จาก Pain Point สู่ Chart Sum AIลดภาระแพทย์ตั้งเป้ารายได้โต

ปัญหาภาระงานเอกสารที่ซ้ำซ้อนและมากเกินไป ได้กลายเป็นสาเหตุหลักที่ทำให้บุคลากรทางการแพทย์ “Suffer” โดยเฉพาะอย่างยิ่งเวลาที่บุคลากรต้องเสียไปกับงานประจำ (Routine) และงานแอดมินที่ซ้ำซ้อน แทนที่จะได้ไปโฟกัสกับการตรวจรักษาผู้ป่วยจริงๆ เพื่อแก้ปัญหาดังกล่าว Chart Sum แพลตฟอร์มที่ใช้ปัญญาประดิษฐ์ (AI) และการประมวลผลข้อมูลเพื่อช่วยรวมและสรุปข้อมูลทางการแพทย์โดยอัตโนมัติ ทำให้ลดภาระงานด้านเอกสารของแพทย์ลงได้

เพราะในความเป็นจริง ในช่วงที่แพทย์พบปะพูดคุยกับผู้ป่วยอาจใช้เวลาเพียง 5 นาที แต่หลังจากนั้นประมาณ 60% ของเวลาที่เหลือทั้งหมดจะหมดไปกับการกรอกข้อมูลในระบบ การเขียนเอกสาร และการทำธุรการต่างๆ ปัญหาเหล่านี้เริ่มสะสมตั้งแต่สมัยเป็นนักศึกษาแพทย์ที่ต้องเสียเวลาในการ “ลอกแล็บใส่กระดาน” ก่อนนำไปตรวจคนไข้ คืองานประจำที่ต้องทำต่อเนื่องจนทำงานเป็นแพทย์ผ่าตัด 

และกลายเป็น Pain Point ที่ นพ.รพีพัฒน์ ศรีจันทร์ ศัลยแพทย์ออร์โธปิดิกส์ และที่ปรึกษาด้านข้อมูล/AI ศูนย์ศรีพัฒน์ คณะแพทยศาสตร์ มหาวิทยาลัยเชียงใหม่ และเพื่อนสมัยมัธยมอีก 3 คนนำมาจัดตั้ง บริษัท สาติ จำกัด พัฒนา Chart Sum  ช่วยประมวลผล สรุปข้อมูลทางการแพทย์โดยอัตโนมัติ ลดภาระงานด้านเอกสารลงได้ถึง 40% และช่วยเพิ่มรายได้จากการเบิกจ่ายที่ถูกต้องให้กับโรงพยาบาลได้มากถึง 62% ในบางกรณีปัจจุบันระบบนี้กำลังถูกนำไปใช้ในโรงพยาบาลรัฐหลายแห่ง และมีแผนที่จะขยายไปยังกลุ่มประกันชีวิตและตลาดต่างประเทศด้วย 

ข่าวที่เกี่ยวข้อง:

พบผู้ป่วยมะเร็งปอด ระยะลุกลาม 70% แนะตรวจคัดกรอง รู้เร็ว รักษาหาย

เจาะปัญหา 'หมอลาออก' เผยช่วงที่ทรมานที่สุดในชีวิตการเป็นแพทย์

ข้อมูลกระจัดกระจาย ต้นตอ “Underclaim” และ “Overclaim”

ปฏิเสธไม่ได้ว่า ความซ้ำซ้อนและข้อมูลที่กระจัดกระจาย (scatter) หรือการบันทึกข้อมูลที่ไม่เป็นมาตรฐานเดียวกัน นำมาสู่ปัญหา Underclaim (การเบิกจ่ายต่ำกว่าความเป็นจริง)คือกรณีที่แพทย์ตั้งใจรักษาตามมาตรฐาน แต่ข้อมูลที่ถูกส่งออกไปเพื่อทำการเบิกจ่ายไม่ครบถ้วน ทำให้โรงพยาบาลได้รับรายได้น้อยกว่าที่ควรจะเป็น โดยเฉพาะในโรงพยาบาลรัฐบาล เนื่องจาก รายได้ที่หายไปจากส่วนนี้อาจสูงถึง 20-30% ของรายได้ทั้งหมด 

รวมทั้ง ในบางแห่ง Overclaim (การเบิกจ่ายเกินจริง) เกิดขึ้นเมื่อมีการขอเบิกเกินกว่าหลักฐานที่มี โดยส่วนใหญ่มิได้เกิดจากการตั้งใจ แต่มาจากการบันทึกข้อมูลที่ไม่ครบถ้วนหรือลืมบันทึก ตัวอย่างเช่น หากผู้ป่วยมีโรคประจำตัวหลายอย่าง แต่บันทึกการรักษาไม่มีคำว่าโรคนั้นๆ อยู่ อาจถูกตีความว่าเป็น Overclaim ทำให้โรงพยาบาลที่ได้รับเงินไปก่อน แต่จะ ถูกเรียกเงินคืนในปีถัดไป

