Guardoc Health ประมวลผลเอกสารคลินิกด้วยโมเดล Amazon Nova ผ่าน Bedrock
Guardoc Health ใช้โมเดล Amazon Nova ผ่าน Amazon Bedrock ประมวลผลเอกสารทางการแพทย์กว่า 1 ล้านฉบับต่อวัน ช่วยลดข้อผิดพลาดและต้นทุนการปฏิบัติตามกฎระเบียบ
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
- Guardoc Health ประมวลผลเอกสารคลินิกกว่า 1 ล้านฉบับต่อวันผ่านโมเดล Amazon Nova บน Amazon Bedrock
- ระบบช่วยลดข้อผิดพลาดในการจัดทำเอกสารลง 46 เปอร์เซ็นต์ และลดค่าปรับจากการตรวจสอบลง 70 เปอร์เซ็นต์
- สถาปัตยกรรมระบบออกแบบด้วยตรรกะการแบ่งระดับต้นทุน ผสานการทำงานของ Amazon Textract, Titan และ Nova Pro
- การจัดการเอกสารที่ซับซ้อน เช่น ลายมือแพทย์และแบบฟอร์มหลากหลายรูปแบบ ช่วยป้องกันความเสี่ยงด้านการรักษาพยาบาลและการเบิกจ่าย
การนำปัญญาประดิษฐ์หรือ AI เข้ามาประยุกต์ใช้กับเอกสารทางคลินิกถือเป็นเรื่องของการคำนวณความเสี่ยงที่แม่นยำ หากระบบทำงานผิดพลาด ความเสียหายจะสะสมกลายเป็นปัญหาใหญ่ เช่น การถูกปฏิเสธการเบิกจ่าย Medicare ภายใต้โมเดลการจ่ายเงินตามอาการผู้ป่วย (Patient-Driven Payment Model) ค่าปรับจากการตรวจสอบ การถูกฟ้องร้อง และในกรณีที่แย่ที่สุดคือการวินิจฉัยโรคตกหล่นซึ่งส่งผลโดยตรงต่อแนวทางการรักษาผู้ป่วย
ในทางกลับกัน หากระบบทำงานได้อย่างถูกต้อง ผลลัพธ์ที่ได้คือการแก้ไขข้อมูลที่ลดลง การย้ายผู้ป่วยไปโรงพยาบาลน้อยลง และต้นทุนการปฏิบัติตามกฎระเบียบที่ลดต่ำลง โดยทาง Guardoc Health บริษัทผู้พัฒนาซอฟต์แวร์จัดทำเอกสารสำหรับผู้ให้บริการดูแลผู้ป่วยระยะยาว ได้เผยแพร่ตัวเลขการใช้งานที่สะท้อนถึงความสำเร็จในด้านดังกล่าว
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
กระบวนการทำงานของ Guardoc Health ต้องรองรับเอกสารที่เข้ามาเกือบทุกรูปแบบที่สถานพยาบาลจะผลิตขึ้นได้ ไม่ว่าจะเป็นไฟล์ PDF หลายหน้าที่มีลายมือแพทย์เขียนทับข้อความพิมพ์ แบบฟอร์มขออนุมัติล่วงหน้าที่สถานะของช่องทำเครื่องหมายเพียงอย่างเดียวสามารถตัดสินการคุ้มครองได้ รายการยาที่ปรากฏเป็นตารางสะอาดในชาร์ตหนึ่งแต่กลับเป็นข้อความอิสระในชาร์ตถัดไป รวมถึงแบบฟอร์มรับผู้ป่วยที่ผสมผสานระหว่างช่องพิมพ์ ตราประทับยาง และลายมือเขียนหน้าเดียวกัน
งานวิจัยที่ตีพิมพ์ในวารสาร BMJ Quality and Safety ระบุว่าจำนวนผู้ป่วยนอกในสหรัฐอเมริกาที่ได้รับผลกระทบจากข้อผิดพลาดในการวินิจฉัยโรคมีอยู่ราว 12 ล้านคนต่อปี โดยมีความล้มเหลวในการจัดการข้อมูลเป็นหนึ่งในปัจจัยร่วม และด้วยปริมาณงานที่ Guardoc ประมวลผล หากอัตราความผิดพลาดในการตรวจหาภาวะโรคอยู่ที่เพียงหนึ่งเปอร์เซ็นต์ ก็จะสร้างบันทึกที่ไม่ถูกต้องหลายพันรายการต่อวัน ซึ่งแต่ละรายการล้วนส่งผลกระทบต่อความปลอดภัยของผู้ป่วยหรือการปฏิบัติตามกฎระเบียบทั้งสิ้น
