مقاييس الذكاء الاصطناعي في الرعاية الصحية تفتقر إلى الهدف. سد فجوة الوصول هو أعظم عائد للذكاء الاصطناعي

لطالما قيّمت الرعاية الصحية الذكاء الاصطناعي من خلال مقاييس تشغيلية مألوفة: الساعات الموفرّة، المكالمات التي تم تحويلها، الوثائق المكتملة، وتخفيض التكاليف. هذه الأرقام مهمة. إنها تُظهر ما إذا كانت التكنولوجيا تُنشئ طاقة استيعابية في المنظمات التي تواجه النقص المستمر في القوى العاملة، ارتفاع النفقات، وتزايد طلب المرضى.

مع ذلك، خلال مسيرتي المهنية، تعلمت أن هذه المقاييس تجيب فقط على جزء من السؤال. يحتاج قادة الرعاية الصحية أيضًا إلى معرفة ما إذا كان الذكاء الاصطناعي يسهل على المريض الحصول على الرعاية. هذا المقياس يكشف ما إذا كانت الكفاءة المتزايدة تتحول إلى تجربة مريض أفضل.

Healthcare’s AI Metrics Capture Only Half the Value

عند حضور معظم اجتماعات قيادة الرعاية الصحية، تكون المصطلحات متوقعة. تناقش الفرق الإنتاجية، نسب التوظيف، تكلفة كل تفاعل، والعمل الإداري المُزال. هذه المقاييس سهلة نسبياً للقياس، والدفاع عنها في اجتماع الميزانية، وتقديمها إلى المجلس.

حالة الأعمال للذكاء الاصطناعي أصبحت واضحة بالفعل. تقرير NVIDIA لعام 2026 حول حالة الذكاء الاصطناعي في الرعاية الصحية وجد أن 85% من التنفيذيين في الرعاية الصحية قالوا إن الذكاء الاصطناعي يزيد الإيرادات، بينما أبلغ 80% أنه يقلل التكاليف. تشير هذه النتائج إلى أن الذكاء الاصطناعي يقدم قيمة تشغيلية ومالية ذات معنى عبر الصناعة.

ما زالوا يتركون سؤالًا مهمًا دون إجابة: هل يتلقى المرضى الرعاية بسهولة أكبر؟ يمكن للنظام تقليل حجم المكالمات وإكمال الوثائق بسرعة أكبر بينما يواصل المرضى تفويت الفحوصات، فقدان تتبع الإحالات، أو الصعوبة في جدولة الخطوة التالية في رعايتهم. النشاط التشغيلي يخبر القادة بما أنجزته المنظمة. يقيس الوصول ما إذا كان هذا العمل قد غير تجربة المريض.

AI Is Fundamentally an Access Story

تم تشجيع معظم التنفيذيين في الرعاية الصحية على التفكير في الذكاء الاصطناعي كقصة أتمتة. الفرصة القيادية الأوسع هي الوصول. يمكن للذكاء الاصطناعي مساعدة المرضى في الحصول على إجابات أسرع، والوصول إلى الرعاية في وقت أقرب، وتقليل الاحتكاك بين خطوة من رحلتهم والأخرى.

يمتد وصول المرضى إلى ما هو أبعد من مجرد جدولة موعد. يشمل الإحالات، الرعاية المتابعة، الفحوصات الوقائية، الالتزام بالأدوية، التثقيف، التذكيرات، انتقالات الرعاية، وكل تفاعل يساعد المريض على إكمال إجراء موصى به. عندما تصبح تلك التجارب مجزأة، يمكن لنقاط الاحتكاك الصغيرة أن تتراكم لتؤدي إلى مواعيد فائتة، تشخيصات متأخرة، انخفاض الالتزام، ونتائج أسوأ.

تظهر بيانات الصناعة مدى اتساع تلك الفجوة. تقرير Experian Health لعام 2026 حول حالة وصول المرضى وجد أن 46% من مقدمي الرعاية يعتقدون أن وصول المرضى قد تحسن، بينما وافق فقط 18% من المرضى. يجب أن يجذب هذا الاختلاف انتباه القيادة لأنه يشير إلى أن المنظمات قد تحسن العمليات الداخلية دون تحقيق نفس المستوى من التقدم للأشخاص الذين يحاولون التنقل فيها.

