Laboratorieresultater Fra Tre Forskjellige Datoer Skannet Og Sammenlignet Uten Å Berøre Et Regneark

Tre utskrifter fra tre forskjellige laboratoriebesøk lå på skrivebordet i en stabel. Januar, april og september. Hver var en full side med tall, forkortelser, referanseområder og merknader. Hemoglobin, antall hvite blodlegemer, kolesterolpanel, leverenzymer, skjoldbruskkfunksjon, vitamin D, jernstudier. Det trykte formatet var forskjellig for hver enkelt fordi to kom fra samme laboratorium og ett kom fra et annet anlegg som bruker en helt annen rapporteringsmal. Å sammenligne disse resultatene manuelt betyr å lage et regneark, skrive inn hver verdi for hånd, dobbeltsjekke hver oppføring mot utskriften fordi en feilskrevet desimal i en medisinsk sammenheng ikke er en mindre feil, og deretter bygge en slags visuell sammenligning for å se hvilke verdier som gikk opp, hvilke som gikk ned, og hvilke som krysset grensen mellom normalt og unormalt. Denne prosessen tar omtrent en time for tre rapporter og produserer et regneark som er nyttig nøyaktig én gang.

Skanningen av alle tre rapportene gjennom scan.yeb.to tok mindre enn ti sekunder totalt. Hver utskrift ble fotografert med et telefonkamera. Hvert bilde ble lastet opp. Hver skanning returnerte strukturerte data med hvert testnavn, verdi, enhet og referanseområde ekstrahert og organisert. Sammenligningen på tvers av alle tre datoer var umiddelbar: hemoglobin stabil på tvers av alle tre avlesninger, kolesterol som trendet nedover etter et kostholdsendring i mars, vitamin D som klatret fra mangel i januar til normalt innen september etter at tilskudd begynte. Ingen regneark. Ingen manuell datainnsats. Ingen stirring på utskrifter og forsøk på å finne den samme testen på tvers av tre forskjellige rapportformater. Kunstig intelligensen forsto at "Hb" på en rapport og "Hemoglobin" på en annen refererte til samme måling, og normaliserte navngivningen slik at sammenligningen var sammenlignbar.

Evnen til å spore helsedata over tid uten manuell innsats endrer forholdet de fleste mennesker har til sine laboratorieresultater. Uten enkel sammenligning er laboratorieresultater øyeblikksbilde som blir diskutert med en lege en gang og deretter arkivert. Trendene de avslører, de gradvise forbedringene eller forringelsene som bare blir synlige på tvers av flere datapunkter, forblir låst i papir fordi ekstrahering krever mer innsats enn de fleste er villige til å investere. Når ekstrahering er automatisert og sammenligningen er øyeblikkelig, blir disse trendene synlige og handlingsbar. Et vitamin D-nivå som forbedret seg fra 18 til 32 over seks måneder er ikke bare et tall; det er bekrefetelse på at tilskuddsprotokollen fungerer. Et leverenzym som krypet fra 35 til 42 til 51 på tvers av tre avlesninger er en trend som fortjener en samtale med en lege, selv om hver enkelt avlesning fortsatt kan falle innenfor "normal" referanseområde.

Problemet Med Papir Laboratorieresultater I En Digital Verden

Medisinske laboratorier produserer noe av de mest verdifulle dataene en person kan ha om egen kropp, og de leverer den i et av de verst mulige formatene. Trykt papir. Skriftene er små. Forkortelsene er inkonsistente. Referanseområdene presenteres i formater som varierer mellom laboratorier, noen ganger som et enkelt område som "4,0-10,0" og noen ganger som en mer kryptisk notasjon som krever medisinsk opplæring for å tolke. Papiret selv er vanligvis standard skriverutgang på tynt materiale som falmer, krysler og river seg over tid. Fem år med laboratorieresultater lagret i en mappe produserer en stabel med sider som er progressivt vanskeligere å lese og praktisk talt umulig å analysere uten å først transkribere alt til et digitalt format.

