Améliorer la communication avec les patients grâce à l'assistance de l'IA
RadOnc-GPT améliore l'efficacité des échanges avec les patients atteints de cancer de la prostate.
Yuexing Hao, Jason M. Holmes, Jared Hobson, Alexandra Bennett, Daniel K. Ebner, David M. Routman, Satomi Shiraishi, Samir H. Patel, Nathan Y. Yu, Chris L. Hallemeier, Brooke E. Ball, Mark R. Waddle, Wei Liu
― 7 min lire
Table des matières
- Le Défi de la Messagerie en Boîte
- Comment Nous Avons Évalué RadOnc-GPT
- Économies de Temps pour les Professionnels de Santé
- Le Rôle de la Messagerie en Boîte
- Limites des Réponses Humaines
- Principales Conclusions de l'Étude de Notation
- Analyse des Sentiments
- Comparaison de Lisibilité
- Le Changement dans les Rôles de l'Équipe de Soins
- Conclusion
- Source originale
- Liens de référence
La messagerie en boîte est un moyen super important pour les patients de communiquer avec leurs médecins. Ce système permet aux patients d'envoyer des questions ou des préoccupations sur leur santé, leurs traitements ou leurs rendez-vous. Par contre, le temps que les Équipes de santé mettent à répondre à ces messages peut devenir une charge, prenant du temps sur les soins aux patients. Pour aider avec ce souci, on a développé RadOnc-GPT, un outil spécial conçu pour répondre rapidement aux questions des patients concernant les traitements du cancer de la prostate.
Le Défi de la Messagerie en Boîte
Avec l'augmentation des questions des patients, surtout après la pandémie de COVID-19, les équipes de santé doivent faire face à une demande croissante. Beaucoup de patients ont besoin de soutien tout au long de leur parcours de traitement, notamment quand ils ont des questions sur les médicaments, les effets secondaires ou les résultats des tests. Ce système de messagerie est utile pour communiquer, mais cela peut aussi mener à l'épuisement chez les professionnels de santé à cause du volume élevé de messages qu'ils doivent gérer.
Pour répondre à ces défis, on a décidé d'utiliser RadOnc-GPT, qui est une sorte d'intelligence artificielle conçue pour traiter et répondre aux messages des patients. Cet outil peut aider à faire gagner du temps aux infirmières et aux médecins en générant des réponses préliminaires qui sont pertinentes par rapport aux préoccupations du patient.
##Présentation de RadOnc-GPT
RadOnc-GPT est basé sur une technologie avancée de modèles linguistiques. Il peut accéder aux dossiers des patients à partir de systèmes de santé électroniques, ce qui signifie qu'il peut récupérer des informations sur l'historique de traitement d'un patient et d'autres détails pertinents avant de répondre. Ce système permet à RadOnc-GPT de fournir des réponses plus précises et utiles aux demandes.
Pour notre étude, on s'est concentré sur les patients atteints de cancer de la prostate traités à la Mayo Clinic. En se focalisant sur un domaine spécifique, on pensait que RadOnc-GPT serait mieux équipé pour donner des réponses pertinentes aux questions des patients.
Comment Nous Avons Évalué RadOnc-GPT
On a examiné 158 paires de questions de patients et de réponses des équipes de santé. Notre évaluation impliquait des analyses quantitatives, utilisant des outils informatiques pour analyser le langage des messages, et des évaluations qualitatives, où le personnel de santé notait les réponses selon la clarté, la justesse, la complétude et l'empathie.
Le but était de voir si RadOnc-GPT pouvait se débrouiller aussi bien que les équipes de soins cliniques. Nos résultats ont montré que RadOnc-GPT était mieux en clarté et empathie, tandis que lui et les équipes humaines avaient des notes similaires pour la complétude et la justesse.
Économies de Temps pour les Professionnels de Santé
Un des gros avantages de RadOnc-GPT, c'est le gain de temps potentiel qu'il offre. On estime que les infirmières pourraient économiser en moyenne environ 5,2 minutes par message, tandis que les médecins pourraient économiser autour de 2,4 minutes. Ces minutes peuvent vite s'accumuler, surtout dans une clinique débordée où des milliers de messages peuvent être envoyés chaque jour.
En réduisant le temps nécessaire pour répondre aux demandes des patients, RadOnc-GPT pourrait aider à alléger la charge de travail des équipes de santé, leur permettant de se concentrer davantage sur la qualité des soins plutôt que sur la lourdeur administrative de la messagerie.
Le Rôle de la Messagerie en Boîte
La messagerie en boîte fonctionne comme un email entre les patients et les prestataires de santé. Les patients peuvent contacter pour divers soucis, y compris des questions sur leur traitement et leur suivi. Ce système est essentiel pour garder la Communication ouverte, surtout quand les patients peuvent avoir du mal à comprendre des infos médicales compliquées.
Cependant, rédiger des réponses à ces messages peut être difficile et prendre du temps. Chaque patient a des préoccupations et des besoins uniques, ce qui nécessite une attention et une communication soignées de la part des équipes de santé.
Limites des Réponses Humaines
Notre étude a mis en évidence que les réponses des équipes de soins humaines abordaient souvent des préoccupations immédiates, mais manquaient d’éducation complète pour le patient. Même si les professionnels de santé fournissaient les instructions nécessaires, il n'y avait souvent pas assez d'infos détaillées pour aider les patients à bien comprendre leur situation médicale.
