AI • 物聯網 • 網路邊緣

醫療專業人士有一項獨特的使命：為病患提供最佳的照護。但從入院到出院，以及其中的所有過程，他們都面臨無數的挑戰。

長期的人力短缺、資源不足以及緊縮的預算只是冰山一角。其中最大的挑戰在於如何在病患住院期間，取得有關病情的重要資訊，特別是監測病患的生物醫學設備每秒時間序列的波形資料。在跟時間賽跑的情況下，醫院如何利用這些資料，讓醫療團隊能輕鬆取得？

時間序列資料的重要性

應對這項挑戰的解方是單一的開放平台，持續收集、處理和整合資料，並即時呈現給臨床醫師。以休斯頓八間醫院所組成的體系為例，其中存在人力配置和照護人員數量不足的問題，夜間時段的挑戰更是嚴峻。這樣的情況迫使他們做出艱難的決定，比如聘請更多旅行護士和醫師，或是拒絕病患。在該組織導入 Medical Informatics Corp. (MIC) 廠商中立、軟體型監測和分析解決方案 Sickbay^® Clinical 平台後，事情迎來了轉機。

Sickbay 是經 FDA 核可的軟體臨床平台，可協助醫院標準化病患監測。這項平台能在單一互聯架構上實現大規模靈活照護模型，並且開發 與部署以病患為中心的AI。Sickbay 重新定義了在 EMR 系統和 PAC 影像中儲存和取得靜態資料的傳統方法。網頁式架構可以將近乎即時的串流和標準化資料提供給照護團隊，無論在何處何地，都能以相同的整合方式支援各式工作流程。範圍包括電腦和行動裝置上的嵌入式 EMR 報告與監控資料。

MIC 的產品與創新長暨共同創辦人 Craig Rusin 表示：「 一個病患的床頭監測設備每個小時產生差不多 800,000 個資料點，大概只有 20 個點在臨床上有用。」一般人有所不知，照護人員很難在有距離的情況下聽見或查看非網路設備（如患者房間外的呼吸機）發出的警報。另有類似的情況，現行的病患監測並未使用 AI 工具現有的資料來改善病患照護。

評估影響

採用 Sickbay 的醫院和醫療體系重新定義了病患監控方式，並呈現以下成果，開創靈活、資料導向的全新照護標準：

• 快速增加床位和人員數量，同時打造靈活的虛擬照護模式，超越傳統的遠距照護、接收和出院。
• 向已在單位、服務或待命的人員提供更多近乎即時的回顧性資料，改善工作流程和照護。
• 建立虛擬護理站，一名護士可以通過單一使用者介面跨單位和/或設施監控 50 多名患者。
• 利用相同的基礎架構成立虛擬指揮中心，監控病患整體照護過程。

不論部署方式為何，Sickbay 都能將控制權交還給醫療團隊，並直接為醫院帶來效益。根據報告，使用 Sickbay 的效益包括減少人力、資本和年度維護成本，以及提高人員、病患和家屬滿意度。最重要的是，採用 Sickbay 的客戶看到了對照護品質和成效提升的直接影響，包括減少住院時間、急救事件發生及加護病房轉移，並且縮短呼吸器使用、雙重簽署、與治療時間。

這樣的成效促使其他醫院重新思考病患監測，實現近乎即時、以病患為中心的 AI 願景。醫療領域的領導者已經證明，透過回歸團隊型護理，增加虛擬人員有助於幫助扭轉人力危機。Rusin 表示：「這並不是要把護士從病患身邊帶走。而是要把一些工作任務集中起來。」在未來可預見的情況下，永遠不會有夠多的護士、醫師和呼吸治療師來滿足所有需求。我們要讓床邊團隊重新回歸到床邊照護。靈活的虛擬照護支援可以實現這個目標。」

改變照護經濟效益

Sickbay 提供改變監測病患的經濟效益，直接影響品質和成效改善。

無論功能或品牌，關鍵在於整合不同設備的能力。Rusin 談到：「我們打造的環境讓醫療人員能夠取得前所未見的資料，而且用史上最經濟可行的方式在這個基礎上建立內容。」

MIC 的策略市場執行副總裁 Heather Hitchcock表示，對醫療機構來說，掌握可用的資料有著深遠的影響。正如一位醫師所說：「我一分鐘內要處理 300 個資料點。沒有機器會幫我做決策，但 Sickbay 幫我更快處理這些資料，做出正確的決策，拯救更多生命。」

從可擴充的病患監測到預測性分析

Sickbay 的價值不僅限於近乎即時的病患監測和虛擬照護，還包含改善長期治療。Sickbay 支援利用相同的資料來發展與部屬預測性分析，協助提前應對惡化及風險。

客戶目前持續在 Sickbay 上發展分析。例如，一位客戶將 32 個近乎即時的多模型風險分數整合到虛擬照護工作流程中。另一位客戶建立了 Sickbay 運算法，分析由兩個獨立監測裝置產生的資料，確定病患理想的血壓水準。Rusin 提到：「要進行這款特定分析，就需要床邊監測器的血壓波形，還有另一台監測器的腦血密度。」

以資料拯救生命

今日整體照護過程的病患治療，將為明日的照護帶來改善。要實現這一點，可靠、具體的資料是起步的要素。如果缺乏這些資料，臨床醫師只能依靠猜測來應對病患身體最迫切的照護需求，少了他們夢寐以求的資料導向決策支持。這種情況將會導致速度緩慢、成本高昂、照護人員待遇不公平，最終無法為病患帶來最大益處。

為了真正實現治療方法與對象一樣具體和個性化的未來，醫療領域必須以產生最大影響力的方式利用病患資料，也就是具體、準確、近乎即時、不受廠商影響、可轉換且得以立即取得。利用時間序列資料的力量，醫療機構能夠以更有效的方式幫助更多人。拯救生命是醫療的首要使命。
 

本文編輯 insight.tech 編輯總監 Georganne Benesch。