Integracja chatbota zasilanego SI w celu zwiększenia dostępności elektronicznej dokumentacji medycznej w szpitalu pediatrycznym

Dlaczego to ma znaczenie dla codziennej opieki

Za każdą wizytą lekarską stoi narastająca góra cyfrowej papierologii. W szpitalach dziecięcych lekarze często tracą cenne minuty na przeszukiwanie elektronicznej dokumentacji medycznej zamiast rozmawiać z rodzinami czy podejmować decyzje. Badanie pokazuje, jak proste okno czatu, zasilane sztuczną inteligencją, może przekształcić te złożone zapisy w szybkie, klarowne odpowiedzi — szczególnie w zatłoczonych szpitalach o ograniczonych zasobach, gdzie każda sekunda jest na wagę złota.

Problem z odnajdywaniem informacji w cyfrowych kartotekach

Elektroniczna dokumentacja medyczna miała uczynić medycynę bardziej efektywną, ale wiele systemów stało się zagraconych i trudnych do przeszukania. Lekarze muszą klikać przez wiele ekranów i pól, by znaleźć podstawowe dane, takie jak poziom tlenu u dziecka czy ile podobnych przypadków przyjęto w zeszłym tygodniu. Wcześniejsze badania wykazały, że lekarze mogą spędzać ponad kwadrans na wizytę w tych systemach, przy czym znaczną część tego czasu zajmuje wyszukiwanie zamiast myślenia czy rozmowy z pacjentami. Te problemy są szczególnie dotkliwe w mniejszych lub wiejskich szpitalach, gdzie oprogramowanie bywa proste, a personel mocno przeciążony.

Chatbot, który rozmawia z arkuszami

Badacze współpracowali z szpitalem rejonowym w Tumkur w Indiach, gdzie dane pediatryczne pacjentów przechowywane są w prostych plikach przypominających arkusze kalkulacyjne zamiast w kosztownych systemach bazodanowych. Zbudowali lekką elektroniczną dokumentację medyczną przy użyciu powszechnych narzędzi webowych i podłączyli ją do konwersacyjnego chatbota opartego na LangChain i modelu GPT-3.5 firmy OpenAI. Zamiast przesyłać pełne rekordy pacjentów do SI, oddzielny „pomocnik” w Pythonie tłumaczy pytanie wpisane przez lekarza na bezpieczne, ukierunkowane polecenia, które pobierają tylko potrzebne informacje z zanonimizowanych danych. Chroni to prywatność, a jednocześnie pozwala chatbotowi rozumieć naturalne pytania, takie jak „Ile przypadków dengi przyjęto w tym dniu?” lub „Jaki jest najnowszy poziom tlenu u tego dziecka?”

Jak system działa za kulisami

Kiedy lekarz wpisuje pytanie w chatbot, system najpierw pobiera odpowiednie, zdezidentyfikowane dane z bezpiecznej przestrzeni Firestore i konwertuje je do formatu strukturalnego. Agent LangChain dla CSV przekształca następnie pytanie na małe fragmenty kodu komputerowego, które mogą przeszukiwać te pliki w stylu arkusza. Ten kod jest uruchamiany na lokalnych danych, a wyniki są przekazywane z powrotem do modelu językowego, który formułuje z nich jasną, konwersacyjną odpowiedź dla klinicysty. Strumienie danych płyną tylko w jednym, bezpiecznym kierunku: chatbot widzi wyniki zapytań, a nie całe karty pacjentów, co pomaga systemowi przestrzegać zasad prywatności, zachowując jednocześnie elastyczność i naturalność obsługi.

Testowanie chatbota z udziałem prawdziwych klinicystów

Aby sprawdzić, czy narzędzie rzeczywiście pomaga, zespół zebrał zestaw danych z 1 200 pediatrycznych kontaktów, z których każde zawierało około 160 różnych punktów danych. Czterdziestu klinicystów poproszono o wykonanie 240 realistycznych zadań wyszukiwania, takich jak sprawdzenie konkretnego parametru życiowego czy policzenie pacjentów z określoną diagnozą, zarówno z chatbotem, jak i bez niego. Starsze wyszukiwanie w elektronicznym systemie szpitala, opierające się na prostym dopasowywaniu słów kluczowych, służyło jako porównanie. Przy użyciu chatbota mediana czasu wyszukiwania spadła z nieco ponad minuty do nieco ponad pół minuty — czyli około 40% poprawy. Dokładność pozyskanych informacji również wzrosła zauważalnie, ze złączonym wynikiem precyzji i kompletności zwiększonym z 0,71 do 0,89. Klinicyści wysoko ocenili użyteczność narzędzia i docenili otrzymywanie ładnie ustrukturyzowanych odpowiedzi zamiast surowych tabel.

Co to może oznaczać dla przyszłej opieki

Autorzy konkludują, że skromny, przystępny cenowo chatbot może znacznie ułatwić i przyspieszyć dostęp lekarzy do historii medycznych dzieci, bez konieczności rozbudowanej infrastruktury czy narażania danych na niepotrzebne ujawnienie. Pozwalając klinicystom „rozmawiać” z zapisami prostym językiem i starannie ograniczając to, co SI może zobaczyć, system wskazuje praktyczną drogę dla szpitali opierających się na arkuszach i mających napięte budżety. Chociaż chatbot nadal ma trudności z bardzo złożonymi lub niejednoznacznymi pytaniami i nie obsługuje jeszcze notatek wolnego tekstu, badanie sugeruje, że podobne narzędzia mogłyby pewnego dnia pomóc klinicystom w wielu dziedzinach spędzać mniej czasu na walce z oprogramowaniem, a więcej na opiece nad pacjentami.

Cytowanie: Gowramma, P.B., Kumar, K., Prema, M.S. et al. AI-powered Chatbot integration for enhanced accessibility of electronic health records in a pediatric hospital. Sci Rep 16, 13287 (2026). https://doi.org/10.1038/s41598-026-42475-2

Słowa kluczowe: pediatryczna elektroniczna dokumentacja medyczna, medyczny chatbot AI, wyszukiwanie danych klinicznych, prywatność w opiece zdrowotnej, szpitale o ograniczonych zasobach