UHCW NHS Trust, IBM Consulting 및 Celonis SE는 환자 경험과 건강 결과라는 렌즈를 통해 트러스트의 외래 환자 서비스를 분석하고자 긴밀하게 조직된 결합 팀을 구성했습니다. 이 접근 방식은 IBM Garage 모델, Celonis의 AI 기반 프로세스 마이닝, UHCW NHS Trust의 선도적인 데이터 분석 사례 및 지속적인 운영 개선 활동을 결합했습니다.

결합된 팀은 트러스트의 운영 데이터를 통해 50만 건 이상의 가명 처리한 환자 여정과 프로세스의 중심에 있는 직원과의 대면 연구 및 인터뷰를 분석했습니다. 이 분석에는 가명 처리된 인구 통계학적 데이터가 계층화되어 결과와 개입이 건강 불평등을 악화시키지 않도록 했습니다. 이 독특한 접근 방식은 몇 달이 아닌 몇 주 만에 개선 기회와 개입으로 이어졌습니다.

이러한 개선 사항 중 하나는 결핍 수준이 높은 환자들 사이에서 더 흔히 발생하는 불참(DNA, Did not Attends)으로 알려진 환자 예약 누락에 대한 UHCW NHS Trust의 접근 방식에 초점을 맞췄습니다. 두 개의 SMS 알림이 전송된 후 막바지 취소가 급증하는 것을 확인한 IBM Garage 팀은 이러한 약속 시간대를 다시 예약할 가능성을 높이는 방법을 모색하는 일에 참여했습니다. 그 후, 예약 14일 전에 환자에게 조기 통지를 보내고 4일 전에 후속 조치를 취하는 등 문자 알림의 타이밍을 조정함으로써 트러스트는 두 개의 문자 메시지를 받는 집단에서 적시 취소를 증가시켜 예약 시간대를 재사용할 수 있는 가능성을 높일 수 있다는 것을 발견했습니다.

이 프로젝트의 일환으로 IBM과 UHCW NHS Trust는 IBM watsonx.ai 기술을 시험하여 기계 학습 모델을 교육, 조정 및 배포해 병원 직원이 선택적 백로그에서 환자 일정을 관리하고 검증할 수 있도록 지원했습니다. 또한 이 솔루션은 생성형 AI(Gen AI) 기능을 사용하여 임상 서신을 읽고 환자의 대기자 명단 상태를 확인하는 데 도움을 줍니다.

프로세스 개선이 이루어지면서 UHCW NHS Trust는 거의 즉각적인 결과를 실현하기 시작했습니다. 예를 들어, SMS 알림을 조정한 결과, 두 번의 SMS 알림을 받은 외래 환자 하위 집합 환자들 사이에서 DNA 비율이 10%에서 4%로 감소했습니다.

이제 환자들이 예약을 더 일찍 취소하거나 일정을 변경함에 따라 트러스트는 이러한 슬롯의 용도를 변경하여 병원 활동을 최대 6%까지 높일 수 있습니다. 이러한 효율성은 UHCW NHS Trust가 전반적인 선택적 건강 회복 개입의 일환으로 매주 약 700명의 추가 환자를 진료할 수 있도록 지원했습니다. 트러스트에서 실시한 현재 예측에 따르면 이러한 추가 활동은 전체 백로그를 10%~15% 줄이는 데 기여할 수 있습니다.

또한, IBM watsonx.ai의 시범 운영은 사람이 검토하는 것보다 더 뛰어난 정확도와 속도를 보여 주었습니다. 이 솔루션은 사람이 외래 환자 진료 소견서를 검토하는 데 4년이 걸렸던 것에 비해 단 18시간 만에 검토할 수 있었습니다. 또한 이 시범 운영을 통해 UHCW NHS Trust는 환자 분류를 더욱 개선하여 더 이상 치료가 필요하지 않은 환자를 제거함으로써 대기자 명단을 단축할 수 있습니다.

국민보건서비스(NHS)의 일부인 UHCW NHS Trust (ibm.com 외부 링크)는 영국에서 가장 큰 중대한 의과 대학 부속 병원 중 하나입니다. 이 조직은 지역 사회에 광범위한 전문 및 응급 의료 서비스를 제공하며 영국 코번트리의 대학 병원과 영국 럭비시의 세인트 크로스 병원의 두 캠퍼스에 걸쳐 있습니다.

10여 년 전에 설립된 IBM의 전략적 파트너인 Celonis(ibm.com 외부 링크)는 프로세스 마이닝 솔루션을 전문으로 하는 AI 기반 서비스형 소프트웨어(SaaS) 서비스를 제공합니다. 이 회사는 독일 뮌헨과 뉴욕에 동시에 본사를 두고 있으며 미국, 유럽, 인도 및 일본 전역에 추가 지사를 두고 있습니다.