Digitale laboratorieportaler finnes selvfølgelig, og noen laboratorier tilbyr online tilgang til resultater. Men disse portalene er typisk låst til et enkelt laboratorienettverk. Bytt laboratorium, og historien overføres ikke. Besøk en spesialist som bruker et annet laboratorium enn allmennlegen, og disse resultatene lever i et eget system med eget innloggingssamfunn og ingen forbindelse til den primære laboratorieposten. Fragmenteringen er normen snarere enn unntaket, og resultatet er at de fleste menneskers laboratoriehistorie er spredt på flere portaler, flere papirmapper og flere mapper på telefoner der bilder av utskrifter ble tatt og deretter glemt. Å bringe all denne dataen sammen til ett enhetlig, sammenliknelig format krever enten ekstraordinær personlig organisering eller et verktøy som kan lese alle laboratorieresultater uavhengig av format og ekstraherer dataene automatisk.

Kunstig intelligens-dokumentskanningen håndterer denne fragmenteringen ved design. Den krever ikke en spesifikk rapportmal, en spesifikk laboratorieprovider eller et spesifikt format. Den leser dokumentet som et menneske ville gjort, og forstår at en tabell med testnavn og verdier er en tabell med testnavn og verdier uavhengig av om tabellen bruker rutenett eller whitespace for å skille kolonner, uavhengig av om testnavnene er fulle engelske ord eller forkortet koder, og uavhengig av om referanseområdene vises i samme kolonne som verdiene eller i en egen kolonne. Denne format-agnostiske tilnærmingen betyr at laboratorieresultater fra alle tilbydere, alle land og alle tidsperioder kan skannes og sammenlignes på lik vilkår.

Sporing Av Helsetrender Over Måneder Og År

Den virkelige verdien av skannede laboratorieresultater blir tydelig ikke ved første skanning, men ved den tredje, fjerde og femte. En enkelt laboratorierapport forteller deg hvor tingene står i dag. To rapporter viser en retning. Tre eller flere rapporter avslører en bane, og baner er det som betyr mest i helsestyring. Et kolesterolnivå på 220 mg/dL er bekymringsverdig som et isolert tall, men konteksten endrer alt. Hvis de to tidligere avlesningene var 260 og 240, er banen positiv: kostholdsendringene eller medikasjonen fungerer, og tallet er på vei i riktig retning. Hvis de to tidligere avlesningene var 190 og 205, er banen bekymringsfull: noe har endret seg, og den oppadgående trenden trenger oppmerksomhet før den fortsetter videre.

Leger ser pasienter noen få ganger i året og har vanligvis tid til å gjennomgå de mest nylige resultatene i detalj, men ikke til å rekonstruere en flerårig trendanalyse under et femten minutters møte. Å komme til et legebesøk med et klart sammendraget av hvordan sentrale verdier har endret seg over de siste tolv månedene, transformerer kvaliteten på samtalen. I stedet for å diskutere isolerte tall, kan samtalen fokusere på trender, på hvilke intervensjoner som produserte hvilke endringer, på hvorvidt den nåværende tilnærmingen fungerer eller trenger justering. Pasienten som bringer trenddata til sitt møte er en pasient som får mer verdi fra den begrensede tiden som er tilgjengelig, og legen som mottar disse dataene kan ta mer informerte beslutninger enn legen som bare ser det aller nyeste øyeblikksbildet.

For kroniske tilstander som krever kontinuerlig overvåking, er denne trendsynligheten ikke valgfritt. Skjoldbruskkpasienter som sporer TSH, T3 og T4 over år kan se nøyaktig hvordan endringer i medikasjondosering påvirker deres nivåer. Diabetikere som sporer HbA1c kan korrelere kostfaser med glykemisk kontroll på tvers av kvartaler. Pasienter på statiner kan verifisere at medikamentene deres produserer den forventede kolesterolreduksjonen over tid. I hvert tilfelle er mønsteret det samme: dataene finnes på papir, papiret er vanskelig å analysere manuelt, og gapet mellom å ha dataene og å bruke dataene er nøyaktig gapet som automatisert skanningen lukker. Skanningen på scan.yeb.to fyller det gapet med en rask skanning som gjør en papir utskrift til strukturert, sammenliknelig, spørbar data.