Guardoc รายงานว่าระบบสามารถลดข้อผิดพลาดในการจัดทำเอกสารลง 46 เปอร์เซ็นต์ ลดค่าปรับจากการตรวจสอบลง 70 เปอร์เซ็นต์ และสร้างผลตอบแทนจากการลงทุน (ROI) มากกว่า 400,000 ดอลลาร์ต่อปีสำหรับสถานที่เพียงแห่งเดียว แม้จะไม่ได้เผยแพร่ช่วงเวลาพื้นฐานหรือระเบียบวิธีเบื้องหลังการคำนวณเหล่านั้นก็ตาม ทั้งนี้ในการใช้งานไตรมาสหนึ่งซึ่งครอบคลุมสถานพยาบาล 2 แห่งและผู้ป่วย 200 คน บริษัทระบุว่าระบบขับเคลื่อนการแก้ไขเอกสาร 847 ครั้ง ทำเครื่องหมายประเด็นที่ผูกพันกับความถูกต้องในการเบิกจ่าย PDPM จำนวน 86 ประเด็น และเชื่อมโยงกับการลดการส่งตัวผู้ป่วยไปโรงพยาบาลลง 74 เปอร์เซ็นต์ต่อการรับผู้ป่วย 100 ราย
การนำ AI มาใช้กับเอกสารทางการแพทย์มีความซับซ้อนสูง เนื่องจากข้อมูลผู้ป่วยมักกระจัดกระจายและมีรูปแบบที่ไม่เป็นทางการ เช่น ลายมือเขียนหรือตารางข้อมูลที่ถูกแฟกซ์ส่งต่อกันหลายทอด การออกแบบสถาปัตยกรรมแบบแบ่งระดับต้นทุน (Cost-tiering) จึงเป็นแนวทางสำคัญในการบริหารจัดการทรัพยากรประมวลผล โดยให้โมเดลราคาประหยัดคัดกรองข้อมูลปริมาณมากก่อน แล้วจึงส่งเฉพาะข้อมูลที่ซับซ้อนจริงๆ ไปให้โมเดล Multimodal ขั้นสูงวิเคราะห์ เพื่อรักษาสสมดุลระหว่างความแม่นยำและต้นทุนการดำเนินงาน
สถาปัตยกรรมของ Guardoc ดำเนินการจำแนกประเภทภาวะโรคผ่านการสร้างการเพิ่มด้วยการดึงข้อมูล (Retrieval-Augmented Generation - RAG) โดยดึงหลักฐานจากเอกสารของผู้ป่วยเองก่อนที่จะใช้เหตุผลประมวลผลเพื่อหาคำตอบสุดท้าย โดยขั้นตอนแรก Amazon Textract จะดึงข้อความและข้อมูลเมตาเชิงโครงสร้างจากแต่ละหน้าเข้ามาในต้นทุนต่อหน้าที่ต่ำที่สุด จากนั้นจึงแบ่งข้อมูลออกเป็นส่วนๆ ตามขอบเขตทางคลินิกเพื่อให้รายการยาหรือส่วนการวินิจฉัยยังคงอยู่ครบถ้วน
แต่ละส่วนจะถูกแปลงเป็นเวกเตอร์ด้วย Amazon Titan Text Embeddings V2 และจัดเก็บไว้ใน Amazon DynamoDB โดยแบ่งพาร์ติชันตามผู้ป่วยเพื่อความปลอดภัย ตัวกรองล่วงหน้าแบบกำหนดเองจะช่วยจำกัดชุดข้อมูลตามประเภทเอกสารและความสดใหม่ ก่อนที่การค้นหาแบบ k-nearest neighbour จะดึงข้อมูลส่วนที่เกี่ยวข้องมากที่สุดเพื่อรักษาความเบาของการถ่ายโอนข้อมูล จากนั้น Amazon Nova 2 Lite จะทำหน้าที่คัดกรองข้อความเพื่อตัดรายการที่ไม่เกี่ยวข้องออก เหลือเพียงหน้าเอกสารที่ผ่านทุกตัวกรองที่จะส่งต่อไปยัง Amazon Nova Pro เพื่อวิเคราะห์เลย์เอาต์ ลายมือ ลายเซ็น และตราประทับเชิงลึก
ที่มา: AI News
พบข้อมูลผิดพลาดในบทความนี้? แจ้งปัญหาบทความนี้
ความคิดเห็น
แสดงความคิดเห็น