Manchen von uns kommt die COVID-Epidemie vor, als wäre sie schon sehr lange her. Für andere fühlt es sich noch immer an, als wäre es erst gestern gewesen. Unabhängig davon, wie wir uns an diese Zeit erinnern, hat die Pandemie unser persönliches und berufliches Leben zweifellos für immer verändert.
Hintergrund
Im März 2020 arbeitete ich im Bereich der Geschäftsprozessautomatisierung, insbesondere mit Workflow-Orchestrierung und Regel-Engines auf Basis von No-Code-Tools. Später im Jahr 2020 bekam ich die Gelegenheit, gemeinsam mit einem früheren Kollegen eine kleine Beratungsfirma zu gründen. Wir konzentrierten uns darauf, mit kostengünstigeren No-Code-Tools schnell Anwendungen für verschiedene Branchen zu entwickeln. Dadurch konnten wir Lizenz- und Entwicklungskosten senken und die Markteinführungszeit verkürzen. Auch die Wartungskosten waren geringer, weil technisch nicht versierte Personen die von uns entwickelten Lösungen problemlos übernehmen und verwalten konnten. Heute sehe ich bei DecisionRules dasselbe Muster im Gesundheitswesen.
Wir unterstützten ein Unternehmen, das COVID-Testergebnisse für alle 50 US-Bundesstaaten meldete. Verschiedene Labore führten Tests durch und übermittelten die Ergebnisse anschließend an die jeweilige Gesundheitsbehörde des Bundesstaates. Wie man sich vorstellen kann, verwenden 50 Bundesstaaten 50 unterschiedliche Formate. Das Format jedes Labors – viele arbeiteten in mehreren Bundesstaaten – manuell in das richtige Format des jeweiligen Bundesstaates umzuwandeln, wäre ein zeitaufwendiger Albtraum gewesen. Eine individuell programmierte Lösung hätte vermutlich noch länger gedauert und erhebliche technische Schulden verursacht.
Der Anwendungsfall
Das war noch vor meiner Zeit bei DecisionRules, und das damals eingesetzte Tool stammte nicht von uns. Entscheidend ist das Muster, denn seitdem habe ich es in vielen Organisationen des Gesundheitswesens wiederholt gesehen.
Wofür entschied sich der Kunde? Für eine No-Code-Regel-Engine. Sie bot eine einfache Möglichkeit, Eingaben wie „M“, „Man“, „m“ oder ähnliche Kennzeichnungen in einem umfangreichen Gesundheitsbericht einzulesen und in das vom jeweiligen Bundesstaat geforderte Geschlechtsmerkmal umzuwandeln. Je nach Bundesstaat konnte „Male“, „M“ oder „m“ erforderlich sein. Einreichungen im falschen Format wurden abgelehnt. So unbedeutend diese Umwandlungen erscheinen mögen, sie waren daher unverzichtbar. Zum Beispiel:
| Text enthält | Bundesstaat | Umwandeln in | |
|---|---|---|---|
| „M“ oder „male“ | VA | „m“ | |
| „m“ oder „man“ | SC | „male“ | |
| „m“, „M“, „man“ oder „Male“ | NY | „male“ |
Warum überhaupt eine Regel-Engine? Diese Geschlechtskennzeichnung war nur eine von Hunderten Kennzeichnungen, für die jeder Bundesstaat ein bestimmtes Format und gültige Werte vorgab. Eine Anwendung von Grund auf zu entwickeln hätte Zehntausende Codezeilen erfordert. Im Gegensatz dazu konnten einfache Tabellen von Laien erstellt und bei veränderten Anforderungen gepflegt werden. Kennzeichnungen für Geschlecht, Alter, ethnische Zugehörigkeit, Diagnose, Behandlung und weitere Werte ließen sich schnell über visuelle, Excel-ähnliche Tabellen verarbeiten.
Durch den Einsatz einer Regel-Engine sparte das Unternehmen mehr als 200.000 US-Dollar an Engineering-Kosten und entgangenen Umsätzen, weil neue Labore schnell angebunden werden konnten.
Regeln im Gesundheitswesen
Wer mit Computern arbeitet, verliert manchmal den Bezug zu den realen Auswirkungen seiner Arbeit. Wir tippen am Computer, während Ärzte tatsächlich Patienten behandeln. In diesem Fall war jedoch leicht zu erkennen, wie diese Agilität selbst hinter einem Bildschirm dazu beitrug, Leben zu retten: Die Bundesstaaten erhielten möglichst aktuelle Daten und konnten schnell reagieren.
Dies ist nur ein einfaches Beispiel für den Einsatz einer Regel-Engine im Gesundheitswesen. In meinen Jahren mit Regel-Engines habe ich außerdem gesehen, wie sie weitere Bereiche der Branche verändern können.
Klinische Studien
Meine Mutter hat sich vor Kurzem von einer schweren Krebserkrankung erholt. Als ich sie täglich zu ihren Behandlungen begleitete, war ich von der Innovation und Technologie des Krankenhauses beeindruckt. Ich erinnerte mich an meine Arbeit mit einem globalen Arzneimittelhersteller in der Schweiz. Die Entwicklung neuer Medikamente und Therapien – insbesondere gegen Krebs – ist auf klinische Studien angewiesen, die Sicherheit und Wirksamkeit nachweisen. Diese Studien sind bekanntermaßen teuer und anspruchsvoll.
Erstens mussten die Studien Menschen aus vielen Teilen der Welt und mit unterschiedlichen demografischen Merkmalen gewinnen. Dafür arbeiteten sie mit lokalen Laboren in zahlreichen Ländern zusammen. Das Problem: Jedes Labor verwendete ein anderes Berichtsformat, ähnlich wie bei der COVID-Berichterstattung. Eine Regel-Engine kann die Patientenrekrutierung erheblich beschleunigen, indem sie Ergebnisse in ein Standardformat übersetzt.
