บทความ

โรงพยาบาลไม่ได้ขาดเตียง แต่ขาดข้อมูลว่าเตียงว่างเมื่อไร

ปัญหาคนไข้ล้นไม่ได้แก้ด้วยการสร้างตึกใหม่เสมอไป บ่อยครั้งมันแก้ด้วยการรู้ล่วงหน้าหกชั่วโมงว่าใครกำลังจะกลับบ้าน

เผยแพร่

บุคลากรในชุดสครับกับผู้มาเยือน นั่งดูแท็บเล็ตด้วยกันในพื้นที่นั่งรอของโรงพยาบาล

สมมติฐานที่ผิดที่สุดในการบริหารโรงพยาบาล คือความเชื่อว่าปัญหาคนไข้ล้นห้องฉุกเฉินเป็นปัญหาของจำนวนเตียง

ในหลายกรณีมันไม่ใช่ ตอนบ่ายสามที่ห้องฉุกเฉินแน่นที่สุด มักมีเตียงในหอผู้ป่วยที่กำลังจะว่างภายในไม่กี่ชั่วโมง แต่ไม่มีใครรู้แน่ว่าเตียงไหนและเมื่อไร เพราะการจำหน่ายผู้ป่วยขึ้นกับรอบการตรวจเยี่ยมของแพทย์ ผลแล็บที่ยังไม่ออก ญาติที่ยังมารับไม่ได้ และการทำความสะอาดห้องที่ยังไม่มีใครสั่ง

ผลคือเตียงว่างจริงตอนหกโมงเย็น แต่ระบบรับรู้ว่ามันว่างตอนสามทุ่ม และคนไข้ที่รออยู่ตั้งแต่บ่ายก็รอต่อไปอีกสามชั่วโมงโดยไม่มีเหตุผลทางการแพทย์

ช่องว่างที่กินเวลาไปเปล่า

ลองไล่ดูเส้นทางของเตียงหนึ่งเตียง แพทย์ตัดสินใจจำหน่ายตอนเช้าระหว่างราวด์ คำสั่งถูกบันทึก ผู้ป่วยรอใบสรุปและยากลับบ้าน เภสัชกรจัดยา ญาติมารับตอนบ่าย ผู้ป่วยออกจากห้อง แม่บ้านได้รับแจ้ง ทำความสะอาด แจ้งกลับว่าพร้อม ศูนย์เตียงจึงจัดคนไข้รายใหม่เข้า

ทุกขั้นตอนใช้เวลาไม่มาก แต่ช่องว่างระหว่างขั้นตอน คือที่ที่ชั่วโมงหายไป และช่องว่างเหล่านั้นเกิดจากการที่แต่ละฝ่ายรู้เรื่องของตัวเองแต่ไม่รู้เรื่องของฝ่ายถัดไป

เทคโนโลยีเข้าไปช่วยตรงไหน

การคาดการณ์การจำหน่าย ระบบที่เรียนรู้จากประวัติการรักษาสามารถประเมินได้ว่าผู้ป่วยรายใดมีแนวโน้มจะได้กลับบ้านภายในยี่สิบสี่ชั่วโมง ไม่ใช่เพื่อแทนการตัดสินใจของแพทย์ แต่เพื่อให้ศูนย์เตียงเริ่มวางแผนล่วงหน้าได้ตั้งแต่เช้า แทนที่จะรู้ตอนที่ผู้ป่วยเดินออกจากห้องแล้ว

การมองเห็นสถานะแบบเรียลไทม์ เตียงหนึ่งเตียงมีมากกว่าสองสถานะ มันมี ว่างและพร้อม ว่างแต่ยังไม่ทำความสะอาด มีผู้ป่วยแต่มีคำสั่งจำหน่ายแล้ว และจองไว้สำหรับเคสที่กำลังมาจากห้องผ่าตัด ถ้าระบบแยกสถานะเหล่านี้ไม่ได้ ศูนย์เตียงก็ต้องโทรถามทีละหอ ซึ่งเป็นสิ่งที่โรงพยาบาลจำนวนมากยังทำอยู่

การเชื่อมงานสนับสนุน เมื่อผู้ป่วยออกจากห้อง งานทำความสะอาดควรถูกสร้างขึ้นเองและส่งถึงมือถือของแม่บ้านที่อยู่ใกล้ที่สุด ไม่ใช่รอให้พยาบาลว่างพอจะโทรแจ้ง

