هیدی ۲: اتوماسیون کارهای اداری پزشکان با عامل‌های هوش مصنوعی

تصور کنید هر پزشک به‌طور متوسط ۸.۷ ساعت از هفته‌اش را صرف کاغذبازی می‌کند؛ یعنی حدود ۱۶.۶ درصد از کل زمان کاری‌اش در تلهٔ فرم‌ها و پرونده‌ها گم می‌شود. برای بازپس‌گیری این ظرفیت، شرکت Heidi در ۲۸ سپتامبر ۲۰۲۶ از Heidi II پرده‌برداری کرد تا فراتر از ثبت سادهٔ جلسات، کارهای اداری پس از ملاقات بیمار را به‌طور فعال اجرا کند.

تا امروز، هوش مصنوعی بالینی عمدتاً روی نقش «منشی» (Scribe) تمرکز داشت و گفتار را به یادداشت تبدیل می‌کرد. اما گلوگاه واقعی در نظام سلامت، «پیگیری‌ها» (Follow-up) است؛ یعنی ارجاعات، درخواست‌های آزمایش خون و زمان‌بندی‌هایی که بعد از خروج بیمار از مطب رخ می‌دهد. Heidi II با معرفی عامل (Agent) — شبیه به دستیاری که نه تنها می‌شنود، بلکه می‌تواند در نرم‌افزارهای موجود در اکوسیستم هر مطب جابه‌جا شود و کارها را پیش ببرد — این شکاف را هدف قرار داده است.

همان‌طور که در تحلیل‌های قبلی ما درباره‌ی اتوماسیون جریان‌های کاری اشاره کردیم، انتقال از مدل‌های چت‌محور به مدل‌های عامل‌محور، نقطهٔ عطف بهره‌وری در سال ۲۰۲۶ است. این تحول با بهینه‌سازی زیرساخت‌ها تسریع شده است، به‌طوری که مدل‌های جدیدی مانند Smaug توانسته‌اند هزینه‌های عملیاتی این عامل‌ها را به‌شدت کاهش دهند تا استقرار آن‌ها در مقیاس وسیع اقتصادی‌تر شود.

زمینه و مقیاس عملیاتی

به نقل از این شرکت مستقر در ملبورن استرالیا، این پلتفرم در حال حاضر هفته‌ای ۲.۸ میلیون بازدید بیمار را پشتیبانی می‌کند. این بازدیدها حدود ۱۰ میلیون وظیفهٔ پیگیری ایجاد می‌کنند که پیش از این نیاز به تلاش دستی و زمان‌بر پزشک داشت.

طبق گزارش شرکت، از فوریه ۲۰۲۴، این پلتفرم بیش از ۴۰۰ میلیون وظیفهٔ تکمیلی را شناسایی و نمایان کرده است. علاوه بر این، سرویس Heidi Scribe از ۱۷۵ میلیون بازدید و ۶۷ میلیون ساعت بالینی در سطح جهان پشتیبانی کرده است، در حالی که سرویس Heidi Evidence از زمان عرضه، به بیش از ۱۰ میلیون پرسش پاسخ داده است.

Heidi II بر سه ستون اصلی استوار است: عامل‌ها (Agents)، حافظه (Memory) و پژوهش‌های داوری‌شده (Peer-reviewed research). توماس کلی، هم‌بنیان‌گذار و مدیرعامل شرکت، این نسخه را نقطهٔ اوج تلاش‌های آن‌ها می‌داند؛ مسیری که از ثبت یادداشت‌ها به تکمیل وظایفی مثل آماده‌سازی پرونده (Chart Prep) و ترتیب دادن پیگیری‌ها به عنوان یک شریک برای پزشک تبدیل شده است.

نحوه عملکرد عامل‌ها

پزشکان اکنون با صفحهٔ اصلی (Home screen) جدیدی تعامل می‌کنند که بیماران و وظایف را با زمینهٔ (Context) پیش‌بارگذاری‌شده تجمیع می‌کند. در این سیستم، جلسات، بیماران و منابع را می‌توان به عنوان مرجع ضمیمه کرد و فایل‌های خارجی را برای ارائه زمینهٔ بیشتر آپلود نمود. پزشکان با زبان ساده به عامل‌ها دستور می‌دهند و عامل‌ها بدون نیاز به دستورات مکرر در هر مرحله، برنامه را طراحی و اجرا می‌کنند.

این سیستم جریان‌های کاری مشخصی را ممکن می‌کند:

• پیش‌پرونده‌سازی (Pre-charting): عامل‌ها می‌توانند لیست بیماران یک روز کامل را آماده کنند. دکتر ریموند براون از مرکز ENT و سینوس Capital اشاره کرد که هوش مصنوعی نتایج پاتولوژی را در پرونده می‌یابد و یادداشت‌های پیش از بازدید را می‌نویسد تا او بتواند در ۳۰ ثانیه آن‌ها را بخواند.
• پایش جامع (Panel Sweeps): هوش مصنوعی می‌تواند لیست بیماران را اسکن کند تا کسانی که زمان واکسیناسیون، آزمایش خون، غربالگری یا فراخوان‌های پزشکی‌شان رسیده است را شناسایی کند.
• تحلیل مبتنی بر شواهد: سیستم تحلیل‌هایی روی بازدیدهای مطب یا ارتباطات ارجاعی انجام می‌دهد.

