Czy AI może monitorować pacjentów po wypisie ze szpitala i zapobiegać rehospitalizacji?

AI może monitorować pacjentów po wypisie ze szpitala, wysyłając automatyczne ankiety, przypomnienia o lekach i wizycie kontrolnej, a w wybranych konfiguracjach zbierając też dane z urządzeń domowych. Jeśli algorytm wykryje niepokojący wzorzec odpowiedzi, kieruje alert do koordynatora opieki lub lekarza prowadzącego. To podejście może ograniczyć liczbę nieplanowanych powrotów do szpitala, szczególnie u pacjentów z przewlekłymi schorzeniami krążeniowo-oddechowymi.

Dlaczego nieplanowane readmisje to problem, który szpital powinien mierzyć

Readmisja w ciągu 30 dni od wypisu to jeden z tych wskaźników, które NFZ śledzi przy ocenie jakości udzielanych świadczeń. Każdy powrót pacjenta na SOR tydzień po wypisie to sygnał, że coś nie zadziałało. Albo edukacja wypisowa, albo przekazanie do POZ, albo po prostu brak kogokolwiek, kto sprawdził, jak pacjent radzi sobie w domu.

Typowo wygląda to tak: pacjent wychodzi ze szpitala z dokumentem wypisowym, kartą zaleceń i rozkładem leków. Potem jest cisza. Do czasu, aż wraca na izbę przyjęć z pogorszonymi parametrami. W kardiologii, internie i geriatrii to szczególnie widoczny wzorzec.

U jednego z naszych klientów, szpitala o profilu internistycznym, analiza wypisów z oddziału kardiologicznego pokazała, że znaczna część readmisji dotyczyła tych samych rozpoznań przy wypisie: I50 (niewydolność serca) i J44 (POChP). Pacjenci nie zgłaszali się na zaplanowane wizyty kontrolne. Żaden system nie weryfikował, czy to zrobili. Identyfikacja tego wzorca zajęła dwa dni pracy na danych HIS, które szpital miał od lat.

Co konkretnie może śledzić AI po wypisie pacjenta?

Zakres danych zbieranych przez AI zależy od profilu oddziału i od decyzji klinicznych zespołu. W podstawowej wersji to krótka ankieta: pytanie o samopoczucie, duszność, gorączkę, ból w klatce piersiowej, masę ciała. W rozszerzonej konfiguracji system może odbierać dane z urządzeń domowych: ciśnieniomierzy z Bluetooth, wag, pulsoksymetrów, a nawet smartwatchów.

Co konkretnie można monitorować:

• samopoczucie ogólne i wybrane objawy zgodnie z protokołem dla danego rozpoznania
• potwierdzenie przyjęcia leków o określonej porze (adherencja do terapii)
• pomiary: ciśnienie tętnicze, masa ciała, SpO2, temperatura
• status wizyty kontrolnej: czy pacjent jest zapisany i czy ją odbył
• subiektywna ocena gotowości do codziennego funkcjonowania

Pytania wysyła się przez SMS, WhatsApp lub e-mail. Pacjent klika link i odpowiada w przeglądarce. System przetwarza odpowiedzi według z góry ustalonej logiki. Konkretne wartości progowe dla alertów, na przykład przyrost masy ciała w ciągu 48 godzin, ustala lekarz specjalista, nie dostawca AI.

Ważne rozróżnienie: AI nie diagnozuje. Wykrywa odchylenia od ustalonego wzorca i eskaluje do człowieka. Decyzję podejmuje zawsze lekarz lub pielęgniarka.

Kto obsługuje alerty i jak wygląda codzienny workflow?

To pytanie pada na każdej rozmowie wstępnej i słusznie. System, który generuje alerty a nikt ich nie odbiera, jest bezużyteczny. Może być wręcz niebezpieczny, jeśli pacjent zakłada, że "ktoś sprawdza".

W placówkach, które to wdrożyły, najczęściej działa to według takiego schematu:

• koordynator opieki lub pielęgniarka po wypisie ma dostęp do dashboardu alertów
• alerty są podzielone na priorytety: zielony (bez odchyleń), żółty (wymaga kontaktu telefonicznego), czerwony (pacjent powinien wrócić lub wezwać pomoc)
• obsługa alertu żółtego: telefon do pacjenta w ciągu kilku godzin, notatka w EDM
• alert czerwony: natychmiastowy kontakt i decyzja o readmisji planowanej lub skierowaniu na SOR

Jedna rzecz organizacyjna, którą trzeba ustalić przed uruchomieniem: kto obsługuje alerty z weekendów i świąt? Pilotaże często startują od poniedziałku do piątku, żeby nie obciążać systemu w punktach, gdzie placówka nie ma zasobów. Lepiej zacząć od węższego zakresu i działać rzetelnie, niż uruchomić pełny zakres i zostawić alerty bez odpowiedzi.

