רופאי משפחה, הדוא"ל מתפוצץ מפניות מטופלים? יש פתרון

כיצד אפשר להקל על העומס שמייצרות הודעות אלקטרוניות של מטופלים אל רופאים, עומס שבגינו החלו מערכות בריאות רבות בארה"ב לגבות תשלום על הודעות שהפכו לנטל עצום על רופאים? מחקר של חברת קייזר, חברת ביטוח הבריאות הגדולה בארה"ב, ביקש לבדוק דרכים בהן ניתן לטייב את הטיפול בנפח ההודעות האלקטרוניות שנשלחות לרופאים ממטופלים. על המחקר נכתב בשבוע שעבר ב-JAMA Network.

בשנת 2019, עוד קודם למגיפת הקורונה שהאיצה את התהליך, KPNC – "קייזר פרמננט צפון קליפורניה", השיקה את Desktop Medicine Program כדי לטפל בכמות ההודעות ולדייק את הפניית המטופלים למענה. התכנית שילבה צוותים של קלינאים אזוריים ואלגוריתמים לעיבוד שפה טבעית בזמן אמת (NLP), שתייגו את תוכן הודעות ומיינו אותן על פי הצורך לפני שהועברו לתיבת הדואר של הרופא הבודד. למשל, לנציגי שירות טלפוני, לעוזרים רפואיים, לרוקחים ולרופאים.

התכנית התמקדה בתחילה בהודעות בתחום רפואת מבוגרים ורפואת משפחה, ולאחר מכן ב-2022 התרחבה לרפואת ילדים. בתקופת המחקר היו יותר מ-4.5 מיליון הודעות מטופלים, מתוכן 3.7 מיליון (77.6%) קיבלו לפחות תווית אחת, רובן היו בקשות לתרופות (32.8%), לענייני עור (9.3%), הודעות עם קבצים מצורפים (8.3%) והודעות חירום לבדיקה מזורזת (7.6%). בסך הכל 1.4 הודעות (29.2%) כללו לפחות שתי תוויות.

תובנות מהמחקר שכלל כאמור 4.5 מיליון הודעות ממטופלים הראו שבאמצעות זיהוי של קטגוריות נפוצות וחוזרות (למשל, תוויות הקשורות לתרופות או למצבי עור) ניתן לסייע לפיתוח גישות שיפחיתו את כמות ההודעות האישיות לרופא.

עוד נמצא שבאמצעות מדידה של שינויים בתוכן ההודעות אפשר לזהות מגמות חדשות כמו למשל התפשטות נגיף קורונה, שפעת וכו' וכי ניתוח הודעות בזמן אמת ותיוג תוכנן לבדיקה מהירה במוקד, לפני הגעתן לתיבת הדואר האישית של הרופא, יכולים לקצר ולייעל את הזמן להערכה קלינית.

החוקרים מציינים כי למרות שרוב ההודעות נראו דחופות, התכנית הוכיחה את יעילותה בפתרון מעל 1.5 מיליון הודעות מטופלים, כשליש (31.9%) מכמות ההודעות שנבדקו. הודעות אלו נפתרו על ידי עוזרים רפואיים אזוריים או נציגי שירות טלפוני, רופאים ורוקחים לפני שהגיעו לתיבות הדואר הנכנס של הרופא הבודד שאליו יועדה ההודעה.

החוקרים ציינו עוד שמגבלות המחקר כללו את העובדה שהממצאים הגיעו ממערכת בריאות אחת בלבד ושהתכנית לא כללה שימוש במודלים שפה גדולים יותר ועדכניים כמו GPT-4, שעשויים לשפר את תיוג התוכן והתגובות. הם כתבו כי נחוצים שיפורים נוספים לטפל בהודעות עם נושאים מרובים וללא תווית קטגוריה.