弹性电子健康记录:应用人工智能到电子健康记录维护,配置和使用的五层框架

科学领域:

• 医疗信息学 医疗信息学
• 医疗保健中的人工智能
• 电子健康记录系统 电子健康记录系统

背景情况:

• 与其他数字化行业相比,现代电子健康记录 (EHR) 提出了配置挑战,阻碍了效率和节省成本的潜力.
• 当前的人工智能解决方案,如面向用户的副驾驶员,受到底层EHR配置的限制,导致效率低下和高维护成本.

研究的目的:

• 为主动EHR优化提出一个新的"弹性EHR"概念.
• 引入一个五层模型,用于结构化的AI集成到EHR系统中.
• 为了降低EHR治理成本,增强用户体验,减轻常见的挫折感.

主要方法:

• 人工智能集成的五层框架:自主数据库重新配置,客户端驱动的性能塑造,选择架构优化,内容货币维护和上下文依赖的人工智能副驾驶员.
• 专注于主动建议和验证EHR内容和配置更改.
• 分析用户行为,以尽量减少点击和按键,以提高工作流的效率.

主要成果:

• 拟议的弹性EHR模型旨在显著降低治理成本并改善用户体验.
• 有可能降低文档负担,警报疲劳和系统响应性问题.
• 确保EHR仍然基于证据,并符合不断变化的临床指南.

结论:

• 弹性EHR模型为AI集成提供了一个结构化的方法,用于优化EHR系统.
• 克服诸如供应商市场主导地位和适应性AI系统的需求等局限性对于广泛采用至关重要.
• 支持人工智能的EHR有潜力充分实现医疗数字化的好处,提高护理的效率和质量.