À l'inverse, RadOnc-GPT proposait des réponses offrant plus d'infos détaillées, ce qui pourrait donner aux patients une meilleure compréhension de leur santé.
Principales Conclusions de l'Étude de Notation
Dans notre étude de notation, on a inclus des médecins et des infirmières pour évaluer à la fois RadOnc-GPT et les réponses humaines. Les évaluateurs ont noté la complétude, la justesse, la clarté et l'empathie des réponses.
On a trouvé des différences dans la façon dont les évaluateurs humains ont noté les deux types de réponses. RadOnc-GPT a reçu des scores plus élevés pour la clarté et l'empathie, ce qui indique qu'il était perçu comme plus accessible et compréhensif que les réponses humaines. Cependant, les réponses humaines ont mieux noté en complétude et justesse, signifiant que les équipes de santé fournissaient des infos plus détaillées et exactes.
Analyse des Sentiments
On a aussi comparé le sentiment exprimé dans les réponses de RadOnc-GPT et des équipes de soins humaines. L'analyse a montré que les réponses de RadOnc-GPT avaient tendance à être plus positives, tandis que les réponses humaines reflétaient une gamme émotionnelle plus large, y compris des sentiments neutres et négatifs.
Cette différence suggère que RadOnc-GPT peut générer des réponses qui semblent plus optimistes, mais que les réponses humaines peuvent mieux capturer les divers états émotionnels des patients.
Comparaison de Lisibilité
On a évalué la lisibilité des réponses des deux sources. Les réponses humaines étaient jugées plus faciles à comprendre, ce qui est important pour les patients qui n'ont pas forcément de formation médicale. Bien que les réponses de RadOnc-GPT contiennent plus de mots et de phrases, les réponses humaines avaient tendance à communiquer l'information de manière plus directe et concise.
Comprendre la lisibilité est crucial car les patients doivent facilement saisir les infos qu'on leur fournit, surtout dans des situations stressantes liées à leur santé.
Le Changement dans les Rôles de l'Équipe de Soins
Avec l'introduction de RadOnc-GPT pour générer des brouillons de messages, on observe un changement dans le rôle des professionnels de santé, passant de répondants principaux à évaluateurs des brouillons générés par l'IA. Ce changement permet aux équipes de santé de se concentrer davantage sur l'évaluation et le perfectionnement des réponses plutôt que de les rédiger de zéro.
Bien que RadOnc-GPT aide à simplifier la communication, la supervision humaine reste essentielle pour garantir précision et soins personnalisés. La collaboration entre les outils d'IA et l'expertise humaine peut mener à de meilleures interactions avec les patients.
Conclusion
En conclusion, RadOnc-GPT a montré son potentiel pour aider avec la messagerie en boîte pour les patients atteints de cancer de la prostate. Même s'il ne peut pas remplacer le jugement et l'expertise humaine, il peut réduire considérablement le temps de réponse et aider à alléger la charge de travail des équipes de santé.
Les résultats de notre étude suggèrent que l'IA peut compléter les pratiques de santé traditionnelles, améliorant ainsi la communication et les soins aux patients. À l'avenir, il faudra mener des recherches supplémentaires pour explorer les limitations et les améliorations potentielles des outils d'IA dans les milieux cliniques.
En adoptant des solutions innovantes comme RadOnc-GPT, on peut faire des avancées importantes vers un environnement de soins plus efficace et solidaire pour les patients et les prestataires.
Titre: Retrospective Comparative Analysis of Prostate Cancer In-Basket Messages: Responses from Closed-Domain LLM vs. Clinical Teams
Résumé: In-basket message interactions play a crucial role in physician-patient communication, occurring during all phases (pre-, during, and post) of a patient's care journey. However, responding to these patients' inquiries has become a significant burden on healthcare workflows, consuming considerable time for clinical care teams. To address this, we introduce RadOnc-GPT, a specialized Large Language Model (LLM) powered by GPT-4 that has been designed with a focus on radiotherapeutic treatment of prostate cancer with advanced prompt engineering, and specifically designed to assist in generating responses. We integrated RadOnc-GPT with patient electronic health records (EHR) from both the hospital-wide EHR database and an internal, radiation-oncology-specific database. RadOnc-GPT was evaluated on 158 previously recorded in-basket message interactions. Quantitative natural language processing (NLP) analysis and two grading studies with clinicians and nurses were used to assess RadOnc-GPT's responses. Our findings indicate that RadOnc-GPT slightly outperformed the clinical care team in "Clarity" and "Empathy," while achieving comparable scores in "Completeness" and "Correctness." RadOnc-GPT is estimated to save 5.2 minutes per message for nurses and 2.4 minutes for clinicians, from reading the inquiry to sending the response. Employing RadOnc-GPT for in-basket message draft generation has the potential to alleviate the workload of clinical care teams and reduce healthcare costs by producing high-quality, timely responses.
Auteurs: Yuexing Hao, Jason M. Holmes, Jared Hobson, Alexandra Bennett, Daniel K. Ebner, David M. Routman, Satomi Shiraishi, Samir H. Patel, Nathan Y. Yu, Chris L. Hallemeier, Brooke E. Ball, Mark R. Waddle, Wei Liu
Dernière mise à jour: 2024-09-26 00:00:00
Langue: English
Source URL: https://arxiv.org/abs/2409.18290
Source PDF: https://arxiv.org/pdf/2409.18290
Licence: https://creativecommons.org/licenses/by/4.0/
Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.
Merci à arxiv pour l'utilisation de son interopérabilité en libre accès.