Triage ved hjelp av kunstig intelligens diskuteres for tiden intenst i primærhelsetjenesten. Selv om teknikken fortsatt er i sin spede begynnelse, mener mange at vi må komme i gang nå og lære å integrere KI-baserte verktøy for forbedret etterspørselsstyring. En av disse talspersonene er Minna Haanpää, en sykepleier som spesialiserer seg på bedriftshelse og er en del av Visibas medisinske team. Vi snakket med henne for å forstå hvordan KI-baserte triageverktøy kan støtte arbeidet til sykepleiere og klinisk personell i dag, hvis de brukes riktig.
Hei, Minna! Hvordan mener du KI-triage kan støtte klinisk personell, for eksempel deg selv?
Det sparer rett og slett tid. Du trenger ikke å bruke verdifulle kliniske ressurser på å samle inn informasjon om pasientens tilstand. I stedet får du denne informasjonen servert. Å vite mer om hvorfor pasienten oppsøker helsetjenesten, gir den avtalte timen et bedre fokus, siden du xallerede har verdifull informasjon å bygge videre på. Det kan også gjøre det enklere å bestemme hva som er neste skritt og bidra til bedre prioriteringer blant innkomne arbeidsoppgaver. Siden KI-triage er integrert med meldingsfunksjonalitet, blir det mulig å håndtere flere pasienttilfeller parallelt, og dermed hjelpe flere pasienter uten å blokkere telefonlinjene. Men vi må også se på det fra pasientens side. Pasienter skal ikke måtte vente i endeløse telefonkøer når de prøver å kontakte helsetjenesten. Min erfaring er at pasienteneer ganske fornøyde med å svare på spørsmål ved hjelp av et automatisert verktøy før timeavtalen, spesielt hvis de føler at vurderingen er skreddersydd til deres spesifikke tilfelle.
Hvorfor er det viktig å finne nye måter å håndtere pasientetterspørselen på?
Vel, det er ingen nyhet at etterspørselen etter helsetjenester overstiger tilbudet. Det samme gjaldt også før pandemien. Når du kontakter fastlegen din i Sverige, er det første kontaktpunktet ditt vanligvis en sykepleier. Sykepleieren gjør den første vurderingen og, basert på denne vurderingen, bestemmes veien videre. Det er flere problemer med denne måten å jobbe på. For det første er det aldri tilstrekkelig telefontid eller avtaletid for å møte den faktiske etterspørselen. For det andre vet sykepleieren aldri hvem som er den neste–eller siste–i køen og dermed hvilken pasient som har størst behov for å treffe legen. For det tredje tar administrative oppgaver og telefontjenester verdifull tid, tid som det er bedre å bruke på å behandle pasienter som trenger det.
Hvorfor er vurderinger av medisinsk historikk og triage et utmerket sted å starte når du introduserer KI?
Hvorfor? Fordi vi desperat trenger å forbedre etterspørselsstyringen. Vi har ikke tilstrekkelig helsepersonell til å holde tritt med behandlingsbehovet. Derfor må vi finne måter å jobbe mer effektivt på. Som jeg tidligere har nevnt, gjøres innledende triage i Sverige som oftest sykepleiere. Det er mer effektivt fra legens ståsted. Men det er mangel på sykepleiere, og ganske ofte er de som jobber i legemottak i begynnelsen av karrieren og derfor mindre erfarne. Et KI-triage-verktøy kan gjøre det lettere for dem å ta riktige avgjørelser når de ska vurdere om pasientens sak haster, kan vente i en uke, eller til og med løses ved å gi råd om egenpleie i stedet for å bestille et virtuelt eller fysisk besøk hos en fastlege.
De fleste som jobber i helsevesenet har en høy arbeidsbelastning. Kan et KI-triageverktøy redusere dette presset?
Helsepersonell har ofte problemer med at de ikke har kapasitet til å treffe nok pasienter.Helsevesenet er ikke dimensjonert for det økende antallet pasienter og tilstandenes alvorlighetsgrad. Folk lever lenger, og ganske ofte blir de sykere eller lider av flere sykdommer. Og så legger du til den kognitive belastningen ved all den informasjonen som helsepersonell trenger å behandle daglig. Da blir det tydelig at et kraftig KI-basert støtte – og triageverktøy også er ganske nyttig for et mer erfarent team. De fleste pasienter som kontakter fastlegen lider av mindre alvorlige tilstander, men det kan være mer alvorlige problemer som gjemmer seg bak det åpenbare, for eksempel kreft eller en ennå ikke oppdaget hjertesykdom. For allmennleger kan det å få sannsynlige differensialdiagnoser bidra til å avlaste en del kognitiv belastning og redusere unødvendig stress.
Det er fortsatt en viss skepsis til bruk av kunstig intelligens i helsevesenet. Hvordan kan vi få flere til å forstå verdien det har?
På mange måter handler det om endringsledelse og mot. I helsevesenet prøver vi alltid å unngå risiko. Vi ønsker ikke å skade pasienter, men vi vet også at det alltid er en risiko. Som leverandør som utvikler kunstig intelligens for helsetjenester, må vi forstå kompleksiteten: presset på de ansatte, fokuset på risikounngåelse og angsten for å gjøre feil. Vi må vise fram fordelene og si at ja, vi vet at du er overarbeidet og at denne endringen i utgangspunktet kan legge enda mer press på deg, men hvis du gir det tid, vil du få så mye tilbake. Og vi må være tydelige på at det er gunstig for helseorganisasjonen og det kliniske personalet som vil oppleve betydelige forbedringer i etterspørselsstyring og redusert kognitivt stress. Og vi må også vise fordelene for pasientene, som vil få mer personrettet og tilgjengelig helsehjelp av høyere kvalitet. Vi har fortsatt et stykke å gå, men vi er på god vei!