ડોક્ટરો દર્દીઓને બદલે દર અઠવાડિયે કલાકો સુધી સ્ક્રીન સામે બેસીને વિતાવે છે. ચોક્કસ આંકડો અભ્યાસ મુજબ બદલાતો રહે છે, પરંતુ ફરિયાદ સાર્વત્રિક છે: ક્લિનિકલ ડોક્યુમેન્ટેશન એક બીજા કામ જેવું બની ગયું છે. AI મેડિકલ સ્ક્રાઇબ્સ મુલાકાતો સાંભળીને આપમેળે ચાર્ટ બનાવીને આ પરિસ્થિતિને બદલવાનું વચન આપે છે. છતાં, માત્ર સ્પીચને ટેક્સ્ટમાં રૂપાંતરિત કરતું સાધન પૂરતું નથી. ડોક્ટરોને એવા સોફ્ટવેરની જરૂર છે જે તબીબી વિજ્ઞાનને સમજે, ક્લિનિકલ વર્કફ્લોનું સન્માન કરે અને એક્ઝામ રૂમમાં પૃષ્ઠભૂમિમાં રહી જાય. સૌથી અસરકારક પ્લેટફોર્મ્સ અનેક અલગ-અલગ ક્ષમતાઓનું મિશ્રણ કરે છે. અહીં એ છે જે એક ગંભીર ક્લિનિકલ ડોક્યુમેન્ટેશન ટૂલને ગ્રાહક માટેના સાધારણ સાધનથી અલગ પાડે છે.
રિયલ-ટાઇમ સ્પીચ રેકગ્નિશન જે તબીબી વિજ્ઞાનને સમજે છે
સામાન્ય હેતુ માટેના ડિક્ટેશન સોફ્ટવેર હોસ્પિટલમાં પ્રવેશતાની સાથે જ નિષ્ફળ જાય છે. તેને ખબર હોવી જોઈએ કે "MI" એટલે myocardial infarction છે, મિશિગનનું પોસ્ટલ એબ્રિવેશન નથી, અને "SOB" એટલે shortness of breath છે, કોઈ ભાવનાત્મક સ્થિતિ નથી. ક્લિનિકલ-ગ્રેડ એન્જિન ઇમરજન્સી વિભાગોમાં ઝડપી વાતચીત, લહેકાવાળી બોલી અને વાસ્તવિક વાતચીતની અસ્પષ્ટ વ્યાકરણને સમજવા માટે સક્ષમ હોવું જોઈએ. લેટન્સી (Latency) મહત્વની છે. જો ટ્રાન્સક્રિપ્ટ સંવાદ કરતા થોડી સેકન્ડો પાછળ રહી જાય, તો ડોક્ટરો વિશ્વાસ ગુમાવે છે અને મેન્યુઅલી સુધારવાનું શરૂ કરે છે. સિસ્ટમે ઘોંઘાટવાળા વાતાવરણમાં પણ કામ કરવું જોઈએ—MRI રૂમનો અવાજ, ઓપન ક્લિનિક બેનો ધમધમાટ, અથવા પિડિયાટ્રિક્સમાં અશાંત બાળકને સંભાળતા વાલીનો અવાજ. જીવંત ક્લિનિકલ પરિસ્થિતિઓમાં ચોકસાઈ એ પાયો છે જેના પર બાકીની બધી બાબતો ટકેલી છે.
કાચા ટ્રાન્સક્રિપ્ટથી લઈને સ્ટ્રક્ચર્ડ નોટ્સ સુધી
દરેક શબ્દને કેપ્ચર કરવા એ માત્ર શરૂઆત છે. AI એ તે ઓડિયોને એવા ડોક્યુમેન્ટેશનમાં ગોઠવવો જોઈએ જેના પર ડોક્ટર ખરેખર સહી કરી શકે. તેનો અર્થ એ છે કે ક્લિનિશિયનને શૂન્યથી માળખું બનાવવાની જરૂર ન પડે તે રીતે આપમેળે SOAP નોટ્સ, પ્રોગ્રેસ નોટ્સ અને એન્કાઉન્ટર સમરીઝ જનરેટ કરવી. ઘૂંટણના વધતા દુખાવા વિશે દર્દીનું વર્ણન Subjective વિભાગમાં આવવું જોઈએ. શારીરિક તપાસમાંથી ડોક્ટરના તારણો Objective વિભાગમાં હોવા જોઈએ. Assessment અને Plan વિભાગ ક્લિનિશિયન દ્વારા નક્કી કરવામાં આવેલા આગામી પગલાં દર્શાવતા હોવા જોઈએ. એક ઉપયોગી સ્ક્રાઇબ ડોક્ટરની કુદરતી ભાષા જાળવી રાખે છે અને સાથે સાથે બિલિંગ જરૂરિયાતો અને કાનૂની તપાસને સંતોષવા માટે પૂરતું માળખું પણ પૂરું પાડે છે. પરિણામ એવો ડ્રાફ્ટ છે જે રોબોટ દ્વારા લખાયેલો નહીં, પણ ડોક્ટર દ્વારા લખાયેલો લાગે છે.
