Jak AI może pomagać przy identyfikacji pacjentów i zapobieganiu pomyłkom w szpitalu?

AI może pomagać przy identyfikacji pacjentów na kilku poziomach jednocześnie: automatycznie weryfikować dane przed każdą procedurą, porównywać je ze zleceniami w systemie HIS i ostrzegać personel w momencie niezgodności. Nie zastępuje opaski identyfikacyjnej ani pytań weryfikacyjnych, które pozostają obowiązkiem proceduralnym. Daje za to dodatkową, automatyczną warstwę kontroli, szczególnie przydatną na oddziałach o dużym ruchu i podczas nocnych zmian, kiedy zmęczenie personelu jest największe.

Dlaczego pomyłka przy identyfikacji to problem systemowy, a nie jednostkowe niedopatrzenie

Zdarzenia związane z błędną identyfikacją pacjenta rzadko wynikają z niedbałości konkretnej osoby. To prawie zawsze efekt kilku okoliczności naraz: wielu pacjentów o zbliżonych nazwiskach na tym samym oddziale, pośpiechu przy przyjęciu, opaski, która częściowo odpada lub jest nieczytelna, zmiany łóżka bez aktualizacji w systemie.

U jednego z naszych klientów, oddział wewnętrzny z ponad czterdziestoma łóżkami, w ciągu jednego kwartału doszło do trzech sytuacji, w których zlecenie laboratoryjne trafiło do teczki nie tego pacjenta. Żadna nie skończyła się krzywdą. Każda wymagała raportu do kierownika oddziału, wyjaśnień i ponownego pobrania. Trzy zdarzenia, sporo czasu, stres personelu i ślad w dokumentacji jakościowej.

Standardy CMJ (kryterium II.A), rekomendacje WHO Patient Safety Challenge z 2005 roku i wewnętrzne procedury większości polskich szpitali wymagają potwierdzenia tożsamości dwoma niezależnymi identyfikatorami przed każdą procedurą. W praktyce wygląda to tak: pielęgniarka pyta o imię i datę urodzenia, sprawdza opaskę albo kartę. Przy szybkim tempie pracy zdarza się, że jeden krok zostaje skrócony. AI może to wykrywać i przypominać, zanim coś pójdzie nie tak.

Co AI sprawdza i w którym momencie na ścieżce pacjenta

Żeby AI mogło weryfikować tożsamość, musi mieć dostęp do danych w czasie rzeczywistym: kto jest na którym łóżku, jakie zlecenia są aktywne i co właśnie się dzieje przy danym stanowisku. Punkt wyjścia to zawsze integracja z HIS. Przy AMMS Asseco, CliniNET CGM, mMedica albo podobnych systemach AI może pracować jako warstwa pośrednia, która w momencie skanowania opaski lub kodu kreskowego przy łóżku sprawdza kilka rzeczy:

• czy PESEL lub numer księgi głównej na opasce zgadza się z pacjentem przypisanym do tego łóżka w systemie,
• czy otwarte zlecenia (badanie, lek, zabieg diagnostyczny) są wystawione na tego właśnie pacjenta,
• czy nie ma aktywnego alertu z poprzedniej zmiany, na przykład informacji o przełożeniu pacjenta na inne łóżko bez aktualizacji systemu,
• czy pacjent nie ma założonej flagi podobieństwa nazwiska do innej osoby hospitalizowanej w tym samym czasie na tym oddziale.

To nie jest AI "rozmawiający" z personelem i pytający o zdanie. To reguły weryfikacji danych wspierane modelem, który uczy się na wzorcach: jakie kombinacje niezgodności w przeszłości korelowały ze zdarzeniami niepożądanymi w tej konkretnej placówce. Z czasem staje się trafniejszy.

Jak to wygląda przy podaniu leku, pobraniu krwi i transporcie na blok

Trzy miejsca, gdzie pomyłka przy identyfikacji ma najpoważniejsze konsekwencje, to podanie leku, pobranie materiału do badań laboratoryjnych i transport pacjenta na blok operacyjny lub do pracowni diagnostycznej.

Podanie leku. Jeśli system zleceń farmakologicznych jest zintegrowany z czytnikiem przy wózku, AI może porównać skan opaski ze zleceniem i zablokować potwierdzenie podania, dopóki dane się nie zgadzają. Typowy scenariusz błędu: pielęgniarka wchodzi do sali z lekiem dla pacjenta A, ale pacjent B siedzi bliżej drzwi i wyciąga rękę. Skan opaski natychmiast pokazuje rozbieżność. Sekunda zatrzymania, zanim cokolwiek zostanie podane.

Pobranie krwi i materiałów do badań. Etykieta na probówce generuje się automatycznie na podstawie zlecenia. AI może blokować wydruk etykiety, dopóki personel nie potwierdzi skanem opaski. Przy braku skanera opaskowego system może prosić o ręczne wpisanie PESEL albo numeru karty, a każdą odmowę potwierdzenia traktować jako zdarzenie do odnotowania w module zdarzeń niepożądanych. To daje ścieżkę audytową, której nie ma przy czystej procedurze papierowej.

Transport na blok operacyjny albo do pracowni. Przed wydaniem pacjenta z oddziału system może wymagać potwierdzenia tożsamości przez dwie osoby. AI rejestruje, kto i kiedy potwierdził, a log trafia do dokumentacji. Przy akredytacji CMJ taka ścieżka jest jednym z kryteriów oceny bezpieczeństwa procedur operacyjnych.

