Myslitelé
Proč se umělá inteligence ve zdravotnictví nasazuje na nesprávném místě

Klíčové bodyAI by se mělo nejprve zaměřit na administrativní úkoly, jako je vedení dokumentace, aby…
Zobrazit více
- AI by se mělo nejprve zaměřit na administrativní úkoly, jako je vedení dokumentace, aby uvolnilo čas lékařů pro péči o pacienty.
- Zdravotnická AI musí využívat klinická data a zachovat dohled lékaře, aby zajistila bezpečnost a soulad s předpisy.
- Automatizace rutinních obnov receptů může rozšířit dostupnost péče efektivněji než snaha o plnou klinickou autonomii.
Odvětví se snaží řešit nesprávný problém
V současné době je ve zdravotnictví umělá inteligence spojena s autonomií. Může umělá inteligence diagnostikovat nemoci? Může předepisovat léky? Může nakonec nahradit lékaře?
Už nemusíme spekulovat o těchto otázkách, protože máme reálné příklady aplikace umělé inteligence ve zdravotnictví. Utah již otevřel dveře autonomní umělé inteligenci v obnovování receptů prostřednictvím svého regulačního sandboxu. Další státy pozorují, zda tyto první pilotní projekty ukazují přijatelnou bezpečnost a efektivitu.
Ale myslím, že uvažovat o nahrazení lékaře umělou inteligencí je špatné místo, kde průmysl začíná.
Než se zeptáme, jak velkou část vztahu mezi pacientem a klinikem může umělá inteligence převzít, měli bychom vyřešit mnohem jednodušší a naléhavější problém, který stojí před námi. Lékaři jsou zahlceni administrativní prací. Pacienti stále nemohou získat včasné termíny vyšetření, protože přístup je omezen méně nedostatkem poptávky než nedostatkem využitelného času lékařů. To je místo, kde se začínají hromadit čekající pacienti, a to je místo, kde je umělá inteligence zoufale potřebná, aby ulevila provozní zátěži.
To je zejména patrné v péči o duševní zdraví. Asi 22 milionů Američanů žije s ADHD a úzkostné poruchy postihují přibližně 19 % dospělých v USA v daném roce. To je asi 31% za celý život. Oba stavy jsou vysoce léčitelné, ale miliony lidí nedostávají péči doporučenou odbornými postupy. Problém není nedostatek povědomí, protože i letmý pohled na trh ukáže řadu nástrojů pro svépomoc, obsahu, sledovačů a aplikací pro ADHD. Skutečná mezera je přístup ke skutečné klinické péči, diagnóze a vedení medikace, pokud je to vhodné.
Tento článek argumentuje pro jednodušší výchozí bod. Nejvyšší návratnost investic do umělé inteligence ve zdravotnictví v současnosti přinášejí administrativní úkoly. Používání umělé inteligence příliš brzy v klinickém prostředí může vytvořit více problémů než výhod. Pokud chceme, aby se umělá inteligence stala důvěryhodnou součástí péče, musíme ji nasadit nejdříve tam, kde je zátěž největší a zisk je okamžitý.
Data ukazují, kde může být umělá inteligence účinnější
Existuje vzorec, který se velmi rychle ukazuje, když stavíte ve zdravotnictví. Jakýkoli lékař, kterého najmete, je během několika měsíců plně obsazen. Viděli jsme to opakovaně. Nejde pouze o abstraktní nedostatek zdravotníků, ale o to, jak se spotřebovává jejich čas, když se začíná plnit seznam pacientů.
V psychiatrii je asi 80 % návštěv běžnými kontrolami. Nejsou to všechno složitá diagnostická vyšetření. Mnohé se týkají stabilních pacientů, kteří pokračují ve stejné léčbě, kontrolují symptomy a obnovují léky, pokud je vše stále vhodné. Tyto návštěvy však nesou plnou váhu dokumentace, verifikace, kontroly anamnézy, kontrol v programu sledování léků na předpis (PDMP) a postupů předepisování. Poskytovatelé tráví průměrně 16 hodin týdně administrativní prací. To je čas, který by mohl jít na nové pacienty nebo prostě lepší klinickou pozornost pacientům a složitým případům.
To je místo, kde se mnoho diskusí o umělé inteligenci odpojí od provozní reality. Průmysl se stále ptá, zda umělá inteligence může převzít roli lékaře, zatímco ve skutečnosti velká část ztracené kapacity pochází z úkolů, které nevyžadují mnoho klinického úsudku. Tyto úkoly mohou být jako dokumentace, verifikace, přezkum záznamů a workflow follow-up. Tyto jsou přesně ty procesy, které umělá inteligence již může podporovat užitečným a měřitelným způsobem.
