עיצבנו דשבורד מרובה-מטופלים, המציג את התחזיות והסיכונים באופן ויזואלי שניתן לתפיסה במבט חטוף. התצוגה כוללת מפה פיסית של המחלקה ועבור כל מטופל מוצגת כרטיסיה משלבת באלמנט ויזואלי מתוחכם אך פשוט את 4 האלמנטים החשובים: המערכת אליה מתיחסת ההתראה, קריטיות מצבו של המטופל, הטווח הצפוי להדרדרות והסבירות שההתדרדרות אכן תקרה. עשינו זאת תוך שימוש בגודל וצבע ואלמנטים גרפיים. זה המפתח שאיפשר במבט מהיר לייתר תיעדוף קליני חכם.
החברה והמוצר
CLEW Medical היא חברת בריאות דיגיטלית ישראלית, המתמחה בפיתוח פלטפורמת בינה מלאכותית (AI) לניטור חולים וחיזוי מוקדם של הידרדרות במצבם, בעיקר ביחידות לטיפול נמרץ (ICU).
המערכת שלה משלבת נתונים בזמן אמת מהמכשירים אליהם מחובר המטופל, עם מקורות מידע קליניים שונים (כגון EHR שלו) וכמובן נתונים עולמיים על המחלה המדוברת. המערכת מעבדת את הכל באמצעות AI, ומנבאת מוקדם אם צפויה הדרדרות קרובה.
מטרת הטכנולוגיה, שזכתה לאישורי FDA ושימשה בין היתר בזמן מגפת הקורונה, היא לאפשר התערבות טיפולית מוקדמת עד שמונה שעות לפני שהידרדרות קלינית נעשית ברורה למערכות ניטור רגילות, ובכך לשפר את תוצאות הטיפול ולנהל ביעילות את משאבי בתי החולים.
מטרת הפרויקט
אפיון ועיצוב של חווית המשתמש המלאה עבור פלטפורמות ה AI של Clew, ולהגשים את החזון של הפיכת הטיפול ב ICU מטיפול תגובתי (Reactive) לטיפול יזום (Proactive), שיפור התוצאות והפחתת עלויות.
המטרה לא הייתה רק להציג התראות, אלא להפוך AI לשותף שהצוות בטיפול נמרץ באמת סומך עליו. לעצב מערכת שיוצרת אמון, נלחמת ב"עייפת התראות" (Alarm Fatigue), ומייעלת את זרימת העבודה (Workflow) בסביבת הטיפול הנמרץ האינטנסיבית ביותר.
האתגרים
אתגר האמון ב AI
האתגר הגדול ביותר בעולם ה AI הרפואי: איך גורמים לרופא סקפטי לבטוח ב AI שמנבא את העתיד? האלגוריתמים מספקים תחזיות לשעות הקרובות, ונועדו לגרום לצוות להתערב לפני שסימני ההתדרדרות המסורתיים מופיעים במוניטור. היה עלינו לפתור את בעיית "הקופסה השחורה" ולעצב את האמון מהיסוד.
מלחמה ב"עייפות התראות" (Alarm Fatigue)
חברות המכשור מורידות את סף ההתראה כדי להמנע מתביעות בגין טעות מסוג False Negative. זה מייצר מצב של המון התראות שווא (False Positive) בסביבת ה ICU. האתגר שלנו היה לעצב מערכת שתהיה ה"אות" ולא עוד "רעש". היינו צריכים ליצור התראות חכמות, מדויקות ובעלות ערך, שהצוות ילמד לסמוך עליהן.
מגוון משתמשים ותהליכים
המערכת משרתת רופאים בצד המיטה, אחיות וצוותי Tele ICU, המנהלים מרחוק מספר יחידות. האתגר היה ליצור ממשק יעיל ומהיר המאפשר תצוגה מרובת-מטופלים (Multi-Patient View) ובמקביל תומך בזרימות עבודה שלמות, כגון סבבים וירטואליים (Virtual Rounds) וניטור E-Observation.
תקציר הפתרון: דשבורד חכם
עקרונות הגישה שלנו
Explainable AI (XAI)
התעקשנו שהמפתח לאמון הוא לא להסתיר את המורכבות, אלא להסביר אותה. במקום לאלץ את הרופא "להאמין לנו", אימצנו גישה של שקיפות מלאה. קבענו שהמערכת חייבת לספק את ה"למה" מאחורי כל המלצה ואיפשרנו למשתמש בקליק אחד לקבל את סיכום עיקר הממצאים עליהם מבוססות התובנה וההמלצה.
01
02
Clinical-First
כדי לעצב עבור רופאים, צללנו לעומק זרימת העבודה הקלינית. ראיינו רופאים, ערכנו תצפיות במחלקות טיפול נמרץ ומיפינו את תהליכי קבלת ההחלטות שלהם. הבנו שהמערכת צריכה להשתלב בתוכם באופן טבעי, ולא לכפות עליהם תהליכי עבודה חדשים.
עיצוב ל"מבט חטוף" (Glanceable UI)
בסביבת ICU, לא כל המטופלים שווים ברמת הדחיפות. הגישה שלנו הייתה למנף את ה-AI כדי לעצב ממשק שכולו סביב תעדוף חכם, המציג לצוות היכן הסיכון הגבוה ביותר בכל רגע נתון. בנוסף, בסביבה עתירת לחץ, אין זמן לקרוא. התמקדנו בעיצוב אפקטיבי המאפשר לצוות להבין את התמונה המלאה של המחלקה במבט חטוף, ולזהות מיד את המטופלים הדורשים תשומת לב.
03
הפתרון שלנו
הסוד הוא: מעט התראות איכותיות, מבט חטוף מספיק והמשתמש יכול לבדוק מה הקפיץ את ההתראה
Explainability:
הבנו שהאמון של הצוות במערכת הוא המפתח להצלחה. הבנו שהאמון ירכש אם הצוות יבין את הסיבות להתראות ולהמלצות (גם אם לא יקבלו אותן).
Explainability הוא המפתח לבניית אמון. במקום להציג רק את הניבוי ("סיכוי גבוה להתדרדרות"), הממשק מאפשר לצוות לצלול בקליק אחד ולראות את הגורמים התורמים ביותר לניבוי (Top Contributing Factors), לראות לא רק את המערכת הראשית הצפויה להדרדר אלא את המערכות הנלוות הנוספות. לצפות בהתפתחות לאורך זמן של פרמטרים שתרמו הכי הרבה לחיזוי – וכל זאת בתצוגה קוהרנטית תומכת החלטה. החלטה שבסוף אך ורק הרופא יבצע. חשיפת המנגנון האנליטי בונה את הביטחון הנדרש כדי לבצע טיפול מונע.
תעדוף ומיקוד התראות:
הפחתנו את הרעש. בניגוד למקובל דווקא העלנו את סף ההתראה. המערכת מציפה רק התראות שה AI מעריך שהסבירות שלהן גבוהה. הבנו שהאמון של הצוות יעלה כשהם ילמדו שהמספר הכולל של ההתראות נמוך, אך איכות ההתראה גבוהה.