AI triáž pacientů v praxi
Bavorská ordinace praktického lékařství se čtyřmi lékaři byla zahlcena nenaléhavými telefonáty — opakované recepty, dotazy na termíny, neschopenky. Sestry trávily část každého dopoledne u telefonu místo u pacientů v ordinaci. Postavili jsme AI asistenta, který odbavuje nenaléhavé hovory v němčině a bavorském dialektu, kategorizuje je a směruje na správnou osobu. K dispozici je i plně on-premise varianta.
Výchozí situace
Praxe odbavuje přibližně 120 pacientských kontaktů denně. Velká část — odhadem polovina — připadá na telefonní hovory s nenaléhavým obsahem: prodloužení dlouhodobé medikace, dotaz na termín kontroly, žádost o neschopenku, dotaz na výsledky laboratoře. Sestry tyto hovory přijímaly mezi triáží pacientů u přepážky, často s linkou na čekání po pět či deset minut. Pacienti si stěžovali na obsazenou linku, sestry byly vyčerpané. Lékaři navíc dostávali špatně utříděný proud žádostí, kde se mísily skutečně urgentní s rutinními. Cílem nebylo nahradit sestru u telefonu — bavorská ordinace si zakládá na osobním tónu — ale odebrat jí rutinní strukturu a nechat ji řešit to, kde je člověka opravdu potřeba.
Řešení
Postavili jsme telefonického a SMS-asistenta. Pacient volá nebo píše, asistent ho přivítá, rozumí němčině včetně bavorského dialektu a srovná požadavek do jedné z předem definovaných kategorií: opakovaný recept, žádost o termín, neschopenka, dotaz na výsledky, ostatní. Pro každou kategorii má asistent jasně danou cestu: opakovaný recept se ověří proti seznamu pacientů a chronických medikací v PVS (informační systém praxe) a jde do fronty pro lékaře k jednoduchému schválení; žádost o termín jde do kalendáře sestry s navrženými sloty; neschopenka jde lékaři s návrhem délky vycházejícím z minulých epizod; výsledky laboratoře asistent zásadně sám nikdy nepředává — vždy směruje na sestru nebo lékaře. Asistent zároveň od první vteřiny detekuje akutní stav („dušnost“, „bolest na hrudi“, „neschopnost se nadechnout“) a okamžitě hovor přesměrovává — bez ohledu na to, kde v dialogu se nachází. Compliance: GDPR čl. 9 (zvláštní kategorie dat), bavorský zemský zákon o lékařském tajemství, plně on-premise varianta na železe v ordinaci, žádné odesílání dat mimo. Architektura: Claude jako jádro, lokální Whisper pro přepis hlasu, Langflow pro stavový tok, integrace na PVS přes její API.
Výsledek
Asistent dnes samostatně zpracovává zhruba 60 % všech nenaléhavých hovorů a SMS zpráv. Sestry odhadují, že získaly přibližně 2 hodiny denně volného času, který využijí na péči u přepážky. Lékaři dostávají do svého workflow strukturované žádosti namísto poznámek od sester, což zrychluje schvalování receptů. Žádný akutní stav nebyl asistentem podceněn — naopak v jednom případě byl pacient s ranními bolestmi v podbřišku okamžitě přesměrován na sestru, ačkoli sám zadal „chci jen termín na příští týden“. Spokojenost pacientů (krátký dotazník po hovoru) zůstala srovnatelná s předchozím stavem.
Co jsme se naučili
Tři věci. Zaprvé: bavorský dialekt v telefonu je neuvěřitelně variabilní a první verze rozpoznávání nás zklamala u starších pacientů. Museli jsme dokoupit a nasadit lokální Whisper-model dotrénovaný na audionahrávkách z jiné bavorské praxe (anonymizovaných) — teprve potom rozpoznávání spolehlivě fungovalo i pro 78letou paní z příhraničí. Zadruhé: pojem „akutní stav“ je v praktické medicíně mnohem širší, než si zvenku představíte. Naše první rozhodovací logika byla postavená na klíčových slovech a nezachytila pacienta, který popsal své potíže ve směsi metafor. Přepracovali jsme to na semantické vyhodnocení celé žádosti — agent dnes nečte klíčová slova, hodnotí situaci. Zatřetí: on-premise varianta byla pro lékaře emocionálně nezbytná. Cloud nebyl reálná možnost, ne kvůli GDPR (to by vyřešit šlo), ale kvůli pocitu zodpovědnosti za pacientská data. Tento pocit je pro nás dnes signál, kdy řešení od počátku navrhovat on-premise, ne ho dolepovat později.
Podobný problém?
Napište nám pár vět, odpovíme do jednoho pracovního dne.
Poptat projekt