Czy AI może analizować skargi i ankiety satysfakcji pacjentów w szpitalu i przychodni?

AI może kategoryzować, grupować i analizować skargi pacjentów oraz dane z ankiet satysfakcji znacznie szybciej niż pracownik przeglądający kolejkę maili albo teczki z pismami. Nie zastępuje procedury rozpatrywania skargi ani bezpośredniego kontaktu z pacjentem, ale potrafi pokazać, które oddziały generują skargi danego rodzaju, jakie tematy narastają i gdzie jest problem, zanim trafi on na biurko dyrektora jako oficjalne pismo lub post w mediach społecznościowych. W skrócie: AI pozwala zarządzać tym obszarem systematycznie, a nie wyłącznie reaktywnie.

Dlaczego ręczna analiza skarg i ankiet nie działa

Większość placówek zbiera dane o satysfakcji pacjentów. Często dlatego, że wymaga tego NFZ, bo CMJ pyta o to przy akredytacji, albo bo dyrektor kiedyś zarządził ankietowanie po wypisie. I na tym się kończy. Ankiety trafiają do szuflady albo ktoś raz na kwartał liczy średnią z odpowiedzi i wpisuje ją do sprawozdania.

Problem w tym, że pojedyncza średnia nic nie mówi. Jeśli na oddziale internistycznym wzrasta liczba skarg dotyczących czasu oczekiwania na wyniki badań, a na chirurgii rośnie niezadowolenie z jakości informowania rodzin, to z ogólnego wyniku 3,8 na 5 tego nie odczytasz. AI to rozdziela, etykietuje i pokazuje per oddział, per kategoria problemu, per miesiąc.

U jednego z naszych klientów ponad połowa skarg z jednego kwartału dotyczyła dokładnie jednego zagadnienia: braku informacji o szacowanym czasie oczekiwania na przyjęcie na izbę przyjęć. Problem był do naprawienia w tydzień, prostą procedurą informacyjną. Ale bez analizy treści skargi leżały w archiwum opisane jako "niezadowolenie z obsługi ogólne".

Co konkretnie AI potrafi zrobić z danymi o skargach i ankietami

Zacznijmy od tego, z czym AI realnie sobie radzi:

• Klasyfikacja automatyczna: każda skarga dostaje etykietę tematyczną, na przykład "czas oczekiwania", "postawa personelu pielęgniarskiego", "błąd informacyjny przy wypisie", "warunki bytowe sali", bez ręcznego czytania przez pracownika działu jakości
• Priorytetyzacja pilności: skargi zawierające zwroty sugerujące zdarzenie niepożądane, bezpośrednią krzywdę lub groźbę złożenia skargi do NFZ albo Rzecznika Praw Pacjenta trafiają do osobnego, pilnego koszyka zamiast czekać w kolejce
• Wykrywanie trendów w czasie: jeśli w ciągu czterech tygodni skarg na temat "czystości pomieszczeń sanitarnych" przybywa, system to sygnalizuje z wyprzedzeniem, a nie dopiero kiedy problem staje się głośny
• Analiza odpowiedzi otwartych w ankietach: pytanie "Co możemy poprawić?" generuje wolny tekst, który bez wsparcia narzędzia praktycznie nikt nie analizuje systematycznie. AI wyciąga z tego powtarzające się tematy i grupuje je tematycznie
• Porównanie oddziałów i punktów kontaktu: rejestracja, oddział, apteka szpitalna, gabinet zabiegowy mogą mieć zupełnie różne profile problemów. AI pokazuje gdzie, nie tylko ile
• Propozycja projektu odpowiedzi: na podstawie kategorii skargi i gotowych szablonów system może przygotować wersję roboczą pisma do pacjenta, którą pracownik weryfikuje, poprawia i podpisuje

Czego AI nie zrobi: nie podejmie decyzji o uznaniu skargi za zasadną, nie oceni okoliczności zdarzenia i nie podpisze odpowiedzi. Nie powinno. To zawsze jest decyzja człowieka z uprawnieniami.

Skąd AI bierze dane i jak to wygląda od strony procesu

To zależy od tego, jak dziś zbierasz skargi i ankiety. Typowo dane spływają kilkoma kanałami jednocześnie: e-mail na adres przeznaczony do skarg, formularz kontaktowy na stronie placówki, pisma złożone fizycznie w rejestracji lub sekretariacie, papierowe ankiety rozdawane przy wypisie, ankiety wysyłane SMS-em lub e-mailem automatycznie po wizycie, wpisy w księgach skarg i wniosków.