Jakie warunki prawne i techniczne musi spełnić taki system w Polsce?

To jest moment, żeby zwolnić i sprawdzić kilka rzeczy przed podpisaniem czegokolwiek.

Certyfikat wyrobu medycznego. Jeśli system generuje własne konkluzje kliniczne lub rekomendacje dotyczące leczenia, prawdopodobnie kwalifikuje się jako wyrób medyczny klasy IIa lub wyższej i wymaga certyfikatu CE zgodnie z MDR (Rozporządzenie 2017/745). Jeśli zbiera dane i eskaluje je do człowieka bez własnych wniosków diagnostycznych, klasyfikacja może być inna. Tę ocenę powinien przeprowadzić dostawca razem z prawnikiem specjalizującym się w prawie medycznym. Zapewnienie ustne "to nie jest wyrób medyczny" nie wystarczy.

RODO i dane szczególnej kategorii. Odpowiedzi pacjenta na pytania o zdrowie to dane szczególnej kategorii według art. 9 RODO. Potrzebna jest wyraźna zgoda pacjenta (najlepiej odnotowana przy wypisie w karcie wypisowej), klauzula informacyjna opisująca kto przetwarza dane i w jakim celu, oraz umowa powierzenia przetwarzania z dostawcą systemu. Monitorowanie nie może być domyślnie włączone dla wszystkich wypisywanych pacjentów bez ich wiedzy i zgody.

Integracja z EDM. Alert, który trafia tylko do skrzynki e-mail koordynatora i nie jest powiązany z kartą pacjenta, szybko gubi się w codziennym ruchu. Docelowo notatki z kontaktów poszpitalnych i obsłużone alerty powinny trafiać do systemu EDM: do pola "kontakt po wypisie" lub dedykowanego formularza pielęgniarki koordynującej. To wymaga API między systemem monitorowania a HIS. Warto to sprawdzić przy porównywaniu ofert dostawców.

Których pacjentów objąć monitorowaniem w pierwszej kolejności?

Nie ma sensu startować od wszystkich wypisów jednocześnie. Dobrze zdefiniowana kohorta pilotażowa to zazwyczaj kilkadziesiąt pacjentów miesięcznie, obsługiwalna przez jedną lub dwie osoby.

Kryteria, które dobrze sprawdzają się przy wyborze pierwszej kohorty:

• rozpoznanie wypisowe z grupy wysokiego ryzyka readmisji, np. I50, I25, J44, E11 z powikłaniami
• wiek powyżej 70 lat, bez ustalonej regularnej opieki w POZ
• brak zapisanej wizyty kontrolnej w dniu wypisu
• co najmniej jedna nieplanowana readmisja w poprzednich 12 miesiącach

Te dane są zazwyczaj dostępne w systemie HIS przy wypisie. Warto przejrzeć własne statystyki wypisowe za ostatnie 12 miesięcy: ICD-10 przy wypisie, tryb wypisu, czas hospitalizacji. To pokaże, gdzie leży największe ryzyko w tej konkretnej placówce, a nie w statystykach z innych szpitali.

Od czego zaczyna się taki projekt?

Zanim kupimy jakikolwiek system, warto zrobić dwie rzeczy. Pierwsza: przejrzeć własne dane o readmisjach i wybrać konkretny oddział lub grupę rozpoznań, na której zmierzymy zmianę. Bez punktu wyjścia nie sprawdzimy później, czy cokolwiek się poprawiło. Druga: porozmawiać z koordynatorami opieki i lekarzami, którzy mieliby obsługiwać alerty. Jeśli powiedzą, że nie mają czasu ani nie mają takiej roli w szpitalu, to sygnał, żeby najpierw zaprojektować workflow, a potem dobrać narzędzie.

Monitorowanie pacjentów po wypisie przez AI jest jednym z bardziej konkretnych zastosowań, gdzie można stosunkowo szybko zobaczyć efekt. Ale wymaga rzetelnego przygotowania po stronie placówki: zgoda pacjenta, integracja z EDM, obsadzona rola koordynatora i jasny protokół dla każdego koloru alertu.

Jeśli chcecie sprawdzić, czy wasze dane wypisowe wskazują na obszar gotowy na taki pilotaż, zapraszamy na bezpłatny audyt. Jak to podejście działa u innych, można zobaczyć w realnych wdrożeniach.