Fragmented Technology Moves Friction Downstream

لم تشهد الرعاية الصحية قط توافرًا أكبر للتكنولوجيا. استثمرت المنظمات بشكل كبير في السجلات الصحية الإلكترونية، ومنصات تفاعل المرضى، وأدوات الجدولة، وأنظمة مراكز الاتصال، والرسائل الرقمية، وتطبيقات الإحالات، والحلول المتخصصة النقطية. العديد من هذه الأدوات تؤدي عملها بالضبط كما هو مقصود ضمن وظائفها الفردية.

الانهيار يكمن في عمليات التسليم.

تبدأ الإحالة في قسم واحد وتنتقل إلى فريق آخر. تُرسل تذكرة تذكير من نظام لا يعرف أن المريض قد أعد جدولة الموعد بالفعل. يتصل المريض للحصول على توضيح، يراجع أحد الموظفين السجل، وتبدأ العملية من جديد. قد يعمل كل أداة، لكن الرحلة تظل صعبة لأن لا أحد ينسق التجربة الكاملة.

نمط لاحظته باستمرار هو أن زيادة التفاعل يمكن أن تخلق المزيد من العمل التشغيلي عندما يكون التنسيق غائبًا. كل تذكير يولد استجابة، وكل استجابة تولد سير عمل آخر. يمكن للذكاء الاصطناعي المدمج في عمليات غير متصلة أن يسرّع حجم النشاط مع ترك التجزئة الأساسية قائمة.

المرضى لا يختبرون الأقسام أو الأنظمة أو القنوات. إنهم يختبرون رحلة واحدة. عندما لا تصمم المنظمة تلك الرحلة ككل متصل، يتحمل المريض التكلفة عبر تكرار الشروحات، وتأخر الخطوات التالية، والرعاية التي تسقط بهدوء عبر الفجوات.

Access ROI Connects Efficiency to Care

لهذا السبب بدأت أفكر في الذكاء الاصطناعي من خلال إطار أسميه عائد الاستثمار في الوصول. إنه طريقة عملية لتقييم ما إذا كانت التكنولوجيا تقلل الحواجز بين المرضى والرعاية التي يحتاجونها. الفكرة الأساسية بسيطة: يجب على الرعاية الصحية قياس الذكاء الاصطناعي بناءً على الرعاية التي يتيحها وكذلك العمل الذي يلغيه.

يسأل العائد التشغيلي (Operational ROI) عما إذا كان الذكاء الاصطناعي يساعد المؤسسة على العمل بكفاءة أكبر. ويسأل عائد الوصول (Access ROI) عما إذا كان المرضى يكملون الخطوة التالية في رعايتهم بشكل أكثر موثوقية وبسرعة أكبر. يمكن للقادة قياس عائد الوصول من خلال إكمال المواعيد، متابعة الإحالات، المشاركة في الفحوصات الوقائية، تقليل تأخيرات الرعاية، وتعزيز التفاعل بعد التواصل.

سؤال قيادي مفيد هو ما إذا كانت المؤسسة تستطيع تحديد اللحظات التي يصمت فيها المريض. إذا ظل فحص الماموجرام متأخرًا أو انتهت صلاحية وصفة طبية، هل يتعرف النظام على ذلك الإجراء المفقود؟ والأهم من ذلك، هل يتبع ذلك خطوة منسقة؟

تم تصميم العديد من برامج الذكاء الاصطناعي للتعامل مع التفاعلات الواردة. يتطلب عائد الوصول من المؤسسات ملاحظة ما لم يحدث. المؤسسات التي تبني القدرة على تحديد تلك الفجوات مبكرًا والتصرف قبل أن يتحول التأخير الإداري إلى عواقب سريرية هي التي تحقق أكبر تقدم.

التنسيق يحول التواصل إلى نتائج

تتضح قيمة هذا النهج أكثر عند النظر إليه من خلال نتائج المرضى. Olmsted Medical Centerاستخدمت التواصل الآلي لإعادة ربط المرضى بأوامر فحص الماموجرام المتأخرة. خلال 90 يومًا، حجز 44٪ من المرضى الذين تم التواصل معهم فحوصات الماموجرام، وتلقى 20 مريضًا تشخيصًا مبكرًا لسرطان الثدي كان يمكن أن يتأخر لولا ذلك.