Personvern Og Hva Som Skjer Med Skannede Medisinske Dokumenter

Medisinske data er blant de mest sensitive kategoriene av personlig informasjon, og ethvert verktøy som behandler det, må håndtere denne sensitiviteten på riktig måte. Skanningsprosessen innebærer å laste opp et foto av et dokument, behandle det gjennom kunstig intelligens-ekstrahering og returnere strukturerte data. Spørsmålet som hver helsebevistbruker med rette stiller, er: hva skjer med det fotografiet og disse dataene etter at ekstrahering er fullført? Svaret er viktig fordi medisinske dokumenter inneholder ikke bare testresultater, men også pasientnavn, fødselsdatoer, identifikasjonsnumre og annen personlig identifiserbar informasjon som må behandles med omhu.

Behandlingspipeline er utformet for å minimere dataoppbevaring. Det opplastede bildet behandles, de ekstraherte dataene returneres, og mellomproduktene av behandlingen vedvarer ikke utover det som er nødvendig for å fullføre forespørselen. Det strukturerte resultatet tilhører brukeren, lagret hvor som helst de velger å holde det, enten det er utgiftssporingssystemet på receipts.yeb.to, en personlig helsemappe eller en eksport til et annet program. Denne tilnærmingen behandler skanningen som et behandlingsverktøy i stedet for en lagringsplattform, som stemmer med prinsippet om at brukere bør kontrollere hvor deres sensitive data lever, i stedet for å få det akkumulert i enda en sky-tjeneste.

Det bredere poenget om medisinsk dokumentskannung er at teknologien bør fjerne barrierer, ikke skape nye. Barrierer den fjerner er den manuelle innsatsen med å transkribere trykte laboratorieresultater til digitalt format. Barrierene den ikke må skape, er personvernbekymringer, datasikkerhetsproblemer eller leverandørlås som fanger medisinsk historie inne i en proprietær plattform. En skanner som ekstraherer data og gir det tilbake i et standard, bærbart format, respekterer både brukerens tid og deres autonomi over sine egne helseopplysninger. Den kombinasjonen av effektivitet og respekt for dataeierskap er det som gjør forskjellen mellom et verktøy folk bruker en gang av nysgjerrighet og et verktøy de integrerer i deres løpende helsestyringsrutine.

Utover Laboratorieresultater Og Det Bredere Dokumentskannings-Økosystem

Laboratorieresultater er en av åtte dokumenttyper som skanningen håndterer, og de illustrerer et mønster som gjelder på tvers av alle: ustrukturert papir inneholder strukturert informasjon som blir dramatisk mer nyttig når ekstrahert. Kvitteringer inneholder linjeposter og totaler. Fakturaer inneholder leverandørdetaljer, betalingsbetingelser og skyldige beløp. Resepter inneholder medikamentnavn, doser og instruksjoner. Visittkort inneholder navn, tittel, telefonnumre og e-postadresser. Bankkontoutskrifter inneholder transaksjoner med datoer, beskrivelser og beløp. Hver av disse dokumenttypene har sine egne formatvariasjoner, sine egne forkortelseskonvensjoner og sine egne strukturelle særheter, og kunstig intelligens-skanningen håndterer alle disse gjennom samme opplasting-og-ekstraherings-arbeidsflyt.

Allsidigheten av et enkelt skanningsendepunkt som håndterer flere dokumenttyper eliminerer behovet for spesialiserte apper for hver kategori. En skanner for kvitteringer, en annen for visittkort, en tredje for medisinske dokumenter, en fjerde for fakturaer: dette er det fragmenterte landskapet de fleste brukere navigerer i dag, med hver app som har sitt eget grensesnitt, sin egen konto og sin egen datasiloer. En enhetlig skanner som aksepterer alle dokumentfotos og returnerer passende strukturerte data uavhengig av dokumenttypen forenkler hele prosessen til en enkelt, konsistent arbeidsflyt. Fotografer uansett dokument som trenger digitalisering, last det opp til scan.yeb.to, og motta strukturerte data formatert for den dokumenttypen. Enkelheten i den arbeidsflyten er det som gjør forskjellen mellom et verktøy som blir brukt når noen husker at det eksisterer og et verktøy som blir en refleks når som helst papir trenger å bli data.