De la même manière que les gens peuvent « discuter » avec de grands modèles de langage comme GPT-4, les cliniciens de soins de santé de Stanford peuvent désormais interagir avec les dossiers médicaux d’un patient via un logiciel soutenu par AI appelé Chatehr.
La technologie, actuellement en phase pilote, leur permet de poser des questions sur les antécédents médicaux d’un patient, résume automatiquement les graphiques et effectuer d’autres tâches. Chatehr utilise les informations des dossiers de santé d’un individu pour fournir sa réponse.
« L’IA peut augmenter la pratique des médecins et d’autres prestataires de soins de santé, mais il n’est pas utile à moins qu’il ne soit ancré dans leur flux de travail et les informations que l’algorithme utilise est dans un contexte médical », a déclaré Nigam Shah, MBBS, Ph.D., directeur des sciences des données de Stanford Health Care, qui a dirigé l’équipe dans le développement de la technologie. « Chatehr est sécurisé; il tire directement des données médicales pertinentes; et elle est intégrée dans le système de dossier médical électronique, ce qui facilite la tâche et la précision pour une utilisation clinique. »
Le logiciel est en développement depuis 2023, lorsqu’une équipe de chercheurs en médecine de Stanford dirigée par Shah; Anurang Revri, vice-président et architecte en chef de l’entreprise de la technologie et des services numériques de Stanford Health Care; Et d’autres ont reconnu le potentiel de modèles de grandes langues et ont été inspirés pour créer quelque chose d’utile pour les cliniciens.
« Chatehr ouvre une nouvelle façon pour les cliniciens d’interagir avec les dossiers de santé électroniques d’une manière plus rationalisée et efficace, que cela demande un résumé de l’ensemble du graphique ou de récupérer des points de données spécifiques pertinents pour les soins du patient », a déclaré Michael Pfeffer, MD, Informations en chef et officier numérique pour Stanford Health Care et The School of Medicine, qui a aidé à mener à bien le développement et l’intégration des logiciels.
« Il s’agit d’un exemple unique d’intégration des capacités LLM directement dans la pratique et le flux de travail des cliniciens. Nous sommes ravis de l’apporter à la main-d’œuvre de Stanford Health Care. »
Recherche, résumé et collecte d’informations plus rapides
Actuellement, le logiciel n’est accessible qu’à une petite cohorte de personnes de l’hôpital de Stanford – 33 médecins, infirmières, assistants des médecins et infirmières praticiennes – qui surveillent ses performances, affinent sa précision et améliorent son utilité.
« Rendre les enregistrements médicaux électroniques plus conviviaux signifie que les médecins peuvent passer moins de temps à parcourir tous les coins et recoins pour les informations dont ils ont besoin », a déclaré Sneha Jain, MD, professeur adjoint de médecine clinique qui a été un premier utilisateur de la technologie. « Chatehr peut les aider à obtenir ces informations à l’avance afin qu’ils puissent passer du temps sur ce qui compte – parler aux patients et comprendre ce qui se passe. »
Lorsque les cliniciens accèdent à l’outil, ils sont accueillis avec: « Salut, 👋 Je suis Chatehr! Ici pour vous aider à discuter en toute sécurité avec le dossier médical du patient. »
À ce stade, ils peuvent taper une série de questions sur le patient: cette personne a-t-elle des allergies? Que montre leur dernier test de cholestérol? Ont-ils eu une coloscopie? Les résultats étaient-ils normaux?
Chatehr n’est pas destiné aux conseils médicaux, a déclaré Shah. Le logiciel est un outil de collecte d’informations qui peut accélérer le processus et, idéalement, gagner du temps. Toutes les décisions restent entre les mains des experts en soins de santé.
Au-delà d’une seule recherche, Chatehr peut accélérer de nombreuses tâches qui prennent du temps qui font partie de la charge de travail quotidienne d’un médecin. Jonathan Chen, MD, Ph.D., médecin de l’hôpital et professeur adjoint de médecine et de sciences biomédicales des données, a noté que lorsqu’un patient vient aux urgences, le médecin admettant doit rapidement comprendre comment les aider.
« Ce n’est pas seulement la douleur thoracique qu’ils ont à ce moment-là qui compte – c’est toute leur histoire, ce qui a conduit à ce moment. Toutes leurs antécédents sont pertinents. Quels médicaments étaient-ils, quels effets secondaires avaient-ils, quelles chirurgies ont eu lieu et comment cela les a-t-il affectés? » Il a dit. « C’est une tonne de travail pour revenir en arrière et trouver toutes ces informations pendant un cas sensible au temps, donc accélérer ce processus serait d’une grande aide. »
Il a ajouté que Chatehr pourrait être utile dans certains cas de transfert. Les patients transférés à l’hôpital de Stanford pour des soins plus avancés arrivent généralement avec un grand paquet d’informations, parfois des centaines de pages.
« Tous ces antécédents médicaux sont cruciaux, mais aller dans le froid et passer au crible, c’est un énorme ascenseur », a déclaré Chen. « Le fait de faire bouillir ce chatehr en un résumé pertinent rendrait ce processus plus fluide. » Et, a-t-il dit, ce ne sont pas seulement des résumés de haut niveau que Chatehr fournit – le médecin peut également poser des questions de suivi pour mieux comprendre les antécédents du patient.
L’équipe construit également quelque chose qu’ils appellent des «automatisations» ou des tâches d’évaluation en fonction des antécédents et des enregistrements d’un patient. Par exemple, l’équipe a créé une automatisation qui peut déterminer s’il est approprié de transférer un patient à l’unité de soins aux patients de l’hôpital de Sequoia affilié à Stanford Medicine, qui offre plus de chambres de patients.
« Cette évaluation automatisée nous permet d’économiser le fardeau administratif du crible par le biais d’informations sur les patients et nous aide à déterminer rapidement si un patient peut être transféré, ouvrant l’accès aux soins ici à l’hôpital de Stanford », a déclaré Shah. Lui et d’autres travaillent sur d’autres automatisations, ce qui déterminerait l’admissibilité aux soins palliatifs, par exemple, ou recommanderait une attention supplémentaire après la chirurgie.
Poursuivre le déploiement
Shah et l’équipe continueront d’évaluer les cas d’utilisation de Chatehr à l’aide de Medhelm, un cadre open-source, flexible et rentable pour l’évaluation LLM du monde réel en médecine. Il existe également d’autres fonctionnalités d’inscription de précision qui sont en développement, telles que des citations qui montrent aux cliniciens d’où des informations proviennent du dossier médical.
À mesure que la technologie se développe, l’objectif est d’ouvrir le chatehr à tous les cliniciens qui regardent les tableaux des patients. « Nous déploions cela conformément à nos directives responsables de l’IA, non seulement en garantissant l’exactitude et les performances, mais nous nous assurons que nous disposons des ressources éducatives et du soutien technique pour rendre Chatehr utilisable et utile à notre main-d’œuvre », a déclaré Shah.