Grant Lunney, vedoucí produktového týmu ve společnosti EverHealth – série rozhovorů

Grant Lunney je vedoucím produktového týmu ve společnosti EverHealth a má téměř dvacetileté zkušenosti s technologiemi ve zdravotnictví, klinickým provozem a produktovou strategií. Během své kariéry působil ve společnostech Boulder Community Health, OTTO Health, NextGen Healthcare a CrowdHealth, kde se zaměřoval na ambulantní péči a praktické výzvy, s nimiž se zdravotnická zařízení potýkají. Ve společnosti EverHealth se věnuje využití AI v klinické dokumentaci a pracovních postupech zdravotnických zařízení, aby měli zdravotníci více času na péči o pacienty.

EverHealth poskytuje zdravotnické technologie zahrnující elektronickou zdravotní dokumentaci, správu zdravotnických zařízení, fakturaci zdravotní péče a komunikaci s pacienty. Jeho nástroj EverHealth Scribe využívá ambientní AI k převodu rozhovorů mezi pacienty a zdravotníky na návrhy klinických záznamů v systému EHR, které zdravotník následně zkontroluje a schválí. V tomto rozhovoru Lunney mluví o dokumentaci v oblasti behaviorálního zdraví, souhlasu pacientů a ochraně jejich soukromí, klinickém dohledu a o tom, jak může AI snížit administrativní zátěž nezávislých zdravotnických zařízení.

Vaše kariéra zahrnuje téměř dvě desetiletí práce v oblasti zdravotnických technologií, od klinického provozu a strategie v Boulder Community Health přes vedení produktových týmů v OTTO Health, NextGen Healthcare a CrowdHealth až po současné působení ve společnosti EverHealth. Jak tyto zkušenosti ovlivnily váš pohled na úlohu, kterou by AI měla ve zdravotnictví hrát, a co vás přilákalo k možnosti vést produktové inovace ve společnosti EverHealth?

Většinu posledních dvou desetiletí jsem strávil prací v oblasti zdravotnických technologií, převážně v ambulantní péči. Za tu dobu jsem sledoval pozoruhodný vývoj nástrojů, které jsme lékařům poskytli, aby jim pomáhaly při výkonu jejich povolání. Pamatuji si, kdy bylo elektronické předepisování velkou novinkou. Možnost, aby lékař odeslal recept elektronicky a pacient si ho mohl vyzvednout v lékárně hned po příchodu, představovala významný pokrok. Od té doby jsme zavedli stále propracovanější systémy EHR, automatizaci procesů, interoperabilitu i celou řadu dalších nástrojů, jejichž cílem je zefektivnit zdravotní péči.

O AI přemýšlím podobně. Ať už mluvíme o velkých jazykových modelech, generativní AI, nebo prediktivních modelech, jde o další nástroje v našem arzenálu. Cíl zůstává stejný: zvýšit efektivitu zdravotníků a v konečném důsledku zlepšit kvalitu péče, kterou mohou poskytovat.

Představte si praktického lékaře, který se stará o skupinu 2 500 nebo 3 000 pacientů. Jeho dny vyplňují akutní návštěvy, správa medikace a péče o pacienty s několika chronickými onemocněními. Ani na okamžik však nevěřím, že by tito lékaři nechtěli věnovat více času preventivní práci s pacienty. Mluvit s nimi o výživě, pohybu, behaviorálním zdraví a společenských faktorech ovlivňujících jejich zdraví. Pomáhat lidem provádět smysluplné změny, které by mohly zabránit tomu, aby se u nich vůbec rozvinulo další chronické onemocnění. Právě proto šli studovat medicínu.

Právě to mě na AI tolik nadchýná. Začínáme vyvíjet technologie, které dokážou zdravotníkům výrazně ulevit od administrativy a zpracování informací, a poskytnout jim tak více času na samotnou péči o pacienty.

Na společnosti EverHealth mě přitahuje možnost zavádět tyto technologie postupně v celém zdravotnickém zařízení. Pevně věřím, že je nejlepší nejprve vyřešit jeden problém výjimečně dobře a pak se pustit do dalšího. Můžeme zlepšit klinickou dokumentaci, poté rozpoznávání diagnóz, kódování, zadávání objednávek, předepisování léků a provoz zdravotnického zařízení. Postupem času se tato zlepšení začnou vzájemně doplňovat.

