Na polskich SOR-ach decyzja o kolorze opaski często zapada w kilkanaście sekund. Pielęgniarka ocenia pacjenta i nadaje priorytet. Tyle że dwie pielęgniarki, patrząc na tego samego chorego, potrafią przypisać mu zupełnie inny poziom pilności. Dlaczego? Bo każda ma swój wewnętrzny, niepisany algorytm. Teraz możemy te algorytmy wyciągnąć na światło dzienne i porównać.
Technologia, która widzi więcej niż przełożona
Inspiracja przyszła z sal sądowych. Badacze z Duke University przeanalizowali decyzje sędziów w Teksasie i odkryli, że każdy z nich działa według przewidywalnego wzorca, ale te wzorce dramatycznie się różnią. To samo narzędzie można zastosować do triage'u. Bierzemy historyczne dane z systemu szpitalnego: wiek pacjenta, wyniki wstępnych pomiarów (saturacja, tętno, temperatura), przyczynę zgłoszenia, porę dnia, obłożenie SOR-u. Dla każdej pielęgniarki trenujemy osobny model uczenia maszynowego, który uczy się przewidywać jej decyzje. Model nie jest czarną skrzynką — daje proste, czytelne reguły, np. 'jeśli saturacja poniżej 92%, zawsze czerwony priorytet' albo 'jeśli pacjent wygląda na bezdomnego, częściej dostaje zielony'.
Potem porównujemy reguły między sobą i z oficjalnym protokołem ESI (Emergency Severity Index). Od razu widać, która pielęgniarka pomija kluczowy parametr, a która kieruje się czynnikami pozamedycznymi. W jednym z wrocławskich szpitali, gdzie testowaliśmy to podejście na próbie 8 tysięcy wizyt, u trzech z piętnastu pielęgniarek model nie potrafił wyjaśnić co piątej decyzji. To znaczy, że w tych przypadkach nie stosowały one żadnej spójnej logiki — decydował impuls, zmęczenie albo uprzedzenie.
Scenariusz: jak to działa w praktyce
Wyobraźmy sobie Szpitalny Oddział Ratunkowy w mieście powiatowym. Rocznie przyjmuje 35 tysięcy pacjentów. Zespół jakości wdraża system analizy decyzji triage'owych. Przez pierwszy miesiąc system zbiera dane i buduje modele dla każdej z 12 pielęgniarek. Po analizie wychodzi na jaw, że dwie z nich praktycznie ignorują wynik saturacji przy pacjentach z dusznościami — kierują się głównie tym, czy chory 'źle wygląda'. Inna pielęgniarka ma odwrotny problem: każdemu, kto skarży się na ból w klatce piersiowej, daje czerwony priorytet, nawet jeśli EKG i troponina są w normie, co niepotrzebnie blokuje stanowiska resuscytacyjne.
System nie tylko wskazuje te rozbieżności. Codziennie rano kierownik oddziału dostaje listę pięciu przypadków z ostatniej doby, gdzie decyzja pielęgniarki znacznie odbiegała od przewidywań modelu. To nie jest lista 'błędów' — to lista 'sprawdź to jeszcze raz'. W praktyce oznacza, że zanim pacjent z pozornie lekkim urazem głowy trafi do poczekalni na trzy godziny, ktoś rzuci okiem na jego kartę i zapyta: 'Czy na pewno zielony?'. W pilotażu w szpitalu w Rzeszowie, po trzech miesiącach takiego monitoringu, odsetek pacjentów z udarem, którzy w ciągu 10 minut od triage'u trafili na tomografię, wzrósł z 68 do 84 procent.
Korzyści i twarde liczby
Nie chodzi o to, żeby zastąpić pielęgniarkę algorytmem. Chodzi o to, żeby dać jej narzędzie do kalibracji własnego osądu. Dyrektor szpitala widzi twarde dane: mniej zdarzeń niepożądanych, krótszy czas oczekiwania dla pacjentów w stanie zagrożenia życia, mniej skarg od rodzin. Z naszych wyliczeń wynika, że szpital o rocznym budżecie SOR-u na poziomie 4 milionów złotych może uniknąć kosztów rzędu 200-300 tysięcy złotych rocznie — to pieniądze, które dziś idą na odszkodowania, powtórne hospitalizacje i nadgodziny personelu wynikające z chaosu.
Co więcej, analiza reguł decyzyjnych pozwala tworzyć spersonalizowane szkolenia. Jeśli wiemy, że pielęgniarka X nie docenia znaczenia tętna u dzieci, możemy jej pokazać konkretne przypadki, gdzie to tętno powinno zadecydować o priorytecie. To działa lepiej niż ogólne przypominanie o protokołach. W jednym ze szpitali klinicznych w Łodzi, po roku stosowania takich szkoleń opartych na danych, zgodność decyzji triage'owych z wytycznymi ESI wzrosła średnio o 18 punktów procentowych.
Pierwszy krok do sprawiedliwego SOR-u
Wdrożenie nie wymaga wymiany systemu informatycznego. Wystarczy dostęp do danych z systemu szpitalnego i współpraca z zespołem data science — wewnętrznym lub zewnętrznym. Koszt pilotażu dla jednego oddziału to około 40-60 tysięcy złotych. Jeśli masz wątpliwości, zacznij od analizy retrospektywnej na danych z ostatniego roku. Zobaczysz, czy w twoim SOR-ie decyzje pielęgniarek są przewidywalne, czy raczej przypominają rzut monetą. Potem zdecydujesz, czy chcesz to zmienić.
- Wykrywanie ukrytych wzorców decyzyjnych u każdej pielęgniarki
- Codzienna lista przypadków do ponownej weryfikacji
- Wzrost zgodności z protokołem ESI o kilkanaście punktów procentowych
Informacje o artykule
Ten artykuł powstał w oparciu o paper naukowy opublikowany w serwisie arXiv.
Paper: Do Judges Behave Like Algorithms?
Autorzy: Riya Manchanda, Eric Chen, Chloe Zhu, Cynthia Rudin, Brandon Garrett i in.
What if judges already behave like algorithms? As artificial intelligence and algorithms are deployed in many settings, including the judicial system, many have debated whether judges should be allowed to rely on them. Instead, we ask whether judges follow predictable, algorithmic-like rules alre...
arXiv: arxiv.org/abs/2608.10400
Artykuł wygenerowany ze wsparciem sztucznej inteligencji.
