CLIENTE: Importante plan de salud con sede en EE.UU.
RETO: Ofrecer una visibilidad completa, en tiempo real, de los miembros del plan de salud que están en una sala de urgencias o ingresados en un hospital.
RESULTADO: Aplicación de dashboard en tiempo real completada en menos de 30 días, aumentada con capacidades de machine learning, que reduce los costes de revisión clínica en un 20%.
El director médico de un importante plan de salud de la costa oeste de Estados Unidos pidió una visibilidad completa de quién está en el hospital en cada momento. Dado el trabajo que el plan de salud ya estaba realizando con InterSystems y el intercambio de información sanitaria, el director de datos y análisis corporativos respondió con seguridad: "Sí, podemos hacerlo". "¿Puede hacerlo en seis meses?, preguntó. ¿La respuesta? También afirmativa.
El resultado, creado en menos de 30 días, fue la aplicación "Bed Board" del plan de salud, una respuesta a algunos retos comunes entre las aseguradoras de salud.
El plan de salud asegura a 2 millones de personas en varios estados del oeste. Todos los días recibe faxes, correos electrónicos y llamadas telefónicas de múltiples hospitales y, a partir de ellos, elabora un "censo" diario de los afiliados que reciben atención de urgencia o en régimen de internado, así como su ubicación. El objetivo es utilizar esta información para:
- Revisar y priorizar los casos para su gestión y seguimiento médico.
- Garantizar la prestación de una atención óptima.
- Evitar los costes de pruebas, tratamientos, hospitalizaciones o cuidados innecesarios.
El plan de salud dispone de 24 horas, después de un ingreso, para tomar decisiones sobre cuestiones como la necesidad médica o la idoneidad del tratamiento, si va a intervenir. El antiguo método, que consistía en buscar en diferentes papeles para sintetizar todos los datos, era un proceso lento e ineficaz. Cuando la información procesable llegaba a las personas adecuadas, a menudo era demasiado tarde para actuar en la atención prestada. La aplicación Bed Board dio un giro completo a esta situación.
Dashboard en tiempo real con información de Machine Learning
Bed Board es una aplicación dashboard mejorada con conocimientos de machine learning. Ofrece a los equipos sanitarios y empresariales visibilidad en tiempo real del estado de los afiliados al plan de salud, en los centros de atención de agudos. El software
InterSystems HealthShare fue clave para el éxito de Bed Board, ya que hizo posible que el plan de salud:
- Realice conexiones y agregue, automáticamente, los datos de múltiples fuentes de datos externas.
- Identifique, de forma exclusiva, a cada miembro del plan en los datos entrantes.
- Integre la información de la historia clínica electrónica entrante con los datos de las reclamaciones del plan.
- Normalice todos los datos para utilizarlos en los análisis e informes posteriores.
- Alimente con datos limpios los algoritmos de machine learning del plan y las herramientas de visualización de datos como Tableau.
- Presente datos de apoyo cada vez que un usuario se desplaza a la pantalla interactiva de nivel superior del Bed Board.
Normalmente, la agregación y normalización de todos los datos en tiempo real es el paso que más tiempo requiere para crear este tipo de solución. Con HealthShare, este trabajo se completó en menos de un mes.
Aumentar la eficiencia
Ahora, cuando un afiliado al plan se registra en un servicio de urgencias o es ingresado en un hospital, el Bed Board se actualiza en un minuto. HealthShare identifica al miembro a través de los datos de la historia clínica electrónica entrante y los datos de reclamaciones existentes, y coloca la información a nivel de miembro en colas de trabajo para apoyar la actividad de revisión clínica. Con cada nuevo evento -asignación de médico, establecimiento de un diagnóstico preliminar o admisión de un paciente- HealthShare actualiza Bed Board.
La mayor eficiencia de tener toda la información en un solo lugar, y la capacidad de profundizar en el dashboard para obtener detalles sobre cada paciente, permite a la División Clínica del plan completar las revisiones dentro de su objetivo de 24 horas.
Bed Board también correlaciona los volúmenes y patrones de admisión a través de las geografías del plan con los datos demográficos de los miembros, los diagnósticos y los lugares de atención. La División Clínica utiliza esta información para supervisar las tendencias más amplias de utilización en las regiones cubiertas.
Aumento del rendimiento de la inversión en un 20%
Con un almacén de datos agregados, normalizados y continuamente actualizados en HealthShare, el plan de salud tenía la base para añadir capacidades de machine learning a la aplicación Bed Board. Ahora, Bed Board no se limita a recoger los datos para sus usuarios, sino que les aplica inteligencia para reducir la carga de trabajo de los usuarios. La capa de aprendizaje automático orienta a los equipos de revisión sobre dónde centrar su atención para obtener el máximo impacto.
En algunos casos, los algoritmos de machine learning pueden completar la revisión clínica de los ingresos sin que intervenga un sanitario. Anteriormente, el veinte por ciento de los ingresos revisados correspondían a miembros que claramente necesitaban estar en el hospital. Bed Board evita la participación de los sanitarios en estos casos, lo que ahorra tiempo y reduce esencialmente los costes administrativos de la revisión médica en un 20%.
Contar con los datos en tiempo real permite un mayor control
La aplicación Bed Board del plan demuestra el valor de combinar machine learning con un registro longitudinal de la atención en tiempo real. La visibilidad de los datos en tiempo real y la posibilidad de hacer preguntas sobre lo que está sucediendo cambia las reglas. Permite al Plan entender el flujo de trabajo diario y saber cuándo algo, en una instalación o región concreta, se está saliendo de control.