Nástroj EverHealth Scribe využívá AI k převodu rozhovorů mezi pacienty a zdravotníky na strukturovanou klinickou dokumentaci. Můžete nám popsat, jak tato technologie funguje od zachycení rozhovoru až po vytvoření klinického záznamu, a vysvětlit, čím se váš přístup liší od jiných řešení pro zdravotnickou dokumentaci založených na AI?

V nejjednodušší podobě AI asistent pro klinickou dokumentaci naslouchá rozhovoru mezi pacientem a zdravotníkem, pomocí rozpoznávání řeči určí, kdo co říká, a poté využije velký jazykový model k uspořádání klinicky relevantních informací do strukturovaného záznamu. Zdravotník tyto informace zkontroluje, podle potřeby opraví a výslednou dokumentaci schválí.

Myslím, že se blížíme k bodu, kdy většina kvalitních ambientních AI asistentů pro klinickou dokumentaci dokáže tento základní úkol plnit opravdu dobře. Jednotlivé modely se liší propracovaností a přesností, ale podle mě budou příležitosti k výraznějšímu odlišení stále častěji spočívat ve všem, co tento proces obklopuje.

U nás to začíná otázkou, jakou další část práce zdravotníka dokážeme dokončit poté, co vznikne záznam. Již jsme přidali doporučení diagnóz a kódů CPT a rozšiřujeme funkce o objednávky a předpisy, přičemž vše je přímo integrováno do systému EHR. Zapojujeme také informace z předchozích návštěv, anamnézy a dokumentace pořízené před návštěvou, protože patnáctiminutový rozhovor představuje jen malou část mnohem širšího klinického příběhu. Kromě toho vyvíjíme anotace, které zachycují pozorování a poznámky zdravotníků, jež nikdy nevysloví nahlas.

Spolehlivost jsme zajistili i u všech těchto funkcí. Pokud zdravotník stráví s pacientem 30 minut a pak zjistí, že se záznam nepodařilo pořídit, jde o katastrofální zkušenost. Musíme proto počítat se vším, od umístění mikrofonu až po nestabilní připojení k Wi-Fi.

Pokud to všechno nastavíme správně, klinický pracovník by měl po skončení návštěvy mít prakticky veškerou dokumentaci hotovou. Zbývá mu zkontrolovat klinický obsah, uplatnit vlastní úsudek a jednat podle doporučení, která dávají smysl.

Konzultace v oblasti duševního zdraví často zahrnují hluboce osobní rozhovory, jemné emoční nuance a citlivá sdělení. Jaké specifické technické výzvy přináší vývoj nástroje s umělou inteligencí pro pořizování záznamů z konzultací v oblasti duševního zdraví a jak zajišťujete, aby systém přesně zachytil klinicky relevantní informace, aniž by nesprávně vyložil kontext nebo zaznamenával zbytečné osobní údaje?

Psychoterapeutické sezení trvající 50 minut, patnáctiminutová konzultace v oblasti duševního zdraví a sedmiminutová návštěva u internisty jsou tři velmi odlišné rozhovory. A také dokumentace, která by měla z každé takové návštěvy vzniknout, bude vypadat jinak.

Začínáme tedy u klinického pracovníka a postupujeme pozpátku. Jaké informace je třeba zachytit? Jak by měly být uspořádány? Jaká míra podrobnosti je z klinického hlediska vhodná? A jak má vypadat výsledný záznam, aby si poskytovatel mohl být jistý, že věrně zachycuje průběh návštěvy?

Jakmile si to vyjasníme, můžeme začít umělou inteligenci nastavovat a dolaďovat tak, aby vytvářela dokumentaci odpovídající těmto očekáváním. Cílem je převést potenciálně velmi dlouhý, složitý a hluboce osobní rozhovor na klinické informace, které jsou skutečně důležité pro péči o pacienta.