Pokud získáte zpět ten čas, nesnižujete pouze zátěž na poskytovatele, ale také znovu otevíráte rozvrh více pacientům. Časové prodlevy jsou významným problémem přístupu ke zdravotní péči. Pacienti často čekají týdny, aby viděli odborníka, a přístup zůstává nerovnoměrný v různých regionech. HHS nadále uvádí, že venkovské a odlehlé komunity trpí nedostatkem zdravotníků a podpory v oblasti behaviorálního zdraví, s odkazem na telehealth jako na způsob, jak výrazně zlepšit přístup k péči o duševní zdraví.
Proč je zdravotnictví nejtěžším odvětvím pro automatizaci pomocí umělé inteligence
Zdravotnictví může vypadat standardizovaně zvenčí. Ve skutečnosti je standardizované a variabilní současně.
Existují jistě určitá pravidla, předpisy a dokumentační předpisy. Každý lékař však přináší také návyky, workflow a protokoly formované předchozími prostředími. Dva poskytovatelé mohou léčit stejné onemocnění ve stejném právním rámci, a přitom k běžné péči přistupovat výrazně odlišně. Umělá inteligence musí zohlednit tuto variabilitu bez odchýlení se od standardu péče. To je mnohem těžší úkol než stavba modelu, který funguje dobře při demonstraci.
Při regulaci je dodržování předpisů většinou vrstvené. Státní licenční rady, federální agentury, HIPAA, systémy sledování receptů, státní databáze a interní klinické SOP se všechny protínají. Jednání, které je v souladu s předpisy jednoho státu, může v jiném státě předpisy porušovat. Pracovní postup, který z produktového hlediska působí neškodně, se může stát rizikovým, když se jedná o předepisování, identitu pacienta, uchovávání záznamů nebo auditovatelnost. Existuje strukturální složitost zapojená do procesu.
Datová část není tak přímočará, jak by se mohlo zdát. Ve zdravotnictví nemůžete jednoduše propojit běžné nástroje a začít se učit z chování uživatelů. Některé standardní analytické nástroje a datové kanály nejsou vhodné kvůli předpisům HIPAA, pokud nejsou fundamentálně změněny. Často potřebujete vlastní infrastrukturu od základu. Věci, jako je, jak jsou data uložena, zpracována, auditována a zobrazena v pracovním postupu. Překvapivé množství společností podceňuje to, dokud nejsou hluboko ve svém procesu budování a pak musí otočit celý svůj pracovní postup.
Ale více než cokoliv jiného bych řekl, že největší problém je prostě to, že cena chyby ve zdravotnictví je velmi vysoká.
Chybný výstup může vytvořit pouze nepříjemnost v jiných odvětvích, ale ve zdravotnictví může ovlivnit kvalitu léčby, bezpečnost pacienta, předepisování léků nebo regulatorní expozici. Lidské zdraví není něco, s čím si můžeme jednoduše hrát, abychom vylepšili naše modely umělé inteligence, a tak je to správné. To by mělo být použito jako řídící princip, který nám pomáhá pochopit, kde může být umělá inteligence poprvé zavedena do tohoto odvětví.
Administrativní vrstva přináší nejvyšší návratnost investic do umělé inteligence ve zdravotnictví
Doufám, že jsem na čtenáře zapůsobil důležitostí posunu našeho zaměření z nahrazování lékaře umělou inteligencí na odstranění provozních překážek kolem lékaře. Zde podrobněji vysvětlím, jak to vypadá v praxi.
Generování dokumentů. Umělá inteligence může přepisovat a vytvářet dokumentaci v reálném čase během návštěv. To snižuje zátěž dokumentace, zkracuje práci po hodinách a činí dokončení stejného dne mnohem reálnějším. V interním rámci MEDvidi je generátorem dokumentů průběžně aktualizována dokumentace během vyšetření; tento nástroj je navržen tak, aby podstatně snížil čas dokumentace.
Přezkum dokumentů. Umělá inteligence může také přezkoumat dokumenty ve vztahu k interním standardním operačním postupům (SOP) a označit odchylky, než dosáhnou fáze předepisování. Většina kontrol kvality ve zdravotnictví je stále částečná a manuální; proto, přezkoumáním každého setkání místo malého vzorku, se dodržování předpisů stává více viditelným a konzistentním.
Automatizace workflow před návštěvou. Velká část času poskytovatele je strávena před skutečným klinickým rozhodnutím na věcech, jako je ověření identity, kontrola státních databází, přezkum zdravotní historie, hledání potenciálních kontraindikací nebo vyhledávání vzorců, které mohou naznačovat chování směřující k získání léků nebo mezery v dokumentaci. Žádná z těchto věcí nenahrazuje úsudek, ale všechny spotřebovávají čas, který je důvodem, proč může umělá inteligence pomoci zpracovat tyto vrstvy, než se do toho zapojí lékař.