"สาเหตุที่ กระบวนการสรุปข้อมูลเพื่อส่งเบิกนั้นมีความซับซ้อนและใช้เวลานาน เนื่องจากมีขั้นตอนการทำ 2-3 ขั้นตอน และต้องให้แพทย์เจ้าของไข้, โค้ดเดอร์/นักเวชสถิติ, และแพทย์สรุปใหญ่ก่อนส่งเบิก ในบางกรณี การสรุปชาร์จผู้ป่วยเพียงรายเดียวอาจใช้เวลาถึง 30 วัน ทำให้มีโอกาสเกิด Underclaim การเบิกจ่ายต่ำกว่าความเป็นจริง รวมทั้ง Overclaim การเบิกจ่ายเกินจริง เกิดขึ้นได้ในกรณีที่บันทึกการรักษาไม่ครบถ้วน"

“Chart Sum”โซลูชัน AI จัดการข้อมูลไร้โครงสร้าง       

CEO & CO-FOUNDER บริษัท สาติ จำกัด ที่มีส่วนร่วม พัฒนา Chart Sum เล่าว่า ด้วยความตระหนักถึงปัญหาดังกล่าว ทีมผู้ก่อตั้งซึ่งประกอบด้วยแพทย์และผู้เชี่ยวชาญด้าน Data Scientist จึงได้พัฒนาระบบที่เรียกว่า “Chart Sum” (ระบบสรุปชาร์จ) ระบบนี้ถูกออกแบบมาเพื่อแก้ไขปัญหาการสรุปข้อมูล โดยมีหลักการสำคัญคือ การรวบรวมข้อมูลทั้งหมดที่บุคลากรตั้งใจทำอยู่แล้ว ให้มีคุณค่ามากขึ้น

โดยเฉพาะ ข้อมูลทางการแพทย์ประมาณ 80% เป็นข้อมูลไร้โครงสร้าง (Unstructured Data) ข้อมูลที่แพทย์พิมพ์เป็นข้อความยาวๆ คล้าย Word หรือ Text ระบบ Chart Sum จะเข้าไปจัดการข้อมูลไร้โครงสร้างนี้ โดยพยายามคิดเสมือนเป็นแพทย์คนสุดท้ายที่ตรวจผู้ป่วย เพื่อสรุปข้อมูลที่จำเป็นทั้งหมด ทั้งความรู้ทางการแพทย์, การให้รหัสโรค, และการแนบหลักฐานประกอบ เพื่อนำไปใช้ประกอบการส่งเบิกที่ตรงตามการรักษาจริง กรณีที่เบิกจากกองทุนหลักประกันสุขภาพถ้วนหน้า (สปสช.) ได้อย่างตรงตามที่รักษาจริงให้มากที่สุด

ผลลัพธ์ที่พิสูจน์ได้ลดเวลา 40%

ปัจจุบันระบบ Chart Sum ได้เริ่มใช้งานจริงในกลุ่มโรงพยาบาลรัฐหลายแห่ง รวมถึง โรงพยาบาลมหาราชนครเชียงใหม่ (สวนดอก), โรงพยาบาลเชียงรายประชานุเคราะห์ และโรงพยาบาลมหาราชโคราช โดยผลลัพธ์ที่เกิดขึ้น สามารถลดภาระงานโดยรวม ช่วยลดเวลาในการทำงานโดยรวม (Overall Workflow) ได้ถึง 40% เพิ่มประสิทธิภาพการเบิกจ่าย สามารถช่วยให้โรงพยาบาลได้รับเงินเพิ่มขึ้นจากการลดปัญหา Underclaim โดยอัตราการเพิ่มขึ้นมีความกว้างตั้งแต่ 5% ถึง 62% ทั้งนี้ขึ้นอยู่กับคุณภาพการทำงานเดิมของโรงพยาบาลนั้นๆ นอกจากนี้ การลงทุนในระบบนี้ยังให้ผลตอบแทนที่รวดเร็ว (ROI) โดยสามารถเห็นผลลัพธ์ได้ในประมาณ 2 ถึง 3 เดือน

CFOสร้างความยั่งยืนทางการเงินรพ.

CEO & CO-FOUNDER สาติ จำกัด กล่าวว่า ปัจจุบัน บริษัทกำลังขยายขอบเขตการทำงานจากการสรุปชาร์จเพื่อเบิกเงิน ไปสู่ “ต้นทาง” โดยการพัฒนาให้ระบบแจ้งเตือน (Pop-up/Warning) แพทย์ให้กรอกข้อมูลสำคัญให้ครบถ้วนอย่างถูกต้องในขณะที่กำลังตรวจผู้ป่วยแบบเรียลไทม์ โดยในระยะยาว ที่ตั้งเป้าไว้คือ การเป็นมากกว่าโปรแกรมสรุปชาร์จ แต่ต้องการเป็น Chief Financial Officer (CFO)ให้แก่โรงพยาบาล เพื่อช่วยบริหารจัดการด้านปฏิบัติการและสร้างความยั่งยืนทางการเงิน (Financial Sustainability) ให้แก่โรงพยาบาลที่ขาดแคลนบุคลากรด้านนี้ 