Myslím, že je to obzvlášť důležité v oblasti duševního zdraví. To, že něco zaznělo během sezení, ještě automaticky neznamená, že to patří do trvalé zdravotnické dokumentace pacienta. Model také musí správně interpretovat klinický význam a v oblasti duševního zdraví může mít jediný výrok podle kontextu velmi odlišný význam. Proto zůstávají kontrola a úsudek klinického pracovníka zásadní.

Hodně se mluví o tom, jak jsou tyto modely inteligentní, ale myslím, že některá z nejdůležitějších práce se odehrává ještě předtím, než model vůbec vytvoří záznam. Jde o to stanovit, jak má vypadat úspěšný klinický výstup, a pak neustále zlepšovat spolehlivost, s jakou ho vytváříme.

Jednoduše řečeno, náš postup spočívá v tom, že určíme, jak má vypadat dobrý výsledek, budeme postupovat zpětně od něj a konečné rozhodnutí o tom, zda jsme ho dosáhli, svěříme klinickému pracovníkovi.

Výzkum organizace KFF zjistil, že 77 % dospělých v USA má obavy o soukromí zdravotních údajů sdílených s nástroji umělé inteligence. Jak EverHealth tyto obavy řeší, zejména pokud jde o uchovávání údajů o pacientech, přístup třetích stran a využívání citlivých informací k trénování či zdokonalování modelů umělé inteligence?

Tyto obavy jsou oprávněné a nemyslím si, že by pacienti měli muset obětovat soukromí, aby dostali lepší péči. Technologická společnost by po nich zároveň neměla chtít, aby jejím bezpečnostním opatřením důvěřovali bez důkazů. Pacienti i zdravotnická zařízení si zaslouží jasné odpovědi na otázky, jaké informace používáme, kdo k nim má přístup a jak dlouho je uchováváme.

V EverHealth Scribe se informace o pacientech zpracovávají za účelem podpory klinické dokumentace a kontinuity péče. Spolupracujeme s technologickými partnery, včetně CarePilot, a máme smluvní záruky, například smlouvy s obchodními partnery, které upravují nakládání s chráněnými zdravotními informacemi. Používáme také šifrování a řízení přístupu a identifikační údaje pacientů se nepoužívají k trénování modelů umělé inteligence. Přepisy v Scribe jsou k dispozici až 180 dní, aby si klinický personál mohl připomenout důležité souvislosti z jednotlivých návštěv; zdravotnická zařízení však mohou také požádat o smazání přepisů.

Soukromí nelze k inovacím jednoduše dodatečně připojit. Musí ovlivňovat naše rozhodování o tom, co vytváříme, s čím se propojujeme a co uchováváme.

Společnost Mentavi Health, která zavedla EverHealth Scribe, získává souhlas pacientů při vstupním vyšetření i před každou návštěvou. Jak důležitý je tento model průběžného získávání souhlasu pro budování důvěry pacientů a co by se mělo stát, když pacient odmítne dokumentaci s podporou umělé inteligence nebo během sezení svůj souhlas odvolá?

Přístup společnosti Mentavi, která získává souhlas při vstupním vyšetření a znovu před každou návštěvou, potvrzuje, že pacient má možnost rozhodovat o tom, jak bude jeho péče probíhat.

Podstatnou část své kariéry jsem strávil v oblasti telemedicíny, a proto se domnívám, že pacienti jsou k technologiím obecně vstřícní, pokud vidí, jaký přínos jim přinášejí. V ideálním případě mají pacienti více očního kontaktu a přímé komunikace a klinický pracovník se skutečně soustředí na rozhovor, místo aby seděl za notebookem nebo psal do počítače na pracovním stole. To je opravdu přesvědčivý přínos.

Tento přínos však musí jít ruku v ruce s možností volby. Pacienti by měli rozumět tomu, jak se technologie používá, a cítit se pohodlně, když se rozhodnou ji odmítnout. Pokud někdo během návštěvy svůj souhlas odvolá, nahrávání by se mělo zastavit a klinický pracovník by měl mít možnost pokračovat v návštěvě a zdokumentovat ji běžným způsobem. S veškerými již zaznamenanými informacemi je třeba nakládat v souladu s příslušnými požadavky na souhlas a ochranu soukromí.