ઊંડું EHR અને EMR ઇન્ટિગ્રેશન
ઇન્ટિગ્રેશન વગર, સ્ક્રાઇબ પહેલેથી જ ભરેલી સ્ક્રીન પર બીજું એક બ્રાઉઝર ટેબ બની જાય છે. નોટ્સ સીધી હાલની ઇલેક્ટ્રોનિક હેલ્થ રેકોર્ડ સિસ્ટમ્સમાં વહેવી જોઈએ જેથી સ્ટાફને ડેમોગ્રાફિક્સ, દવાઓની યાદી અથવા મૂલ્યાંકન વિગતો ફરીથી ટાઈપ ન કરવી પડે. ઇન્ટિગ્રેશન દ્વિ-માર્ગી (bidirectional) હોવું જોઈએ: AI વર્તમાન મુલાકાતને સંદર્ભિત કરવા માટે દર્દીનો અગાઉનો ઇતિહાસ મેળવે છે, અને પછી એપોઇન્ટમેન્ટ પૂરી થયા પછી પૂર્ણ કરેલી નોટને સાચા એન્કાઉન્ટર ફીલ્ડમાં મોકલે છે. જ્યારે આ કામ કરે છે, ત્યારે ક્લિનિશિયનની વર્કફ્લોમાં પ્રતિ દર્દી ઘણા મિનિટોનો ઘટાડો થાય છે. જ્યારે તે નિષ્ફળ જાય છે—વપરાશકર્તાઓને એપ્સ વચ્ચે ટેક્સ્ટના ટુકડાઓ કોપી કરવા માટે મજબૂર કરે છે—ત્યારે તેનો સ્વીકાર ઘટી જાય છે. ડોક્ટરના રોજિંદા કામમાં ભળવાનો અર્થ એ છે કે તેઓ જે સોફ્ટવેર પહેલેથી જ વાપરે છે તેની અંદર અદ્રશ્ય થઈ જવું.
મલ્ટી-સ્પીકર રેકગ્નિશન
ક્લિનિકલ એન્કાઉન્ટર એ એકલાનો સંવાદ નથી. ડોક્ટર પ્રશ્નો પૂછે છે. દર્દી લક્ષણો વિશે વાત કરે છે અને પછી જવાબ આપે છે. એક કેરગીવર ખૂણેથી વચ્ચે બોલે છે. સ્ક્રાઇબે દરેક વક્તાને યોગ્ય રીતે લેબલ કરવો જોઈએ જેથી રેકોર્ડ ચોક્કસ રીતે વિધાનોને સાચા વ્યક્તિ સાથે જોડી શકે. જો સિસ્ટમ દર્દીના સ્વ-નિદાનને ડોક્ટરના ક્લિનિકલ નિષ્કર્ષ સાથે ભૂલથી જોડી દે, તો ચાર્ટ ગેરમાર્ગે દોરનાર અને સંભવિત રીતે જોખમી બની શકે છે. અવાજો વચ્ચેનો તફાવત પારખવાથી AI ને એ નક્કી કરવામાં પણ મદદ મળે છે કે Subjective કોલમમાં શું હોવું જોઈએ અને Assessment માં શું હોવું જોઈએ. આ માટે મેડિકલ ડાયલોગ પર તાલીમ પામેલા acoustic diarization ની જરૂર છે, નહીં કે માત્ર સામાન્ય મીટિંગ ટ્રાન્સક્રિપ્શનની જે એક સમયે એક જ પ્રેઝન્ટરની અપેક્ષા રાખે છે.
ક્લિનિકલ ડિસિઝન સપોર્ટ
ડોક્યુમેન્ટેશન એ માત્ર એક નિષ્ક્રિય આર્કાઇવ ન હોવું જોઈએ. જેમ જેમ AI સાંભળે છે, તેમ તે પૃષ્ઠભૂમિમાં ચાલતી એક શાંત ચેકલિસ્ટ તરીકે કામ કરી શકે છે. શું ડોક્ટરે શરૂ કરવાનું ઉલ્લેખ કર્યો હતો