Jak AI może pomagać na oddziale geriatrycznym i przy opiece nad starszym pacjentem w szpitalu?

Na oddziale geriatrycznym AI może realnie odciążyć personel od dokumentowania złożonych ocen wielospecjalistycznych, automatycznie śledzić ryzyko upadków czy odleżyn na podstawie danych z historii choroby i zestawiać leki pod kątem potencjalnych interakcji u pacjentów przyjmujących kilkanaście preparatów jednocześnie. To nie jest wizja przyszłości: geriatria należy do oddziałów, gdzie dokumentacja pochłania nieproporcjonalnie dużo czasu pielęgniarki i lekarza w stosunku do czasu spędzonego przy łóżku chorego. Wdrożenie AI w tym miejscu szpitala przynosi odczuwalne efekty szybciej niż na wielu innych oddziałach, bo procesy są powtarzalne, skale oceny są ustandaryzowane i nadają się do automatyzacji.

Dlaczego geriatria jest szczególnie trudna dokumentacyjnie?

Pacjent geriatryczny rzadko ma jeden problem. Typowo wygląda to tak: 84-latka trafia na oddział z zaostrzeniem niewydolności serca, ale w tle jest cukrzyca, przewlekła choroba nerek, otępienie w fazie lekkiej i lista dziesięciu leków przepisanych przez czterech różnych specjalistów. Dokumentacja jednej hospitalizacji obejmuje ocenę geriatryczną CGA, skale Barthel, MMSE, MNA, Morse'a, formularz oceny ryzyka odleżyn według skali Norton albo Braden, kartę incydentów upadkowych, konsultacje kilku specjalistów, dietyka, pracownika socjalnego i fizjoterapeuty. Na końcu stoi karta wypisowa z zaleceniami dla kilku podmiotów naraz: rodziny, lekarza POZ i zakładu opiekuńczo-leczniczego.

Personel wypełnia te dokumenty wielokrotnie w ciągu dnia. Na oddziale z trzydziestoma łóżkami, gdzie stany pacjentów zmieniają się dynamicznie, jedna pielęgniarka nie zdąży zaktualizować wszystkiego przed zakończeniem dyżuru. To nie jest kwestia złej organizacji. To po prostu ilość pracy, której nie da się wcisnąć w osiem godzin bez narzędzi, które zautomatyzują rutynę.

Do tego dochodzi specyfika pacjenta. Część chorych nie może samodzielnie udzielać informacji z powodu otępienia lub ostrego delirium. Wywiad zbieramy od rodziny, z dokumentacji z poprzednich hospitalizacji, z wyników badań. Każde przyjęcie to puzzle składane z kilku źródeł jednocześnie.

Co AI może przejąć z codziennej pracy na oddziale?

Są czynności, które AI wykonuje sprawnie i powtarzalnie. Na geriatrii do tej grupy należą:

• Uzupełnianie danych do skal oceny geriatrycznej. AI odczytuje z historii choroby i aktualnej dokumentacji wartości potrzebne do Barthel, MMSE czy MNA i sugeruje wynik do zatwierdzenia przez pielęgniarkę lub lekarza. Zamiast kilkunastu minut wpisywania, personel poświęca chwilę na weryfikację.
• Monitoring ryzyka upadków. Na podstawie zapisów o lekach z grupy ryzyka (benzodiazepiny, leki hipotensyjne, diuretyki), wcześniejszych incydentów w karcie i wyników skali Morse'a AI może flagować pacjentów wymagających zabezpieczenia, jeszcze zanim pielęgniarka zrobi obchód.
• Przegląd polipragmazji i kryteria Beersa. U pacjenta z dziesięcioma lekami AI zestawia preparaty pod kątem interakcji i sprawdza, czy któryś figuruje na liście leków potencjalnie nieodpowiednich u seniorów. Wynik trafia do lekarza prowadzącego jako sygnał do weryfikacji, a nie jako decyzja kliniczna.
• Projekt karty wypisowej. AI zbiera dane z całej hospitalizacji: diagnozy, wyniki badań, zalecenia konsultantów, leki i terminy kontroli. Lekarz dostaje szkic do redakcji zamiast zaczynać od pustego pola.
• Protokół przekazania dyżuru. Zamiast spisywać od nowa stan każdego pacjenta, pielęgniarka weryfikuje skrót wygenerowany przez AI na podstawie wpisów z ostatnich godzin. Na geriatrii, gdzie dużo zmian klinicznych dzieje się w nocy, to realne odciążenie.
• Alerty przy zmianie parametrów. AI może śledzić ciągłość wpisów i sygnalizować, gdy zmiana ciśnienia, saturacji czy diurezy wskazuje na potrzebę oceny, albo gdy przez wiele godzin nie pojawiły się nowe obserwacje przy niestabilnym pacjencie.