Myslím, že důvěra nakonec vzniká tím, že soustavně přinášíme hodnotu. Pokud pomáháme klinickým pracovníkům věnovat více času pacientům a pacienti ten rozdíl skutečně vnímají, děláme něco správně.

Klinické poznámky vytvořené umělou inteligencí s sebou nesou možná rizika, například vymyšlené informace, vynechané podrobnosti a nepřesnou interpretaci výroků pacientů. Jaká ochranná opatření zavedla společnost EverHealth, aby tyto chyby odhalovala, a jak zajišťujete, aby si lékaři zachovali smysluplný dohled a dokumentaci vytvořenou umělou inteligencí pouze bezmyšlenkovitě neschvalovali?

Lékaři úzce spolupracují s asistentem pro pořizování zápisů a před přidáním poznámek vytvořených umělou inteligencí do zdravotnické dokumentace je upravují; tím se v konečném důsledku snižuje pravděpodobnost nepřesností ve výstupech.

Lékař musí informace zkontrolovat a upravit, než se uloží do zdravotnické dokumentace. Konečná odpovědnost za to, zda poznámka přesně zachycuje průběh návštěvy a zda nebylo něco důležitého opomenuto nebo nesprávně pochopeno, stále spočívá na něm.

Další zásadní součástí je průběžná zpětná vazba. Po každé návštěvě se lékařů ptáme, zda pro ně byla dokumentace užitečná, a více než 96 % odpovědí bylo kladných. Je to povzbudivný signál, že soustavně přinášíme hodnotu.

Když lékař nahlásí problém, náš tým s ním přímo probere, co se stalo, zjistí příčinu a určí, jak můžeme jeho zkušenost zlepšit. Tento přímý kontakt s lidmi, kteří technologii používají, je nesmírně důležitou součástí vývoje a zdokonalování produktu.

Myslím, že právě tak si lze vybudovat důvěru v dokumentaci podporovanou umělou inteligencí: zpřístupnit podkladové informace, zachovat smysluplný klinický dohled a průběžně vyhodnocovat, zda tato technologie skutečně pomáhá.

Společnost Mentavi Health nedávno informovala o postupném zavádění řešení, do něhož se zapojilo více než 30 lékařů s platnou licencí a při kterém vzniklo přes 14 000 klinických poznámek s podporou umělé inteligence. Zlepšila se přitom strukturovaná dokumentace i zachycování diagnostických kódů. Jaká nejdůležitější zjištění toto zavádění přineslo a jak měříte, zda nástroje pro automatické pořizování zápisů s umělou inteligencí skutečně zvyšují produktivitu lékařů, přesnost dokumentace a kvalitu péče o pacienty?

Jedním z nejdůležitějších poznatků ze zavádění řešení ve společnosti Mentavi je, že úspěšné přijetí závisí na mnohem více než jen na samotné technologii. Mentavi spojila klinické, administrativní a technologické odborné znalosti, aby stanovila standardy dokumentace, zavedla ukazatele kvality a nové funkce promyšleně uváděla do praxe. Právě taková spolupráce je příkladem odpovědných inovací ve zdravotnictví.

U produktu Scribe řešíme jednoduchý problém: lékaři tráví příliš mnoho času dokumentováním návštěv. Otázka tedy zní, kolik tohoto času a úsilí můžeme ušetřit.

Sledujeme čas potřebný k vedení dokumentace, spokojenost lékařů i to, jak účinně funkce, jako je rozpoznávání diagnóz a doporučování kódů CPT, odstraňují další kroky v pracovních postupech. Až rozšíříme nabídku o objednávky a předpisy, budeme postupovat stejně. Každá funkce by měla lékařům ušetřit další významnou část pracovního dne.

Zvlášť povzbudivé bylo zlepšení v zachycování diagnostických kódů. Při hodnocení byla míra zachycení diagnostických kódů u návštěv s využitím produktu Scribe téměř 80 %, zatímco bez něj činila přibližně 26 %. Jde o výrazné zlepšení konzistentnosti strukturované klinické dokumentace a skvělý příklad toho, jak může umělá inteligence přinášet hodnotu i nad rámec pouhého vytváření poznámek.

Povzbudivý je počet vytvořených poznámek, ale skutečně důležitými výsledky jsou množství práce, které pomáháme odstranit, a kvalita a konzistentnost dokumentace, jejíž tvorbu podporujeme.

