Nei settori ad alta intensità di documentazione, come quello sanitario e farmaceutico, la velocità e l'accuratezza dell'estrazione dei dati sono fondamentali per la sicurezza dei pazienti e la tempestività delle cure. Le prescrizioni mediche sono un documento fondamentale nei flussi di lavoro sanitari e una trascrizione accurata è essenziale per ridurre gli errori di somministrazione dei farmaci e gli eventi avversi ad essi correlati.
Questo blog mostra come Cloudera aiuti le organizzazioni sanitarie a modernizzarsi, migliorando la velocità e la precisione dell'estrazione dei dati e della generazione delle prescrizioni sostituendo il tradizionale riconoscimento ottico dei caratteri (OCR) con agenti AI specializzati.
Il settore farmaceutico statunitense deve affrontare una domanda in aumento, margini più ristretti e aspettative crescenti di precisione e velocità. Solo negli Stati Uniti vengono generate 6 miliardi di prescrizioni ogni anno, eppure l'erogazione si basa ancora in gran parte sull'immissione manuale dei dati, sulla verifica e sulla documentazione.
Gli stipendi dei farmacisti sono aumentati, mentre la pressione sui rimborsi da parte dei gestori dei benefici farmaceutici (PBM) e le difficoltà operative continuano a comprimere la redditività. Le farmacie affrontano una sfida strutturale: offrire un'erogazione più rapida e sicura in un momento in cui la manodopera è costosa, i flussi di lavoro sono sempre più complessi e i rimborsi diventano più volatili.
Le farmacie statunitensi si trovano ad affrontare una doppia morsa: l'aumento del carico di lavoro e il calo dei margini:
Il gap lavorativo: i salari dei farmacisti sono in media di 66 USD all'ora, ma gran parte del loro tempo viene consumato dall'inserimento manuale dei dati e dalle verifiche amministrative.
L'audit: i pharmacy benefit manager recuperano miliardi ogni anno tramite clawback, cioè annullamenti di pagamenti retroattivi innescati da errori di documentazione minori.
Il cambiamento nei ricavi: i margini di profitto derivanti dall'erogazione dei farmaci continuano a diminuire, mentre i servizi clinici offrono alle farmacie una redditività decisamente superiore.
Per molti anni, il riconoscimento ottico dei caratteri è stata la tecnologia de facto per la trascrizione delle prescrizioni. Tuttavia, continua ad affrontare complessità reali, come:
Mancanza di formati standardizzati: le prescrizioni variano molto nel formato e quelle scritte a mano aumentano ulteriormente la complessità a causa delle differenze di grafia e di lingua.
Tassi di errore elevati: questa variabilità è dovuta a frequenti errori nell'elaborazione del riconoscimento ottico dei caratteri a partire dal testo scritto, che richiedono una significativa revisione e correzione manuale.
Stack software personalizzato: la maggior parte delle soluzioni basate sul riconoscimento ottico dei caratteri utilizza uno stack software personalizzato. Di conseguenza, i sistemi sanitari faticano con licenze, aggiornamenti e formazione del personale.
Normative sulla privacy e sulle informazioni di identificazione personale: per quanto riguarda le cartelle cliniche dei pazienti, esiste un elevato livello di conformità normativa (come nel caso del GDPR) che limita l’archiviazione, la trasmissione e il trattamento delle cartelle cliniche.
La verifica abilitata dall'IA rafforza—non sostituisce—i farmacisti, automatizzando passaggi ripetitivi e potenzialmente soggetti a errori e convertendo prescrizioni non strutturate in dati affidabili.
Ottimizzazione del lavoro
La verifica è una delle fasi più dispendiose in termini di tempo nel flusso di lavoro di erogazione, poiché i farmacisti devono acquisire, interpretare, trascrivere e confermare ogni prescrizione. Il riconoscimento ottico dei caratteri abilitato dall'AI automatizza l'accettazione e la verifica delle prescrizioni, riducendo lo sforzo manuale e permettendo alle farmacie di soddisfare la domanda con il personale esistente, riducendo gli straordinari e la dipendenza dai farmacisti di riserva.
Capacità riallocata
Riducendo il tempo dedicato alla soddisfazione, i farmacisti recuperano tempo per servizi clinici a margine più elevato, come vaccinazioni, gestione della terapia farmacologica (MTM) e test point-of-care, migliorando così il mix complessivo dei margini.
