Forbedret pasientengasjement gjennom skreddersydd kommunikasjon og prognoser

En større helseinstitusjon ønsket å øke etterlevelse av behandlingsplaner og redusere antall ikke-møtt-pasienter, samtidig som personvernhensyn og etiske krav måtte styrkes ved bruk av intelligente systemer.

Optimum Range utviklet en strategi for personalisering i pasientkommunikasjon som inkluderte prediktive modeller for avbestillingsrisiko og individuelle kommunikasjonsplaner tilpasset helsetilstand og preferanser.

Innsamling av datagrunnlag ble nøye planlagt for å sikre at kun relevante og samtykkebaserte datapunkter ble brukt, og dette omfattet både journalsignaler, planlagte avtaler og selvrapporterte preferanser fra pasientportalen.

Et sentralt fokus var på forklarbarhet og tillit, derfor ble anbefalingsmekanismer designet slik at helsepersonell enkelt kunne forstå og overstyre forslag til påminnelser eller endringer i kommunikasjonsfrekvens.

Optimum Range implementerte algoritmer som identifiserte pasienter med høy sannsynlighet for å utebli eller ikke følge opp behandling, og på bakgrunn av det ble kommunikasjonsløp enten intensivert eller forenklet.

For å unngå utilsiktet forskjellsbehandling ble modeller jevnlig evaluert for bias mot alder, kjønn eller sosioøkonomisk bakgrunn, og korrigerende tiltak ble innført når skjevheter ble oppdaget.

Et praktisk resultat var tilpasning av påminnelseskanaler etter pasientens preferanse; noen foretrakk SMS, andre e-post eller telefonsamtale, og denne kanalmatchen økte responsraten betydelig.

Et større element i prosjektet var opplæring av klinisk personale i hvordan AI-støtte kunne brukes som beslutningsstøtte uten å erstatte faglig skjønn, og dette ga større aksept for systemets anbefalinger.

En utfordring var å holde informasjonen relevant uten å overbelaste pasientene, og Optimum Range løste dette ved å bruke heuristikker som begrenset meldingsfrekvens basert på behandlingstype og pasientens tidligere responsmønstre.

Etikk og personvern ble ytterligere sikret ved å samle samtykke for hver type behandling og ved å tilby pasienter transparent innsikt i hvilke data som ble brukt og hvorfor, noe som økte tilliten til løsningen.

Målinger etter implementering viste økt oppmøte til planlagte konsultasjoner og bedre etterlevelse av foreskrevne tiltak, noe som førte til mer effektiv ressursbruk og forbedret helseresultat for en del pasientgrupper.

Prosjektet etablerte også en modell for kontinuerlig forbedring hvor nye pasientgrupper og behandlingsforløp ble testet i kontrollerte eksperimenter for å sikre at løsningen skalerer trygt.

Den strategiske effekten inkluderte bedre ressursallokering i klinikken, redusert antall hasteinnkallinger og forbedret pasienttilfredshet, hvilket demonstrerte hvordan målrettet bruk av AI kan bidra til både klinisk og organisatorisk gevinst.