สิ่งที่ต้องระวัง

ระบบคาดการณ์ในโรงพยาบาลมีความเสี่ยงเฉพาะตัวที่ไม่เหมือนอุตสาหกรรมอื่น ถ้าตัวเลขคาดการณ์ถูกนำไปใช้กดดันให้จำหน่ายผู้ป่วยเร็วขึ้น มันจะกลายเป็นเครื่องมือที่ทำร้ายทั้งผู้ป่วยและความไว้วางใจของทีมแพทย์

เส้นแบ่งต้องชัดตั้งแต่วันแรก ระบบนี้ช่วยฝ่ายสนับสนุนเตรียมตัว ไม่ได้ช่วยฝ่ายบริหารเร่งใคร และควรออกแบบให้คำแนะนำมองเห็นได้เฉพาะกับคนที่ต้องใช้มันวางแผน ไม่ใช่แสดงเป็นคะแนนบนแดชบอร์ดผู้บริหาร

อีกเรื่องคือข้อมูลผู้ป่วยเป็นข้อมูลอ่อนไหวภายใต้กฎหมายคุ้มครองข้อมูลส่วนบุคคล การออกแบบสิทธิ์การเข้าถึงและร่องรอยการใช้งาน ไม่ใช่เรื่องที่ทำทีหลังได้

ทางเริ่มที่เล็กพอจะสำเร็จ

โรงพยาบาลไม่จำเป็นต้องเริ่มที่โมเดลคาดการณ์ เริ่มที่การทำให้สถานะเตียงถูกต้องแบบนาทีต่อนาที และเชื่อมงานทำความสะอาดเข้ากับการออกจากห้อง เพียงสองอย่างนี้ก็เห็นผลก่อนที่จะพูดถึง AI เลยด้วยซ้ำ

เมื่อข้อมูลสถานะเชื่อถือได้แล้ว การคาดการณ์จึงมีฐานให้ยืน เพราะโมเดลที่เรียนจากข้อมูลสถานะที่คนกรอกย้อนหลังตอนสิ้นกะ จะเรียนรู้แต่นิสัยการกรอกของคน ไม่ได้เรียนรู้เรื่องผู้ป่วย

ที่ GIPSIC เราทำส่วนไหน

เราทำระบบดูแลผู้ป่วยในและระบบขนส่งภายในโรงพยาบาลมาแล้ว งานลักษณะนี้ต้องการทั้งซอฟต์แวร์ที่เชื่อมกับระบบเดิมของโรงพยาบาล และอุปกรณ์หน้างานที่ทำงานได้จริงในสภาพแวดล้อมที่ห้ามผิดพลาด

เราเริ่มจากการเดินตามกระบวนการจริงก่อนเสมอ ไม่ใช่จากผังระบบ เพราะช่องว่างที่กินเวลามักไม่ปรากฏในผังใด

อยากคุยเรื่องการไหลของผู้ป่วยในโรงพยาบาลของคุณ ติดต่อเราได้

เกี่ยวกับผู้เขียน

ภาพถ่ายของ Film

ฟิล์ม — วิสิฏฐ์ ครับ ทำธุรกิจเป็นหลัก แต่ยังลงมือทำ BA เองอยู่บ่อยกว่าที่ควร และเขียนโค้ดได้ประปรายทั้งหน้าบ้านหลังบ้าน มีธุรกิจเล็ก ๆ อยู่สองสามบริษัท ติดตามวงการเทคโนโลยีและธุรกิจแบบคลั่งไคล้ ทั้งในไทยและต่างประเทศ นอกเวลางานชอบฟิสิกส์ ดาราศาสตร์ งาน DIY และเรื่องเน็ตเวิร์ก เปิดเพลงฟังตลอดเวลาแต่ร้องไม่เป็น ชอบเล่นดนตรีทั้งที่เล่นได้ไม่ค่อยดี เล่นกีฬาหลายอย่าง โดยเฉพาะกีฬาที่ใช้แร็กเกต ไม่ได้ชอบเที่ยวเท่าไร แต่ชอบพามิ้นท์ไปเที่ยวที่ต่าง ๆ ทั่วโลก เป็นคนกลัว เอ้ย รักเมีย เสียอยู่อย่างเดียวคือแทบไม่เล่นเกม

เขียนร่วมกับ Claude Opus 5