Skale geriatryczne: gdzie AI pomaga, a gdzie nie zastąpi człowieka?

Skala Barthel, MMSE czy MNA mają ustrukturyzowane pytania i punktację. To dobre warunki dla AI: jeśli dane są w systemie, może zebrać informacje i zaproponować wstępnie wypełniony formularz do zatwierdzenia.

Gdzie AI nie wystarczy? Przy pytaniach wymagających bezpośredniej obserwacji pacjenta. Część pytań w MMSE wymaga, żeby chory napisał zdanie, narysował figury, zapamiętał słowa. AI nie zastąpi tu fizycznej oceny pielęgniarki ani lekarza. Ale może przygotować wszystko dookoła tej oceny: zebrać dane z dokumentacji, podpowiedzieć, czego szukamy, a po ocenie automatycznie przeliczyć wynik i wpisać go do właściwego pola w systemie HIS.

Podobnie z oceną ryzyka odleżyn. Skala Braden lub Norton obejmuje sześć do siedmiu kryteriów. Część jest dostępna w dokumentacji, część wymaga obserwacji fizycznej. AI może wstępnie uzupełnić to, co da się odczytać z systemu, i oznaczyć pola wymagające uzupełnienia przez personel. Efekt: pielęgniarka nie zaczyna od zera, tylko uzupełnia brakujące elementy.

Jak AI łączy się z systemem HIS na oddziale geriatrycznym?

AI potrzebuje danych z systemu szpitalnego. Jeśli oddział pracuje na AMMS Asseco, CliniNET CGM albo innym dojrzałym systemie, większość danych jest dostępna w ustrukturyzowanej formie: zlecenia lekarskie, wyniki laboratoryjne, lista leków, kody ICD-10. Na tej podstawie AI wykonuje analizy bez dodatkowego ręcznego wprowadzania danych.

Na geriatrii pojawia się jednak częściej niż gdzie indziej problem niekompletnych danych. Pacjent trafia z innego szpitala, ze ZOL, od lekarza POZ bez systemu elektronicznego albo z systemu, który nie eksportuje danych w zgodnym formacie. Historia choroby jest dziurawa. AI powinien w takiej sytuacji jasno sygnalizować, że analizuje niepełne dane, a nie uzupełniać luki domysłami. To nie kwestia konfiguracji. To wymóg jakościowy, który trzeba sprawdzić w specyfikacji systemu przed podpisaniem umowy z dostawcą.

Jeśli integracja w czasie rzeczywistym nie jest możliwa od razu ze względu na starszy system HIS, pierwszym krokiem może być import danych przez pliki eksportowe. Wolniejsze, ale daje dostęp do danych historycznych, które na geriatrii są szczególnie cenne przy ocenie postępu leczenia i planowaniu wypisu.

Komunikacja z rodziną i planowanie wypisu

Wypis pacjenta geriatrycznego to często projekt na kilka dni. Trzeba ustalić, czy chory wróci do domu z dodatkowym wsparciem, czy trafi do ZOL, DPS albo hospicjum. Rodzina potrzebuje informacji w języku niemedycznym, lekarz musi przekazać zalecenia, pracownik socjalny kompletuje dokumenty do wniosku o miejsce opiekuńcze, a do NFZ idzie dokumentacja rozliczeniowa.

