11. listopadu 2025 | LinkedIN, DigitalHealth_CZ
Článek byl uveřejněný na síti LinkedIN a najdete ho pod tímto odkazem.
Společnost STYRAX Consulting se už řadu let věnuje analýzám ekonomicko-medicínských ukazatelů klinických procesů. Neomezuje se jen na pohled zdravotních pojišťoven, zkoumá je i z úhlu vnímání poskytovatelů zdravotních služeb.
Systém Capybara se stal užitečným nástrojem pro lékaře i manažery. Nově do něj vstupuje i umělá inteligence, která dokáže s daty pracovat chytřeji, hledat v nich skryté souvislosti a podporovat rozhodování.
Co to přineslo v praxi?STYRAX je pověstný týmovým přístupem. Na překážky a úspěchy při rozvoji řešení jsem se tentokrát ptal všech, kdo u zrodu Capybary stáli.
Impulzem pro vývoj našeho řešení byla snaha zrychlit a automatizovat interpretaci dat. Dříve jsme my i naši uživatelé trávili čas dohledáváním podkladů pro rozhodování, dnes tuto fázi zastane AI, která automaticky propojí data, upozorňuje na souvislosti a připravuje podklady pro rozhodování.
Naše úloha zůstává v jejich ověření a případně interpretaci nových typů zjištěných anomálií. V systému Capybara pak výsledky prezentujeme přehledně nejen ve vhodných typech grafů a v tabulkách, ale především jsme schopni rovnou uživateli nabídnout manažerské shrnutí a doporučení dalšího postupu. Přínos je zde tedy jasný, snažíme se o rychlejší, přesnější a stále chytřejší práci s daty.
Tahounem bývají lidé, kterým na chodu zdravotnického zařízení opravdu záleží – tedy především jejich majitelé. Ti mají přirozenou motivaci řídit efektivně a mít svá data a procesy pod kontrolou. S daty ale následně pracují i sami lékaři nebo vedoucí klinik.
Zkušenost nám ukázala, že poskytovatelé, kteří mají soukromého majitele, mají v tomto smyslu daleko větší “tah na branku” a snaží se případné neefektivity co nejdříve odhalit a řešit. U větších veřejných a v různých formách státem vlastněných zdravotnických zařízení bude asi cesta k nalezení takovéto motivace delší… Když se nám i tady podaří najít někdo, kdo má chuť posouvat věci vpřed a kultivovat fungování celého systému, výsledky na sebe nenechají dlouho čekat.
Tabulkové procesory zvládnou dnes opravdu hodně. Pořád je ale potřeba člověk, který se v datech vyzná a umí je správně interpretovat. Umělá inteligence posouvá tuto práci na novou úroveň – sama vyhledává odchylky, vzorce i skryté souvislosti, které by běžná analýza mohla přehlédnout. Umí navrhnout další kroky, jak procesy či finanční stránku problematiky vylepšit, a to v přehledné formě.
Další výhodou našeho řešení je personalizace, kdy systém reaguje na konkrétního uživatele, striktně dodržuje přístupová oprávnění a zabezpečení a dle nich i čerpá data z interních zdrojů.
Model se učí z dat a zkušeností nasbíraných během dlouhého období a do celého procesu jsou zapojeni naši analytici a konzultanti, kteří pomáhají modelu porozumět souvislostem mezi různými úhradovými mechanismy a specifiky zdravotnického prostředí.
Vylepšování má následně dvě úrovně, kdy se model učí nejdříve od lidí (z reálných zkušeností a zpětných vazeb typu “správná / nesprávná odpověď”), a poté, a nebo souběžně, ladíme jeho „kreativitu“, aby byl spolehlivý a nepodléhal tzv. halucinacím. Díky tomu se AI neustále zlepšuje a stává se přesnějším partnerem pro odbornou praxi.
Díky systému Capybara a poslední dobou i se zapojením umělé inteligence se zdravotnické zařízení dokáže lépe zorientovat ve vlastních datech – vidí, kde se léčebné procesy odchylují od obvyklých procesů a jaký to má dopad na ekonomiku. Z toho pak může posoudit, ve kterých částech vše funguje ekonomicky dobře a kde je prostor ke zlepšení. Systém třeba doporučí, jak rozložit zátěž mezi pracovišti, kolik času věnovat pacientům nebo jak často je zvát na kontroly. Ekonomicky zase odhalí, kde zbytečně unikají finance, a pomůže předejít regulacím od pojišťoven. Systém dokáže vyhodnotit možný ekonomický přínos investice do nového přístroje (kdy se tato investice vrátí), dokáže si namodelovat možné dopady rozšíření spektra poskytovaných služeb (potenciální výnosy od zdravotních pojišťoven vs. personální náklady), apod.. Celkový dopad pak je – plynulejší péče, méně plýtvání a více jistoty v rozhodování.
Největší překážkou při zavádění modelu nebývá technologie, ale přístup lidí, kteří s ní mají pracovat. Často se setkáváme s přesvědčením, že „lépe to už nejde“. To se stává zejména tam, kde zdravotnické zařízení neřídí ekonom, ale zdravotník, který se soustředí na kvalitativní stránku zdravotní péče, což je chvályhodné, ale nezbývá mu třeba už dost času na domyšlení ekonomických dopadů... A přitom i v dobře fungujících procesech se skrývá prostor pro zlepšení, který data dokážou odhalit.
Naším cílem ale není kritizovat, spíše chceme nabídnout nový pohled zvenčí, kdy se díky datům a AI snažíme ukázat příležitosti, které pomohou rozhodovat rychleji a jistěji.
Když uživatelé překonají počáteční nedůvěru, výsledky jsou vidět téměř okamžitě.
Využití AI pro ekonomické řízení zdravotnického zařízení můžete s týmem STYRAX Consulting diskutovat i na jejich stánku na konferenci Efektivní nemocnice.
STYRAX Consulting, a.s. je poradenskou společností zaměřující se na konzultační služby a poradenství pro instituce především ve zdravotnictví, datové analýzy a zpracování velkých objemů dat, datamining, detekce fraudu apod. a více než 15 let i na využití umělé inteligence (AI) jak při vývoji pomocníků při administrativních činnostech, tak při analýzách dat.
Byla založena v roce 2009 a svým zaměřením vhodně doplňuje záběr své mateřské softwarové společnosti STYRAX, a.s.
Podrobnější informace k predikci zdravotních rizik a jak se této oblasti věnují ve společnosti STYRAX Consulting najdete pod odkazem www.styraxconsulting.cz/sluzba_riziko.html