كانت الفوائد التشغيلية ذات معنى. قضى الموظفون وقتًا أقل في إجراء المكالمات اليدوية، وأصبح التواصل أكثر اتساقًا، وتوسعت الاتصالات بشكل أكثر موثوقية. جاءت القيمة الدائمة من مساعدة المرضى على إكمال الخطوة التالية الموصى بها ومنح بعضهم فرصة مبكرة للعلاج.

هذا المثال يلتقط الدور الذي ينبغي أن يلعبه الذكاء الاصطناعي في الرعاية الصحية. ساعدت التقنية في تحديد فجوة، وبدء التواصل، وإنشاء قدرة تشغيلية. ربط التنسيق تلك القدرات باحتياج مريض محدد وتأكد من أن التواصل أدى إلى نتيجة ذات تأثير.

هذه الفروقة مهمة لأن النشاط أسهل قياسًا من التقدم. يمكن للدردشة الآلية الإجابة على المزيد من الأسئلة ويمكن لمركز الاتصال تحويل المكالمات. يسأل عائد الوصول عما إذا كانت تلك التحسينات قد ساعدت المزيد من الأشخاص على الحصول على الرعاية ومدى السرعة التي تلقوها فيها.

قادة الرعاية الصحية بحاجة إلى نموذج عائد من ثلاث طبقات

أفكر في الذكاء الاصطناعي في الرعاية الصحية عبر ثلاث طبقات مترابطة:

1. يقيس العائد التشغيلي الكفاءة، أداء سير العمل، دعم الموظفين، والنتائج المالية.
2. يقيس عائد الوصول ما إذا كان المرضى يواجهون حواجز أقل ويكملون الخطوة التالية في رعايتهم.
3. يعكس العائد السريري التأثيرات اللاحقة لذلك الوصول، بما في ذلك التشخيص المبكر، الالتزام القوي، تحسين صحة السكان المرضى، وخفض التكاليف الطويلة الأمد للرعاية.

كل طبقة تبني على سابقتها. التحسينات التشغيلية تخلق قدرة. الوصول الأفضل يوجه تلك القدرة نحو رحلة المريض. مع مرور الوقت، يمكن للرعاية المبكرة والمتسقة أكثر أن تسهم في تحسين النتائج السريرية.

يوفر هذا الإطار أيضًا للقادة طريقة أكثر انضباطًا لتحديد أي استثمارات الذكاء الاصطناعي تستحق التوسع. قد تكون لحالة استخدام توفر الوقت مع ترك رحلة المريض دون تغيير قيمة، رغم أن تأثيرها محدود. أما حالة الاستخدام التي تحسن العمليات، وتغلق فجوة الوصول، وتدعم نتيجة صحية أفضل فتنشئ عائدًا أكثر شمولًا.

ستتطلب المرحلة التالية من الذكاء الاصطناعي في الرعاية الصحية من القادة طرح أسئلة أصعب. هل تلقى المرضى الرعاية بشكل أسرع؟ هل سقطت إحالات أقل بين الثغرات؟ هل اكتملت الفحوصات الوقائية في الوقت المحدد؟ هل أصبحت الاتصالات أكثر تنسيقًا عبر الرحلة بأكملها؟

العائد الذي يستحق السعي هو عدد المرضى الذين تم الوصول إليهم

الذكاء الاصطناعي هو يثبت بالفعل أنه يمكنه تحسين عمليات الرعاية الصحية. التحدي القيادي التالي هو ضمان وصول تلك المكاسب إلى المريض. يتطلب ذلك التحول من نشر القدرات المنعزلة إلى تنسيق اللحظات التي تحدد ما إذا كانت الرعاية تحدث.

المستقبل ينتمي إلى المؤسسات التي يمكنها ربط الكفاءة، الوصول، والنتائج. ستتعرف استراتيجياتهم في الذكاء الاصطناعي على متى يحتاج المرضى إلى الدعم، وتنسق الاستجابة المناسبة، وتقيس ما إذا كانت تلك الاستجابة ساعدتهم على التقدم. هكذا تصبح التقنية جزءًا من رحلة رعاية أكثر موثوقية بدلاً من طبقة إضافية يجب على المرضى والموظفين التنقل عبرها.