“จากที่เริ่มต้นด้วยเงินลงทุน 1 ล้านบาท (รวมกัน 4 คน) ต่อมามีการระดมเงินเองเพิ่มเป็น 3 ล้านบาท ล่าสุดเพิ่งระดมทุน ได้อีกประมาณ 12.5 ล้านบาท และเพิ่งเริ่มมีกำไรเมื่อปีที่แล้วแม้ว่าจะยังไม่มากแต่ก็ถือว่าเป็นแนวโน้มที่ดี ตั้งเป้าว่าปีหน้าจะมีรายได้ประมาณ 20 ล้านบาท เราก็หวังว่าจะเติบโตไปได้มากกว่านี้อีก  เพราะมีเป้าหมายขยายตลาดไปยังกลุ่มอื่นโรงพยาบาลเอกชนเข้าไปช่วยจัดระเบียบและจัดการข้อมูลที่กระจัดกระจาย”

รวมถึงการแปลงรหัสโรคเพื่อส่งเบิกประกัน รวมทั้งกลุ่มประกันชีวิต โดยใช้ระบบเดียวกันนี้ในการตรวจสอบข้อมูลเพื่อช่วยบริษัทประกันในด้านการตรวจสอบการทุจริตและความเสี่ยง (Fraud/Risk) นอกจากนี้ ยังมีการขยายตลาดไปยังต่างประเทศ เช่น สิงคโปร์และอินโดนีเซีย ซึ่งพบว่ายังคงมีปัญหาการจัดการข้อมูลทางการแพทย์แบบ Manual และใช้กระดาษจำนวนมากเช่นกัน

Chart Sum–AI จัดระบบข้อมูล รพ.

โปรแกรมที่เรียกว่า “ChartSum - AI" แพลตฟอร์มอัจฉริยะ ทำหน้าที่ประมวลผลข้อมูลทางคลินิก ช่วยสรุปและตรวจสอบเวชระเบียนอิเล็กทรอนิกส์ (EMRs) แบบอัตโนมัติ ความสามารถหลักๆ เพื่อระบบจัดการข้อมูลอัตโนมัติ เพิ่มความถูกต้องของการเบิกจ่าย ด้วยระบบรหัสมาตรฐาน (ICD, DRG, SNOMED-CT เป็นต้น ช่วยลดระยะเวลาในการทำงาน ด้วยระบบช่วยสรุปชาร์ตและตรวจสอบการเบิกจ่ายอัตโนมัติ ลดข้อผิดพลาด ด้วยการตรวจสอบความสอดคล้องระหว่างการวินิจฉัย การสั่งหัตถการ การจ่ายยาและรายการค่าใช้จ่าย

นอกจากนี้ ยังสามารถเชื่อมต่อกับระบบสารสนเทศโรงพยาบาล (HIS) ขั้นนำ เช่น HOSxP ภายในระยะเวลา 4 สัปดาห์ และสามารถปรับใช้กับระบบ HIS อื่นๆ ด้วยเช่นกัน ที่ผ่านมา รพ.มหาราชเชียงใหม่ ศูนย์ศรีพัฒน์ คณะแพทยศาสตร์ มหาวิทยาลัยเชียงใหม่ รพ.เชียงรายประชานุเคราะห์ รพ.มหาราชนครราชสีมา และ รพ.น่าน นำระบบดังกล่าวไปใช้ และช่วยแก้ปัญหาและเพิ่มประสิทธิภาพในการเบิกจ่ายได้ เพิ่มอัตราการอนุมัติการเบิกจ่าย และลดการสูญเสียรายได้จากความผิดพลาดในการเบิกจ่ายได้

“การใช้ AI เข้ามาช่วย ทำให้ลดเวลาทำงานลดเวลาโดยรวมของขั้นตอนการทำงาน (overall workflow) ได้ 40% เพิ่มรายได้จากการเบิกจ่ายจากสปสช.ได้โดย สามารถช่วยให้โรงพยาบาลได้รับเงินเพิ่มขึ้นตั้งแต่ 5% ถึง 62% ขึ้นอยู่กับคุณภาพการทำงานเดิมของโรงพยาบาลแต่ละแห่ง การพัฒนาระบบในเฟสต่อไปการแก้ปัญหาที่ต้นทางติดตั้งระบบเพื่อแจ้งเตือนแบบเรียลไทม์ ตอนที่แพทย์กำลังตรวจอยู่ หากลืมลงข้อมูลสำคัญ จัดทำข้อมูลที่สะท้อนค่าใช้จ่ายจริง และสามารถนำข้อมูลมาช่วยบริหารจัดการ การบริหารงบประมาณของโรงพยาบาลได้  มีการใช้งานแล้วมากกว่า 600,000 เคส สามารถลดเวลาการทำงานของบุคลากรได้มากกว่า 9,000 ชั่วโมง"