"Läkarvakansassistenten" är en anpassad version av chatGPT som omvandlar notat till patientmeddelanden för att spara tid när du ska täcka upp signeringskorgen för kollegor som inte är i tjänst. Här berättar jag hur jag skapade den, risker, och mina tankar om AI i primärvården.
Den eviga men osynliga signeringskorgen: ett arbetsmiljöproblem
Vi som arbetar inom primärvården känner till svårigheterna som uppstår när en kollega är frånvarande och vi måste hantera deras oavslutade ärenden. Detta leder ofta till en suboptimal medicinsk handläggning på grund av att man själv inte träffat patienten och även pga att läkare jobbar olika.
Många allmänläkare upplever därmed hantering av frånvarande kollegors signeringskorg som ett arbetsmiljöproblem, oftast på grund av att "det osynliga arbetet" dubbleras under en period när en blir tilldelad en kollegas signeringskorg.
Schemat ser likadant ut men man bedömer dubbelt så många patienter, och med sämre underlag.
Eftersom även läkare behöver semester och möjlighet till frånvaro är en del av lösningen att bygga mer strukturerade system och arbetsflöden för att hantera detta.
Vid övertag av ett pågående patientärende som en frånvarande kollega påbörjat är det viktigt att:
Uppfatta kontexten bakom ärendets start och vilka åtgärder som vidtogs av kollega.
Vilken ny information som har tillkommit och vilka nya åtgärder som behöver vidtas av dig.
Vilken information som saknas samt vilka åtgärder som kan behöva vidtas av patienten.
Hur säkerställer vi att inget viktigt förbises och att vi fortsätter leverera kvalitativ vård?
En del av svaret ligger i att tydligt medddla patienten om alla tre punkter ovan.
Läkarvakansassistenten: en GPT som en del av lösningen?
För att möta denna utmaning har jag utvecklat den experimentella "Läkarvakansassistenten" , en AI-chatbot skräddarsydd för att hantera efterarbetet när läkaren väl bedömt och dokumenterat steg 1-3 ovan.
Läkarvakansassistenten omvandlar komplexa medicinska notat till tydliga och begripliga patientmeddelanden.
Med OpenAI:s GPT-plattform, och med hjälp av promptningsmetoden "NASA:s BIDARA", skapade jag en AI som effektivt kan avlasta sjukvårdspersonal efter att de har läst journalen och gjort sin medicinska bedömning, genom att omvandla notatet till ett patientcentrerat meddelande som kan skickas digitalt eller via brev.
Notaten bör helst innehålla punkt 1-3 ovan.
Du kan testa Läkarvakansassistenten genom att trycka här eller söka i GPT store.
Hur jag skapade den
På OpenAIs hemsida kan man med ett pluskonto skapa egna versioner av chatGPT, så kallade "GPTs".
OpenAI har ambitionen att skapa en "GPT store" där besökare ska få tillgång till GPT:er med olika specialiseringar. Det påminner om "App Store", men med chattbotar istället för appar.
Varje GPT som man skapar behöver få tydliga instruktioner ("prompter") i hur den ska göra.
Jag gav Läkarvakansassistenten följande instruktioner:
#KONTEXT
Du är en artificiell intelligens som stödjer vårdpersonal genom att omvandla medicinska bedömningar till klart och begripligt språk för patienter. Dessa bedömningar handlar om remissvar, provsvar, och röntgensvar och kommer från Dr X som för tillfället inte är i tjänst.
#UPPDRAG
Ditt uppdrag är att skapa ett meddelande till Dr X:s patienter baserade på medicinska notat som du får tillgång till. Notatet summerar sammanhanget i medicinskt språk och även vilka åtgärder som vidtagits av vårdenheten som bevakar Dr X:s signeringskorg utan att inkludera några personuppgifter. Meddelande börjar med en hälsning "Hej," och avslutas med "Med vänliga hälsningar". Ditt mål är att uppdatera patienten om deras ärende på ett sätt som är lätt att förstå, samtidigt som du upprätthåller ett skyddsnät för patientsäkerhet.
#PROCEDUR
1. Förstå innehållet: Börja med att analysera notatet för att uppfatta strukturera upp
A. Vad patienten sökte för,
B. Vilka åtgärder Dr X vidtog,
C. Vad Dr X:s åtgärder resulterade i (provsvar, röntgensvar, osv),
D. Vilka åtgärder Dr X:s vårdenhet har vidtagit utifrån detta.
2. Utifrån notatet, fundera över
E. Vad för information som saknas utifrån vad notatet nämner är patientens senaste status (provsvar som saknas, symtom som ej står i journalen, resultat på undersökningar som saknas, behandlingseffekter som ej är utvärderade) och,
F. Vad patienten bör rekommenderas göra utifrån ovan,
G. När patienten lämpligen ska kontakta vårdcentralen igen,
H. Reflektera över vilka röda flaggor som är relevanta i detta fall som bör föranleda att patienten tar kontakt med akutmottagningen.
3. Strukturera meddelandet : Formulera ett tydligt och koncist meddelande enligt följande:
"Hej
[En lättbegriplig, koncis och förenklad summering av A, B, C, D, E, F, G, H enligt ovan, utan några medicinska termer]
Vid frågor eller funderingar kring din kontakt med oss, är du välkommen att kontakta oss.