AI radzi sobie dobrze tam, gdzie dane są już cyfrowe. E-maile i formularze idą do systemu bezpośrednio. Pisma papierowe i ankiety drukowane wymagają skanowania i OCR, co jest technicznie możliwe, ale dodaje etap. Rozmowy telefoniczne można transkrybować, jeśli nagrywasz infolinię i dysponujesz stosownymi zgodami rozmówców.

Przy rozmowie z klientem patrzymy najpierw na to, ile danych jest już w formie cyfrowej i co można zebrać bez zmiany całej infrastruktury. Często wystarczy podłączyć istniejący formularz i skrzynkę mailową, żeby zacząć i zobaczyć pierwsze wyniki w ciągu kilku tygodni.

RODO, IOD i prawa pacjenta: co trzeba sprawdzić przed uruchomieniem

Skargi i ankiety zawierają dane osobowe. Część z nich zawiera też opisy sytuacji zdrowotnych, co klasyfikuje je jako dane szczególnej kategorii w rozumieniu RODO. To nie jest kwestia, którą można pominąć.

Kilka rzeczy warto omówić z Inspektorem Ochrony Danych przed uruchomieniem systemu:

• Podstawa prawna przetwarzania: przetwarzanie skargi w celu jej rozpatrzenia ma co do zasady podstawę prawną wynikającą z obowiązków podmiotu leczniczego, bez odrębnej zgody pacjenta. Jeśli jednak chcesz automatycznie łączyć dane ze skargi z historią medyczną pacjenta w HIS-ie, potrzebujesz osobnej analizy prawnej przed wdrożeniem
• Dane anonimowe do analiz trendów: jeśli AI ma analizować wzorce i trendy, a nie rozpatrywać konkretną skargę, warto pracować na danych z usuniętymi polami identyfikującymi. Wtedy większość trudności wynikających z RODO znika
• Umowa powierzenia przetwarzania: jeśli dane ze skarg trafiają do zewnętrznego systemu AI, konieczna jest podpisana umowa powierzenia przetwarzania danych z dostawcą oraz zaktualizowane klauzule informacyjne dla pacjentów

To nie są przeszkody nie do pokonania. To lista rzeczy do odhaczenia przed startem, nie po.

Kiedy to ma sens, a kiedy lepiej zacząć od czegoś innego

Wdrożenie analizy AI na skargach i ankietach ma sens wtedy, gdy spełnione są co najmniej dwa z trzech warunków: masz już regularny strumień danych cyfrowych, ktoś w placówce formalnie odpowiada za analizowanie tych danych i raportowanie z wyników, i zależy ci na porównaniu oddziałów między sobą albo śledzeniu trendów w czasie.

Kiedy lepiej poczekać? Jeśli dziś wszystko jest papierowe i nie ma żadnego procesu cyfrowego zbierania danych, zacznij od digitalizacji procesu. AI to narzędzie do analizy danych, nie do ich stworzenia. Nie ma co budować analizy na stercie niezeskanowanych kartek leżących w szufladzie sekretariatu.

Jeśli placówka ma kilka skarg rocznie, ręczna analiza wystarczy i będzie tańsza. Skalowanie narzędzia do skali problemu jest częścią dobrego planowania.

Od czego zaczynamy w praktyce

Pierwsze pytanie, które zadajemy w rozmowie z klientem: gdzie dziś fizycznie lądują skargi pacjentów i kto za nie formalnie odpowiada? Odpowiedź bywa zaskakująca. Skargi są często rozproszone między recepcją, działem jakości, sekretariatem dyrektora i skrzynką mailową bez wyznaczonego opiekuna.

Następnie sprawdzamy, jakie kanały zbierania ankiet działają i w jakiej formie dane z nich trafiają do placówki: papierowe po wypisie, automatyczne po wizycie, platforma zewnętrzna, cokolwiek innego. To zajmuje jedno spotkanie robocze.

Mając ten obraz, można zaproponować konkretny zakres: co AI może wziąć na siebie od razu przy minimalnych zmianach w procesie, a co wymaga wcześniejszego porządku w danych. Zwykle pierwsze wyniki widać szybko. Analiza trendów wymaga kilku miesięcy regularnego zbierania danych, zanim wykresy zaczną mówić coś interesującego.

Jeśli chcesz sprawdzić, jak to mogłoby wyglądać w twojej placówce, umów się na bezpłatny audyt. Sprawdzimy, jakie dane już masz i co da się z nimi zrobić bez wielkiego projektu. Możesz też zobaczyć, jak podobne wdrożenia wyglądały u innych, na stronie z realnych wdrożeń.