Gdzie AI naprawdę pomaga, a gdzie procedura manualna musi zostać obowiązkowa

Są sytuacje, gdzie samo AI nie wystarczy. Pacjent nieprzytomny trafiający na SOR bez dokumentów: AI nie pozyska danych z powietrza. Wymagana jest procedura zakładania tymczasowej opaski z numerem incydentu, a dopiero po identyfikacji danych osobowych system jest uzupełniany. AI może jednak pilnować, że taki pacjent ma w systemie aktywną flagę "niezidentyfikowany" i że zlecenia są blokowane do czasu jej usunięcia przez upoważnioną osobę.

Opaska, która odpada lub jest nieczytelna: AI jej nie zobaczy, bo nie ma oczu. Może natomiast wykryć, że od kilku godzin nie było żadnego skanowania dla danego numeru łóżka, i wysłać powiadomienie do pielęgniarki oddziałowej. Nie jest to weryfikacja tożsamości, ale sygnał do sprawdzenia.

AI nie zastąpi też rozmowy. Pytanie "jak ma Pani/Pan na imię i kiedy się urodziła/ił?" pozostaje podstawową procedurą weryfikacji. AI może ją wspierać, podpowiadając personelowi w odpowiednim momencie, ale wykonuje ją człowiek. Przy pacjencie z otępieniem, afazją albo barierą językową zapis systemu musi uwzględniać, że tożsamość potwierdzała osoba towarzysząca albo dokument, nie sam pacjent.

Jak zacząć, jeśli masz już HIS, ale nie masz modułu weryfikacji

Najpierw sprawdź, co już masz. Większość nowoczesnych systemów HIS udostępnia API albo moduł integracyjny. Cztery pytania do dostawcy systemu, które warto zadać przed jakimkolwiek spotkaniem z dostawcą AI:

• Czy system udostępnia API do odczytu zleceń i danych pacjenta w czasie rzeczywistym?
• Czy na oddziałach są czytniki kodów kreskowych lub RFID przy łóżkach, na wózkach lekowych, przy stanowisku poboru krwi?
• Czy system drukuje etykiety na probówki zintegrowane z numerem zlecenia i numerem pacjenta?
• Czy jest moduł raportowania zdarzeń niepożądanych i czy obsługuje zdarzenia automatyczne z systemu, nie tylko ręczne wpisy?

Jeśli odpowiedź na pierwsze dwa pytania jest twierdząca, wdrożenie warstwy weryfikacyjnej AI jest realne bez wymiany całego systemu. Typowo zaczyna się od jednego oddziału z największą liczbą zleceń dziennie, na przykład oddział wewnętrzny albo chirurgiczny, a potem rozszerza na pozostałe. Mniejsza skala, szybszy pilot, łatwiejsze wychwycenie błędów konfiguracji, zanim wdrożenie obejmie cały szpital.

Jeśli czytników przy łóżkach nie ma, nie trzeba od razu wyposażać całego szpitala. Wystarczy zacząć od punktu poboru krwi i jednego wózka lekowego na oddziale pilotażowym. Efekt widać szybko, a skala inwestycji jest do uzasadnienia organowi prowadzącemu albo radzie nadzorczej bez wielostronicowego biznes-planu.

Co sprawdzić przed wdrożeniem: lista dla dyrektora

Zanim pojawią się oferty od dostawców, warto mieć własną analizę wyjściową. Cztery rzeczy, które dają realny obraz sytuacji:

• Przegląd zdarzeń niepożądanych z ostatnich 12 miesięcy: ile dotyczyło błędnej identyfikacji lub bardzo podobnych danych pacjentów? To jest baza do uzasadnienia projektu i do późniejszego porównania efektów.
• Mapa miejsc, gdzie dziś obowiązuje potwierdzenie tożsamości: gdzie personel robi to systematycznie, a gdzie "z pamięci" albo z nawyku? Typowe białe plamy to transport między oddziałami, nocna zmiana i przyjęcie planowe w godzinach szczytu.
• Stan infrastruktury IT: wersja HIS, dostępność API, obecność i rozmieszczenie czytników. Bez tej informacji żaden dostawca AI nie wyceni projektu wiarygodnie.
• Konsultacja z inspektorem ochrony danych: logi weryfikacji tożsamości zawierają dane osobowe pacjentów i wymagają przeglądu pod kątem RODO przed uruchomieniem, niezależnie od skali wdrożenia.

Wdrożenie nie uda się bez zaangażowania pielęgniarki oddziałowej i koordynującej od samego początku. Doświadczenie pokazuje, że systemy wdrożone bez ich udziału w projektowaniu procedury alertowej szybko przestają być używane: personel wypracowuje obejście, żeby nie zwalniać tematu pracy. Lepiej zaprojektować je razem, z ich uwagami w fazie pilotu, nawet jeśli to wydłuża start o kilka tygodni.

Jeśli chcesz sprawdzić, czy w Twojej placówce AI może realnie zmniejszyć liczbę zdarzeń związanych z identyfikacją pacjentów, umów się na bezpłatny audyt. Sprawdzimy infrastrukturę, ocenimy, co można podłączyć bez wymiany systemu i zaproponujemy konkretny plan pilotu. Możesz też zobaczyć, jak podobne wdrożenia przebiegały u innych: realne wdrożenia szpitalAI.