AI może wspierać każdy z tych wątków:

• Przygotuje projekt pisma do rodziny z opisem stanu, rokowaniem i zaleceniami, napisanym tak, żeby niemedyk rozumiał, co ma robić po powrocie pacjenta do domu.
• Wyciągnie z dokumentacji dane do wniosku o miejsce w ZOL: diagnozy, wyniki podstawowych badań, aktualny status funkcjonalny według Barthel, lista leków.
• Wygeneruje informację dla lekarza POZ przejmującego pacjenta: co monitorować, jakie leki zmodyfikowano podczas hospitalizacji, kiedy kierować z powrotem do szpitala.
• Pomoże przy grupowaniu hospitalizacji w systemie NFZ, wskazując kody JGP właściwe dla geriatrii, z uwzględnieniem wymagań dokumentacyjnych dla świadczeń geriatrycznych.

To nie jest zastąpienie koordynatora ani pracownika socjalnego. To zmiana proporcji pracy: zamiast dwóch godzin na przepisywanie tych samych danych do różnych dokumentów, weryfikacja materiału przygotowanego przez AI i skupienie uwagi na kontakcie z rodziną i pacjentem.

Co warto wiedzieć przed wdrożeniem?

Kilka rzeczy, które wynikają z praktyki:

• Alerty muszą mieć sens, inaczej zostaną wyłączone. Na oddziale z wielochorobowymi pacjentami potencjalnych alertów jest mnóstwo. Jeśli system będzie generować dziesiątki powiadomień dziennie na jednego pacjenta, personel zacznie je ignorować po tygodniu. Progi i priorytety ustalaj z pielęgniarkami i geriatrami podczas konfiguracji, nie po uruchomieniu.
• Geriatria ma specyficzne wymagania kodowania JGP. AI wspomagający kodowanie musi znać różnicę między oceną geriatryczną CGA a zwykłą hospitalizacją internistyczną. Pytaj dostawcę wprost o doświadczenie z geriatrią i proś o referencje od oddziałów geriatrycznych, nie tylko ogólnoszpitalnych.
• Pierwsze tygodnie mogą być rozczarowujące. AI uczy się specyfiki oddziału na danych historycznych. Jeśli dane są niekompletne albo niejednorodne (różne style wpisów różnych lekarzy), pierwsze sugestie mogą być mniej trafne. To normalne. Oceniaj wdrożenie po trzech miesiącach, nie po trzech tygodniach.
• Zaangażuj personel przed startem. Na geriatrii pracują często pielęgniarki z długim stażem i wypracowanymi rutynami. AI, który zmienia coś bez wyjaśnienia, spotka się z oporem. Pokaż konkretne czynności, które AI przejmie, i daj czas, żeby personel zobaczył efekt przy prawdziwym pacjencie.

Od czego zaczyna się wdrożenie na geriatrii?

Zaczynamy od rozmowy z ordynatorem i pielęgniarką oddziałową: które czynności dokumentacyjne zajmują personelowi najwięcej czasu i które są najbardziej powtarzalne. Prawie zawsze pada ta sama odpowiedź: ocena geriatryczna przy przyjęciu i aktualizacja list leków u pacjentów z wielochorobowością.

Potem sprawdzamy, co daje nam system HIS: jakie dane są dostępne w ustrukturyzowanej formie, a co jest wolnym tekstem w polach notatek. Wolny tekst to trudniejszy materiał, ale nie niemożliwy do analizy, jeśli personel pisze w miarę konsekwentnie.

Na wstępnym etapie wybieramy dwie, trzy konkretne czynności i robimy pilota na jednym oddziale. Nie próbujemy wdrożyć wszystkiego naraz. U jednego z naszych klientów zaczęliśmy od automatycznego przeglądu polipragmazji przy każdym nowym przyjęciu: AI zestawiał leki z kryteriami Beersa i generował raport dla lekarza w ciągu minut po rejestracji pacjenta. Personel docenił to szybko, bo efekt był widoczny przy każdym przyjęciu, a lekarze sami zaczęli pytać, kiedy pojawią się kolejne funkcje.

Jeśli prowadzisz oddział geriatryczny albo planujesz wdrożenie AI w szpitalu i chcesz wiedzieć, co jest realistyczne w Twoich warunkach, zapraszamy na bezpłatny audyt. Sprawdzimy aktualny system, procesy dokumentacyjne i pokażemy, od czego warto zacząć konkretnie u Was. Możesz też zobaczyć, jak AI działa u innych placówek, na naszych realnych wdrożeniach.