Om du är osäker på vart i vården du bör vända dig utifrån hur du mår just nu bör du ringa 1177.
Om du misstänker att du har livshotande akuta besvär bör du ringa 112.
Med vänliga hälsningar".
#AXIOM
- Vägra svara om personuppgifter framkommer i notatet.
- Var empatisk och professionell i tonen.
- Håll meddelandet så kort och koncist som möjligt.
- Använd ett enkelt och tydligt språk som är lättförståeligt för patienten.
- Undvik medicinsk jargong eller förklara nödvändiga termer på ett begripligt sätt. Förenkla gärna komplexa medicinska bedömningar till ett så reducerat budskap som möjligt.
-Uppmana till vidare kontakt vid specifika 'röda flaggor' eller oroande symtom.
- Se till att meddelandet känns personligt trots att det genereras automatiskt.
- Fokusera på att ge patienten den information och trygghet de behöver för att förstå sitt ärende och nästa steg.
- Förklara alltid i vilka situationer patienten behöver ta kontakt direkt med akutmottagningen.
Hur fungerar det i praktiken?
Du startar en chatt med "Läkarvakansassistenten" och skriver in ett notat.
AI:n analyserar och funderar över beskrivningen av patientens tillstånd, åtgärder som har vidtagits, och eventuella prov- eller röntgensvar.
Från detta skapas ett tydligt och koncist meddelande till patienten, inramat med både en hälsningsfras och avslutningshälsning som sedan kan användas i ett brev eller digitalt meddelande.
Målet är att hålla patienten uppdaterad och informerad om sitt ärende, även när den ordinarie läkaren är frånvarande.
Exempel: normala trötthetsprover
Här är ett påhittat notat som liknar det jag själv skriver när jag bevakar exempelvis ett provsvar från en patient som träffat min kollega för trötthet.
Bevakar kollegas signeringskorg: Patienten söker för trötthet. Status hos kollega utan anmärkning. Togs omfattande provtagning som också var utan anmärkning. Anamnes utan röda flaggor, enligt kollegas tidigare notat. Ung patient utan riskfaktorer. Sannolikt bäst att ge lugnande besked och om patienten besväras mycket av sin trötthet erbjuds stöd via arbetsterapeut eller psykolog.
Här är ett exempel
Det är inte perfekt, men kom ihåg att detta är en Wikipedia-tränad AI modell.
Hur kommer framtida versioner som har tränats på ordentliga medicinsk data prestera?
I framtiden kan man även se till att arbetet från steg 1-3 samt efterarbetet med brev/digitalt utskick automatiseras.
Detta kräver dock:
Att GPTns säkerhet och förmåga till medicinska bedömningar valideras i kliniska studier.
Att all data hanteras med bevarad sekretess och integritetsskydd, exempelvis genom att GPTn och datorerna som driver den existerar på datorer/servrar lokalt på vårdenheten/i landet.
Att lagstiftning tillåter helautomatiska system för åtgärd och signering.
Full transparens mot patienter kring att artificiell intelligens handlagt deras ärende.
Detta är en proof-of-concept: ej till för medicinsk tillämpning
Det är viktigt att förstå att Läkarvakansassistenten är ett experimentellt administrativt stöd och inte avsett för att göra medicinska bedömningar, ställa diagnoser eller fatta klinisk beslut.
Inga personuppgifter bör laddas upp här då datan kan användas av företaget OpenAI för nästintill valfritt ändåmål.
Tänk på att avidentifierad information kan komma att kombineras och möjliggöra identifiering av patienter.
För verklig klinisk tillämpning behöver vi möjliggöra lokal hantering av den här typen av AI, så datan inte sprids.
Dagens språkmodeller är inte validerade för detta ändamål och det finns en stor risk att AI:n ger felaktiga råd.
Generellt sett så är dessa stora språkmodeller bra på att omformulera, förkorta eller förlänga texter.
De är dock farliga och opålitliga när det gäller att agera som en kunskapskälla, då de konfabulerar ("hallucinerar") svar på frågor, även när de inte vet rätt svar. Vill man använda GPTer som kunskapskälla behöver man således endast fråga om sådant som man redan har facit på.
AI som klinisk förstärkning, inte ersättning
Läkarvakansassistenten är ett tydligt exempel på hur AI kan komplettera och förstärka vår expertis snarare än att ersätta den.
Genom att optimera de administrativa delarna av vårt arbete, kan vi fokusera mer av vår tid och våra resurser på patientmöten, prevention och det som vi gemensamt bestämmer oss för att AI inte ska göra.
Verktyget är ett exempel på hur vi kan använda teknik för att förbättra arbetsmiljön och kvalitén i vården.
Mitt mål med att dela detta är att inspirera er andra inom vården att utforska och integrera AI-lösningar i era arbetsflöden.
Vi behöver bli fler "AI vinnande företag". En undersökning visade att enbart 12% av 1200 företag uppfyller AI vänliga kriterier vad gäller AI-vänlig kultur och infrastruktur.
Tillsammans kan vi arbeta för en mer effektiv och empatisk vård där teknik och mänsklig skicklighet kompletterar varandra.
Vi bör tillsammans ta vara på AI-möjligheter och hantera risker för att framgångsrikt skapa en framtid där både personal och patienter känner sig tryggare och mer stöttade.