Regis внедрила RegiCare Assist в 72 домах, чтобы сократить бумажную работу и ускорить клинические решения

Regis Aged Care с сентября 2025 года развернула RegiCare Assist — систему на основе искусственного интеллекта, призванную сократить бумажную работу и ускорить клинические решения в сети из 72 домов. Решение автоматически агрегирует и сжимает подробные записи смен, выделяет ключевые клинические проблемы и сортирует наблюдения по категориям, что позволяет руководителям и медперсоналу тратить меньше времени на чтение длинных отчетов и быстрее определять приоритеты ухода.

Утром клинический менеджер Доркас Сангаланг получает полную картину ночных событий в 30 минут: кто падал, кто отказывается от лекарств и кто приближается к концу жизни. Эти сжатые сводки служат подготовкой к утренним совещаниям — например, к 9:30 — и помогают перераспределять ресурсы на день. В одном приведенном случае 24‑часовой отчет на 68 страниц был загружен в систему и за считанные минуты преобразован в трехстраничное резюме с выделением неотложных и значимых клинических сигналов.

Технический проект разработан Regis совместно с партнёром Cognizant: агент построен с использованием Microsoft Copilot Studio и моделей через Microsoft Foundry. Для повышения точности применяется подход RAG (retrieval‑augmented generation) с привязкой ответов к внутренним клиническим политикам и процедурам сети; интерфейс основан на кликах и утверждённых шаблонах запросов. Работа над проектом началась в 2024 году, а публичный запуск состоялся в сентябре 2025‑го. Низкокодовая платформа Copilot Studio позволила быстро настраивать диалоги и шаблоны без разработки с нуля.

По состоянию на запуск RegiCare Assist уже применяется примерно 150 сотрудниками по всей сети, что отражает масштаб практического тестирования. Ключевое участие руководителей клинической практики обеспечило позиционирование инструмента как вспомогательного средства, а не замены клинического суждения — по словам главной медсестры Рамиза Хассана, система должна поддерживать, а не подменять решения персонала. Для безопасности введены явные параметры использования, утверждённые подсказки и контрольные меры, направленные на минимизацию рисков при работе с уязвимыми пациентами, а инженерные и внедренческие команды отмечают, что связка low‑code и RAG помогает связывать выводы модели с локальными протоколами и снижать вероятность некорректных рекомендаций.