Riduzione degli errori
Gli errori legati ai farmaci e le discrepanze amministrative spesso derivano da grafie non uniformi, da informazioni incomplete o dall’inserimento manuale dei dati. Durante gli audit dei pharmacy benefit manager, anche piccoli errori di documentazione possono comportare il recupero integrale degli importi rimborsati, creando un’esposizione finanziaria significativa. Il riconoscimento ottico dei caratteri basato sull'AI aggiunge un ulteriore livello di sicurezza automatizzato, segnalando i dati ambigui o incoerenti prima dell’invio. Ciò migliora la qualità della documentazione, riduce gli errori di erogazione e diminuisce il rischio di recuperi a seguito di audit.
Accuratezza del rimborso
I pharmacy benefit manager gestiscono la maggior parte delle richieste di prescrizione e applicano standard di documentazione rigorose. Piccole discrepanze nelle indicazioni, nelle quantità o nelle informazioni sul medico che ha scritto la ricetta provocano spesso il rifiuto della richiesta di risarcimento, con conseguenti rilavorazioni e oneri amministrativi. Il riconoscimento ottico dei caratteri abilitato dall'AI migliora l'accuratezza della documentazione al momento dell'inserimento, riducendo i rifiuti evitabili e il tempo impiegato per correggere e ripresentare le richieste. Ciò si traduce in un minor numero di rilavorazioni, rimborsi più rapidi e un flusso di cassa più prevedibile in un contesto già caratterizzato da margini di profitto ridotti.
Un fornitore sanitario dell'Europa centrale ha collaborato con Cloudera per modernizzare l'analisi delle prescrizioni secondo rigorose normative riguardanti le PII. La soluzione ha sostituito un flusso di lavoro di riconoscimento ottico dei caratteri a passaggio singolo con una pipeline di AI basata sugli agenti, distribuita in un ambiente privato e isolato. Inoltre, la soluzione ha migliorato la precisione di oltre il 16%, ha raggiunto prestazioni quasi pari a quelle umane ed è passata dalla fase di prototipo alla produzione in poche settimane.
L'efficacia della soluzione deriva da un flusso di lavoro orchestrato basato su agenti AI che combina modelli di visione finemente calibrati con una validazione autorevole dei dati medici.
Per prima cosa, un agente Cloudera AI estrae i dati delle prescrizioni utilizzando un modello di riconoscimento ottico dei caratteri visivo specificamente addestrato su formati di prescrizione reali e pattern di grafia.
Successivamente, i nomi dei farmaci, i dosaggi e gli ingredienti estratti vengono convalidati confrontandoli con database medici e farmaceutici certificati, utilizzando un algoritmo di corrispondenza probabilistica.
Infine, un feedback human-in-the-loop riqualifica continuamente il modello, consentendo al sistema di imparare dagli errori precedenti e di migliorare costantemente la precisione. Questo approccio a ciclo chiuso sposta l'analisi delle prescrizioni oltre il riconoscimento ottico statico dei caratteri, verso un flusso di lavoro auto-migliorato e di livello produttivo.
Questo flusso di lavoro multi-agente ha fornito chiari vantaggi operativi e finanziari:
Precisione migliorata: la convalida certificata del database medico ha ridotto gli errori di riconoscimento ottico dei caratteri e di documentazione.
Costi operativi inferiori: l'automazione ha ridotto la revisione manuale, la correzione degli errori e la rilavorazione relativa agli audit.
Elaborazione più rapida: l'inferenza automatizzata ha ridotto i cicli di evasione e liberato tempo per i farmacisti.
Le farmacie che adottano flussi di lavoro basati sugli agenti ottengono velocità, resilienza e vantaggi economici. Chi ritarda si troverà ad affrontare costi del lavoro crescenti, una maggiore esposizione ai controlli e una pressione competitiva sempre più forte, determinata dai requisiti imposti dai pharmacy benefit manager.
Per scoprire come Cloudera AI può potenziare i tuoi casi d'uso, consulta la nostra serie di webinar "Accelerare l'AI aziendale e l'agentic AI: dallo sviluppo all'inferenza con l'AI privata."
This may have been caused by one of the following: