AI ve zdravotnictví: Od slibu k praxi

Zdravotnictví nikdy nemělo více technologických slibů nebo více tlaku na jejich splnění než dnes.

Inovace s technologiemi jsou ohromující. Generativní AI vytváří odvolání, shrnuje klinické poznámky, pohání ambiente nástroje a umožňuje zapojení pacientů z domova. Více než 96 % nemocnic v USA nyní používá systémy EHR. Mělo by to být období bezproblémové, inteligentní péče. Ale někde mezi potenciálem a praxí se ztrácí hybnost.

Zastaralá infrastruktura, fragmentovaná správa, únavu pracovníků a rozšiřující se mezery v zdrojích pokračují v zpomalování pokroku. Ještě více výzvou je fakt, že plátci, poskytovatelé a pacienti postupují svým vlastním tempem, každý buduje digitální kapacity bez společného rytmu.

Zatímco tlak na poskytování lepší péče s méně se zvyšuje. Více než 700 nemocnic v USA, mnoho z nich v venkovských oblastech, je ohroženo uzavřením. Změny legislativy by mohly dále zmenšit pokrytí pro miliony.

V tomto okamžiku to nejsou bodové řešení, ale škálovatelná inovace, která může skutečně transformovat péči. Aby se inovace škálovatelně udržitelně, musí být zdravotnictví vloženo do skutečných pracovních toků, založeno na interoperabilitě, řízeno s úmyslem a postaveno pro zarovnání napříč systémem.

Všichni inovují. Proč to stále feels disproporčně?

Problém začíná, když inovace probíhají v izolaci. Zdravotnické systémy experimentují s GenAI a digitálními nástroji, ale bez sdílené infrastruktury nebo podnikové šířky, tyto pilotní projekty zřídka škálovat.

Pouze jeden ze čtyř systémů má modely správy, které jsou odpovědné za řízení použití GenAI, a většina z nich stále zápasí s fragmentovanými datovými prostředími. Místo zjednodušení péče to často přidává více složitosti do způsobu, jakým pracují klinici.

Vezměme si například revenue cyklus, AI může nyní generovat odvolání během několika minut, ale plátci je stále zpracovávají ručně. To vytváří asymetrii a zvyšuje administrativní náklady.

Co je potřeba pro škálování AI ve zdravotnictví

Abychom mohli pokračovat, musí lídři navrhnout konvergenci. To znamená udělat inovaci součástí toho, jak péče skutečně funguje: spojovat body napříč týmy a zajišťovat, aby každá snaha přinesla lepší výsledky pro všechny klíčové zúčastněné strany.

Zde je to, jak vypadá tento posun v akci:

1. Přestavba pracovní síly, nikoli její nahrazení

Škálovatelná inovace ve zdravotnictví začíná tvrdou pravdou: zdravotnické systémy nebudou pohybovat jehlou, pokud nepřemýšlí, jak skutečně fungují péče týmy. V roce 2024, 57 % výkonných ředitelů zdravotnických systémů uvádí, že nedostatek pracovní síly je jednou z hlavních strategických obav. Nedostatek připravenosti pracovní síly je také mezi třemi největšími překážkami digitální transformace. To zdůrazňuje širokou mezeru mezi nasazením a lidskou připraveností na místě.

Vpřed hledící poskytovatelé reagují různými způsoby:

• Investují do odolnosti pracovní síly. Sestry jsou školeny pro hybridní, technicky vybavené role, ne pro nahrazení klinické intuice, ale pro její posílení.
• nasazují nástroje GenAI, které snižují kognitivní zátěž. Například ambientní dokumentace pomáhá klinickým pracovníkům automatizovat poznámky a označit rizika readmise. Před návštěvami jsou shrnutí také nezbytná, protože poskytují kontext pacienta před schůzkami, aby se zjednodušila péče.
• A také si znovu berou čas a kapacitu, aby přehodnotili pracovní postupy. Přehodnocení pracovních toků, spojené se inteligentním delegováním, má potenciál dodat 15-30% úspory času na směnu, dostatečné k mostu téměř 300 000 nemocničních sester^[8].

Tyto jsou umožňovače udržitelnějšího modelu péče. Inovace musí být založena na zkušenostech těch, kteří péči poskytují, aby mohla uspět.

2. Budování rámců pro řízení změn pro AI

Neexistuje žádný univerzální přístup pro využití AI ve zdravotnictví. Protože to není jen další technologické nasazení.

Na rozdíl od cloudových migrací, kde infrastruktura vede, AI vyžaduje, abychom nejprve pochopili práci, co vyžaduje kognici, co vytváří tření a kde je nejvíce potřeba podpora. Centra excelence pomáhají poskytovatelům to udělat správně.

Tyto centra formalizují správu, zarovnávají pracovní toky a zajišťují bezpečnost, rovnost a důvěru při nasazení. Bez nich inovace riskuje, že se zastaví na povrchu, užitečné v teorii, ale odtržené od praxe péče.

V Johns Hopkins, předpovědní dashboard pro správu lůžek, který byl navržen ve spolupráci s frontovými týmy, se stal integrovanou součástí denního rozhodování. To je to, co vypadá integrace. Aby AI mohla škálovat, musí se nejprve vejít do rytmu péče.

3. Překlenutí důvěry ve klinické AI

Inovace nejsou všude ve zdravotnickém podniku stejně vítány. AI našla své místo v back office zdravotnictví, ale v klinických prostředích, stále nachází své místo. Automatizace se rychle škáluje, kde jsou nižší sázky, jako jsou fakturace a odvolání, ale když jde o diagnózu, triáž nebo plánování péče, váhání je hlubší. To je pochopitelné; frontoví klinici jsou požádáni, aby důvěřovali nástrojům, které sami nevytvořili, ve prostředích, kde chyby nesou skutečné lidské náklady.

To neznamená, že klinická inovace by měla přestat. To znamená, že musí být vedena jinak.

Aby AI mohla skutečně udělat rozdíl v klinické praxi, musí usnadnit pracovní zátěž klinika. Příležitost spočívá v podpoře klinických pracovníků s úkoly, jako je stratifikace rizik populace, monitorování a řízení kapacity. Když AI doplňuje rozhodování, snižuje kognitivní únavu a přirozeně zapadá do způsobu, jakým se péče poskytuje, buduje důvěru.

4. Předefinování ROI za hranice dolarů

Musíme se na ROI dívat z širší perspektivy, pokud chceme škálovat AI ve zdravotnictví. Když definujeme ROI podle úspor nákladů a rozpočtových škrtů, můžeme přehlédnout to, co je skutečně důležité. Úspěch by měl ukázat lepší výsledky a silnější spojení mezi klinickými pracovníky a pacienty.

V prostředí, kde tolik práce, která má význam, jako je koordinace péče, klinická shrnutí a zapojení poskytovatelů pacientů, není přímo fakturovatelná, návratnost investic nemůže být měřena pouze v dolarech. Musí zohledňovat čas, který je získána, důvěru, která je budována, a péči, která je poskytována více uvážlivě.

Vpřed hledící zdravotnické systémy začínají měnit konverzaci. Soustředí se na to, co zlepšuje péči, spíše než měřit úspěch pouze podle toho, co se automatizuje. Usnadňují denní úkoly klinickým pracovníkům? Uvolňují čas, aby byli přítomni u pacientů? To jsou otázky, které musí být zodpovězeny jasně každý den.

Předefinování zdravotnické AI prostřednictvím lidsky vedené péče

Další hranice pro zdravotnickou AI je její augmentace. Systémy se posunují z back-end automatizace na inteligenci orientovanou na pacienta, využívající AI, která pomáhá rezervovat péči, triážovat symptomy a interpretovat longitudinální záznamy, aby informovala rozhodnutí. Navrženo správně, tyto nástroje budují důvěru, snižují kognitivní zátěž, zlepšují přístup a uvolňují čas pro spojení s pacientem.

Téměř 60 % CEO ve zdravotnictví nyní řadí GenAI jako jednu z hlavních investičních priorit a 79 % zůstává optimistických ohledně dlouhodobého růstu. Přesto 70 % uvádí regulatorní nejistotu jako klíčovou bariéru pro škálování.

Cesta vpřed vyžaduje odvážné vedení poskytovatelů. Pokrok nebude pocházet z působivých nasazení nebo rychlých vítězství. Pochází z práce, která skutečně posouvá systém vpřed. Zahrnuje eliminaci systémového plýtvání, vytvoření sdílených datových základů mezi plátci a poskytovateli, zavedení silného rámce pro řízení změn a soustředění se na měřitelnou hodnotu, jak finanční, tak nefinanční.

Je čas začít tvarovat AI do něčeho více základního, spolehlivého, transparentního a hluboce citlivého na realitu péče. Dopad AI spočívá v tom, že tiše a bezproblémově umožňuje každý pracovní tok, každé rozhodnutí, každou interakci. A nakonec, skutečný pokrok spočívá v tom, jak významně přibližujeme technologii lidem, kterým je určena.