen zugeschnitten sind.
Eine der wichtigsten Funktionen, die KI Krankenhausadministratoren bieten kann, besteht darin, Klarheit über die relevantesten Themen und Kennzahlen zu schaffen, auf die sich Führungskräfte konzentrieren sollten, um ihre Ziele zu erreichen. Wenn Krankenhausleiter beispielsweise KI nutzen, um verfügbare Ressourcen basierend auf den erwarteten Patientenbedürfnissen vorherzusagen, können sie die Ressourcen proaktiv an die eingehende Nachfrage anpassen und optimale Patientenübergänge sicherstellen.
Darüber hinaus können KI-Modelle so angepasst werden, dass sie gesundheitssystemspezifische Patienten- und Krankenhausdaten analysieren, um Ärzten detaillierte Details zu den spezifischen operativen Schritten und Entscheidungen zu liefern, die für bestimmte Patienten zu treffen sind. Es ist wichtig zu beachten, dass diese Schritte häufig von Gesundheitssystem zu Gesundheitssystem unterschiedlich sind, selbst bei ähnlichen Patientengruppen.
Dieser Ansatz stellt eine deutliche Abkehr von der traditionellen Praxis dar, Best-Practice-Warnungen an verschiedenen kritischen Punkten fest in die Arbeitsabläufe von Ärzten zu integrieren. Im Gegensatz dazu sollte die KI die Daten und Modelle jedes einzelnen Gesundheitssystems durchsuchen, um systemweite Ansichten sowie einzigartige Maßnahmen für jeden Patienten zu ermitteln.
Für Krankenhausverwalter, die den Einsatz von KI untersuchen, ist es wichtig, zunächst zu ermitteln, welche Anwendungsfälle durch die Technologie voraussichtlich verbessert werden. Führungskräfte müssen den Fehler vermeiden, eine KI-Lösung zu kaufen und später herauszufinden, auf welche Probleme sie sie anwenden sollen.
Darüber hinaus ist es bei der Anwendung von KI auf einen Anwendungsfall oder ein Problem wichtig, dass Führungskräfte Möglichkeiten finden, den Prozess rund um diesen Anwendungsfall zu ändern, um den vollen Nutzen aus der Technologieinvestition zu ziehen.
Letztendlich gibt es im Gesundheitswesen kein komplizierteres Geschäft als die Akutversorgung. Folglich wird das Hinzufügen einer einzigen Technologie – egal wie ausgefeilt die Lösung ist – nicht dazu führen, dass die betrieblichen Herausforderungen von Krankenhäusern verschwinden. Durch den Einsatz von KI für spezifische Anforderungen, die den Problemen zuvorkommt, die Möglichkeit bietet, proaktiv Entscheidungen zu treffen und betriebliche Änderungen am Patientenfluss voranzutreiben, können Krankenhausleiter jedoch damit beginnen, Möglichkeiten zur Verbesserung des Patientendurchsatzes, der betrieblichen Effizienz und der Patientenergebnisse zu erschließen.
Bildnachweis: elenabs, Getty Images
Jonathan Shoemaker kam 2023 als Chief Executive Officer zu ABOUT und bringt mehr als 25 Jahre Erfahrung im Gesundheitssystem und in Informationssystemen sowie eine nachgewiesene Erfolgsbilanz bei der Transformation und Umsetzung von Initiativen und Lösungen mit, die die Gesundheitsversorgung, den Betrieb und das Wachstum verbessern.
Bevor er zu ABOUT kam, war Jonathan zuletzt Senior Vice President of Operations und Chief Integration Officer sowie Mitglied des Senior Executive Teams und leitete das Performance Transformation Office von Allina Health. Vor seiner letzten Tätigkeit bei Allina war Shoemaker sechs Jahre lang Chief Information Officer und Chief Improvement Officer von Allina Health. Vor Jonathans Tätigkeit bei Allina hatte er Führungspositionen bei führenden IT- und Gesundheitsunternehmen inne, darunter NorthPoint Health and Wellness Center, BORN Consulting und Hennepin County Medical Center.
Dieser Beitrag erscheint über das MedCity Influencers-Programm. Über MedCity Influencer kann jeder seine Sicht auf Wirtschaft und Innovation im Gesundheitswesen auf MedCity News veröffentlichen. Klicken Sie hier, um herauszufinden, wie.