Rutinní správa receptů. Stabilní follow-up péče je místem, kde může být umělá inteligence obzvláště užitečná. Pro pacienty, jejichž léčba zůstala konzistentní, může umělá inteligence pomoci spravovat workflow obnovy a připravit záznam, zatímco lékař přezkoumá a schválí konečná rozhodnutí. To je velmi odlišný model od plně autonomní péče, protože je užší, bezpečnější a mnohem relevantnější ke skutečnému úzkému místu v systému.
Každý z těchto případů použití má něco společného. Ušetří čas tak, že rozšiřují kapacitu péče. To je můj hlavní argument, proč považuji administrativní vrstvu za místo s nejvyšší návratností investic do umělé inteligence.
Správná architektura umělé inteligence pro klinické prostředí
Nahrazení lékaře je další z těch strašáků umělé inteligence, které vytvářejí senzace a znepokojují profesionály. Mnohem praktičtějším, prospěšnějším a nepostradatelným modelem je podpora schopností s lékařem v centru zdravotní péče.
V rámci takové architektury má lékař poslední slovo ve všech klinických rozhodnutích a předpisech léků. Plány léčby budou stále přezkoumány a schváleny licencovaným zdravotnickým pracovníkem. Umělá inteligence jednoduše zpracovává drobnosti dokumentace, verifikace, vrstvy přezkumu a opakující se úkoly kolem návštěvy. To je nejbezpečnější způsob, jak zlepšit efektivitu a zachovat odpovědnost.
Umělá inteligence ve zdravotnictví také potřebuje skutečná klinická data, protože hotové modely a obecné datové sady nejsou dostatečné. Klinické workflow jsou příliš specifické, předpisy jsou příliš vrstvené a prostor pro chybu je příliš malý. Systém umělé inteligence školený na proprietární datové sadě měsíčních návštěv pacientů, s kontrolou ze strany zdravotníka a dodržováním SOP v workflow by měl být základem každého systému, který vstupuje do tohoto oboru. Jádro toho je, že umělá inteligence ve zdravotnictví musí být založena na reálných klinických operacích, nikoli na obecné modelové schopnosti.
Pro lékaře tato architektura snižuje hodiny ztracené administrativní prací a rezervuje více času pro nové pacienty a složitější případy. Pro pacienty poskytuje rychlejší přístup ke zdravotní péči za nižší cenu, spojený s větší konzistencí v dokumentaci a poskytování péče. Regulační orgány také profitují, protože mají více viditelnosti, protože současné systémy často skrývají nekonzistenci uvnitř rozptýlených workflow. Správné nasazení umělé inteligence činí workflow více čitelnými a přezkoumatelnými. Přezkum sám o sobě je mnohem snazší auditovat než lidská dokumentace.
Když se umělá inteligence osvědčí v měřitelném pracovním postupu, stává se důvěryhodným nástrojem pro zlepšení oblasti, s níž má toto životně důležité odvětví zjevné potíže.
Závěr
Když si lidé stěžují na svého poskytovatele zdravotní péče, že je nepozorný, vidí skutečný problém. Představte si energii svého poskytovatele zdravotní péče jako balón, který je propichován ze všech stran všedními, opakujícími se úkoly. Samozřejmě, že nemají čas ani mentální kapacitu, aby se vám věnovali pozorně.
Místo skoku na vlak strašáků, kdo bude první, kdo bude propuštěn kvůli umělé inteligenci, je rozumnější, zejména ve zdravotnictví, použít technologii k opravě vrstev práce, se kterými lidé bojují. Ta samá věc, která dělá umělou inteligenci tak výhodnou, je její nevyčerpatelnost – něco, co lidský personál zdravotnické péče nemá.
Je pochopitelné, proč je zdravotnictví obtížné automatizovat kvůli složitým předpisům, variabilitě chování poskytovatelů, potřebě vlastních infrastruktur a enormní ceně chyb. Existuje však skutečná administrativní překážka, která může být opravena touto technologií, kterou máme na dosah. Použijme ji.
Bez začátku u administrativní překážky bude klinická umělá inteligence bojovat, aby získala důvěru lidí v širším měřítku, když se její schopnosti vyvinou za to, co může dělat dnes.
Myslím, že model pro nejbližší dobu je jednoduchý. Umělá inteligence projde anamnézu, zkontroluje kontraindikace, ověří identitu, vygeneruje dokument a připraví postup předepisování léků. Lékař přezkoumá celý obraz a schválí konečná rozhodnutí. Co dříve vyžadovalo plnou 20minutovou návštěvu pro stabilní follow-up, může se stát kratším, čistějším a bezpečnějším procesem.
Na papíře to může vypadat jako maličkost, ale je to velká přestavba systému, který zůstal ruční po tak dlouhou dobu a ovlivňuje každého.