این عامل‌ها را می‌توان به عنوان «روتین» (Routines) ذخیره کرد و برای کل لیست بیماران یک پزشک یا کل یک مرکز درمانی زمان‌بندی کرد. برخلاف چت‌بات‌های ساده، Heidi II می‌تواند با سیستم‌های مختلف از جمله پرونده‌های الکترونیک سلامت (EHR)، تقویم‌ها، اینباکس‌ها و پورتال‌ها تعامل کند. اگر عاملی نتواند کاری را انجام دهد، طوری طراحی شده است که دقیقاً دلیل عدم موفقیت را توضیح دهد.

برای تضمین ایمنی، شرکت «اصطکاک» (Friction) در سیستم ایجاد کرده است. هر اجرای عامل‌محور نیاز به نظارت و تأیید نهایی پزشک دارد. همچنین تیم‌های داخلی ایمنی بالینی، این ویژگی‌ها را از منظر ریسک، هم قبل از عرضه و هم بعد از آن، به‌طور مستمر بررسی می‌کنند.

مقیاس‌بندی و تأمین مالی

در ۲۳ سپتامبر ۲۰۲۶، Heidi مبلغ ۳۴۰ میلیون دلار سرمایه جدید جذب کرد. این مبلغ شامل ۱۰۰ میلیون دلار در سری C به رهبری Blackbird با مشارکت Phoenix Court, Point72 Private Investments و Headline، و همچنین ۲۴۰ میلیون دلار سرمایه‌گذاری رشد از General Catalyst’s Customer Value Fund است. این تزریق سرمایه، ارزش شرکت را به ۹۰۰ میلیون دلار رسانده است.

رشد مالی شرکت با پذیرش محصول همسو است؛ درآمد سالانهٔ تکرارشوندهٔ (ARR) آن‌ها در مدت کوتاه دو سال از ۱ میلیون به ۵۰ میلیون دلار رسید. پایگاه کاربران فعلی آن‌ها شامل سیستم‌های عمومی بزرگی مانند NHS Midlands در بریتانیا، Metro South Health، Health New Zealand و Beth Israel Lahey Health است.

ادغام دانش و شواهد

Heidi II پژوهش‌های داوری‌شده از شرکایی مثل New England Journal of Medicine، Wiley و Cochrane را در کنار اطلاعات پشتیبانی تصمیم بالینی از BMJ Group ادغام کرده است. این یعنی هر گفتگو بر اساس شواهد بالینی است و دارای استناداتی است که مشترکین می‌توانند برای دسترسی به مقالات اصلی دنبال کنند.

رابط‌های (Connectors) جدید به هوش مصنوعی اجازه می‌دهند لیست قرارها را استخراج کند، به سوالات مربوط به EHR پاسخ دهد، ایمیل‌های بالینی را بخواند و بنویسد، یا دستورالعمل‌های استاندارد عملیاتی (SOP) یک مطب را دنبال کند.

این چرخش از «منشی هوش مصنوعی» به «مدیر اداری هوش مصنوعی»، ارزش پیشنهادی مطب‌ها را تغییر می‌دهد. این پلتفرم با اتوماسیون لجستیک مراقبت، تلاش می‌کند ظرفیت مراقبت در جهان را بدون افزایش تعداد پزشکان، دو برابر کند.

عرضه Heidi II از ۲۹ سپتامبر ۲۰۲۶ به زبان‌های انگلیسی و فرانسوی آغاز شد. نکته قابل توجه این است که شرکت اعلام کرد این قابلیت‌های خاصِ عامل‌محور در حال حاضر در بریتانیا یا اتحادیه اروپا در دسترس نخواهند بود.

گام بعدی شما

• اگر مدیر مرکز درمانی هستید، بررسی کنید که کدام بخش از زمان پزشکان شما صرف «پیگیری‌های پس از بازدید» می‌شود.
• مدل‌های عامل‌محور را با چت‌بات‌های ساده مقایسه کنید تا تفاوت «تولید متن» و «اجرای وظیفه» را درک کنید.
• برای دنبال کردن روند اتوماسیون سلامت، گزارش‌های مربوط به ادغام AI با سیستم‌های EHR را زیر نظر بگیرید.

اما نبرد اصلی اکنون از «کی یادداشت بهتری می‌نویسد» به «کی وظایف بیشتری را مدیریت می‌کند» تغییر کرده است؛ اثر این رقابت بر استانداردهای مراقبت را در گزارش بعدی بررسی خواهیم کرد.