Zweitens mussten Personen gefunden werden, die strenge demografische und klinische Eignungskriterien erfüllten.
Mit einer Regel-Engine können Forschungsteams Kohorten innerhalb von Wochen statt Monaten besetzen, weil Datensätze sofort standardisiert und Patientenakten mit komplexen Eignungskriterien abgeglichen werden.
Diese Geschwindigkeit führt zu erheblichen finanziellen Vorteilen. Verzögert sich eine Arzneimiteleinführung, können Unternehmen täglich Millionen an Umsatz verlieren. Laut einer JMIR-Studie aus dem Jahr 2020 verursachen Verzögerungen klinischer Studien Kosten zwischen 600.000 und 8 Millionen US-Dollar pro Tag.
Noch wichtiger ist: Durch die Automatisierung dieser Protokolle verschwenden Organisationen kein Geld mehr für manuelle Datensortierung und können lebensrettende Behandlungen schneller zu Patienten wie meiner Mutter bringen.
Ein konkretes Beispiel? Laden Sie diese Vorlage während eines kostenlosen Testzeitraums herunter.
Behandlungspfade
Was fragen mich viele Menschen zuerst, wenn sie eine Business Rules Engine evaluieren? „Wie nutzen Sie KI?“
Das steht in starkem Kontrast zu einer Aussage, die mir der Chefjurist eines großen Gesundheitsnetzwerks kürzlich machte: „Wir sehen den Wert von KI. Aber sobald sie eine Behandlungsentscheidung auf Grundlage einer bestmöglichen Vermutung trifft, öffnen wir rechtlich die Büchse der Pandora.“
Nicht falsch verstehen: KI eröffnet eine Welt voller Möglichkeiten. In klinischen Umgebungen dienen Regel-Engines jedoch als digitales Sicherheitsnetz für evidenzbasierte Medizin. DecisionRules nutzt einen AI Assistant, um die deterministischen Regeln zu erstellen, die in der risikoreichen Umgebung eines Krankenhauses wichtig sind – neben vielen weiteren nützlichen Funktionen.
Regel-Engines verwandeln statische medizinische Richtlinien in „lebende“ Behandlungspfade, die Ärzte in Echtzeit durch die bestmöglichen Behandlungsschritte führen: deterministisch, wiederholbar und auditierbar statt probabilistischer Vermutungen einer KI.
Der ROI liegt hier in der Verringerung klinischer Abweichungen – also darin, sicherzustellen, dass jeder Patient den Goldstandard der Versorgung erhält. Das rettet nicht nur Leben, sondern senkt auch Kosten, weil Wiederaufnahmen reduziert und Krankenhausaufenthalte verkürzt werden. Ändern sich Protokolle, können Administratoren die Regeln innerhalb von Minuten zentral aktualisieren und logistische Probleme vermeiden.
Möchten Sie es in Aktion sehen? Sehen Sie sich diese Vorlage für Behandlungspfade an.
Versicherung
Ich arbeitete einmal mit einem Drittzahler aus Minnesota zusammen, der mehr als 1.000 Regeln für Vorabgenehmigungen und Anspruchsberechtigungen in gespeicherten SQL-Prozeduren verwaltete. Jede Regeländerung für einen bestimmten Leistungserbringer benötigte fast einen Monat für Aktualisierung, Test und Bereitstellung. Die Realität entwickelte sich von den hart codierten Regeln weg, was zu Abrechnungsfehlern und unzufriedenen Kunden führte.
In der Welt der Versicherungen können Regel-Engines mit minimalen technischen Schulden als Motor für die automatisierte End-to-End-Verarbeitung dienen. Traditionell verursachen Leistungsanträge und Vorabgenehmigungen Berge von Papierarbeit und menschliche Eingriffe – und damit hohe Verwaltungskosten.
Werden diese Entscheidungen mit einer Regel-Engine statt mit hart codierten Regeln automatisiert, können Unternehmen den Großteil der Anträge sofort und korrekt verarbeiten und Änderungen innerhalb von Tagen statt Wochen oder Monaten umsetzen. Das Ergebnis ist ein doppelter Gewinn: Der Versicherer senkt die Kosten pro Fall, und Patienten erhalten jedes Mal die korrekte Rechnung.
Wie sieht das praktisch aus? Sehen Sie sich diese Versicherungsvorlage an.
Die Zukunft der Agilität im Gesundheitswesen
Ob Daten während einer Pandemie in 50 Bundesstaaten vereinheitlicht oder der nächste Durchbruch in der Arzneimittelentwicklung beschleunigt wird: Der gemeinsame Nenner ist Agilität. Regel-Engines überbrücken die Lücke zwischen komplexer Logik und menschlicher Ausführung. Sie ermöglichen Organisationen, ohne die Last technischer Schulden sofort auf Veränderungen zu reagieren.
Fachabteilungen können die Logik verantworten, während technische Teams weiterhin Integrationen und Bereitstellung betreiben. Beide Teams können testen und Audit-Trails für Compliance-Zwecke abrufen.
Bereit für das, was als Nächstes kommt?
Lassen Sie starre Codebasen und manuelle Prozesse Ihre Wirkung nicht bremsen. Wenn Sie Engineering-Aufwand reduzieren und dringend benötigte Geschwindigkeit in Entscheidungen des Gesundheitswesens bringen möchten, sprechen wir darüber, wie eine Regel-Engine Ihre Abläufe verändern kann. Ich teile gerne, was ich im Laufe der Jahre gelernt habe.