Nezávislé ordinace a pracoviště zaměřená na duševní zdraví často mají ve srovnání s většími zdravotnickými systémy omezenější administrativní kapacity. Jak může dokumentace podporovaná umělou inteligencí pomoci menším praxím konkurovat a jaké překážky v oblasti nákladů na zavedení, začlenění do pracovních postupů nebo přijetí technologií je ještě třeba překonat?

Myslím, že největší příležitostí pro nezávislé ordinace je možnost volby. Když lékařům a zaměstnancům odebereme administrativní práci, umožníme ordinacím lépe rozhodovat o tom, jak naloží se svým časem a prostředky. Lékař možná chce ošetřit více pacientů. Možná chce věnovat více času těm, které už má. Anebo chce jednoduše skončit poslední návštěvu v pět hodin, strávit 15 minut kontrolou dokumentace a jít domů, místo aby další dvě hodiny doháněl resty. Všechny tyto výsledky jsou přínosné a ordinace by měla sama rozhodnout, na kterém jí záleží nejvíc.

Pokud jde o zavedení, ordinaci už nyní poskytujeme technologické služby, takže začlenění do pracovních postupů je naší odpovědností, nikoli její. Scribe funguje na zařízeních, která lékaři už vlastní, a začít lze už po jednom nebo dvou školeních. Malá ordinace má však jen velmi omezený prostor na řešení technických problémů. Proto usilujeme o nastavení, které se co nejvíce blíží samoobslužnému řešení.

V konečném důsledku podle mě umělá inteligence zpřístupňuje nezávislým ordinacím možnosti a provozní efektivitu, které dříve vyžadovaly mnohem větší organizace. A stejně důležité je, že lidem pracujícím v těchto ordinacích dává větší kontrolu nad tím, jak tráví svůj čas.

Vzhledem k tomu, že jednotlivé státy přijímají stále rozmanitější zákony upravující využití AI ve zdravotnictví, zejména v oblasti péče o duševní zdraví, jak se EverHealth orientuje v tomto roztříštěném regulačním prostředí? S jakými problémy se setkáváte při vývoji produktu s AI, který musí v různých jurisdikcích splňovat odlišné požadavky na souhlas pacientů, ochranu osobních údajů a dohled zdravotníků?

Mám pocit, jako bych tenhle film už někdy viděl. Velkou část své kariéry jsem před covidem strávil v oblasti telemedicíny, kde jsem řešil rozdíly mezi jednotlivými státy v požadavcích na licencování, místě pobytu pacientů, souhlasu, předepisování léků a úhradách. Pak se pravidla změnila téměř přes noc a my jsme museli rozšiřovat provoz, zatímco se dál měnila.

Prostředí AI působí podobně. Zaměřujeme se na to, abychom předvídali navrhované zákony, rozuměli specifikům jednotlivých států i federální úrovně a vyvíjeli produkt tak, aby se dokázal přizpůsobit.

Nejdůležitější je to v oblasti telemedicíny zaměřené na behaviorální zdraví, kde může jeden zdravotník ošetřovat pacienty v mnoha státech. Souhlas, ochrana soukromí a dohled zdravotníků musí být konfigurovatelnými základy této služby.

Skutečným poučením z této zkušenosti je, že produkt musí být od počátku navržen tak, aby se dokázal přizpůsobovat regulačním požadavkům. Právě touto filozofií se při práci s AI v EverHealth řídíme. Naším úkolem je převzít co největší část této složitosti, aby se zdravotníci mohli soustředit na poskytování péče.

S ohledem na budoucnost se možnosti AI rychle rozšiřují od dokumentace ke klinické podpoře rozhodování, zapojení pacientů a stále autonomnějším pracovním postupům ve zdravotnictví. Kde by podle vás měla zůstat hranice mezi asistencí AI a úsudkem zdravotníka, zejména v oblasti péče o duševní zdraví, a jak podle vás bude technologie EverHealth v příštích třech až pěti letech postupovat?

AI dokáže naslouchat, uspořádávat informace, upozorňovat na důležitý kontext a navrhovat řešení. Klinický úsudek však náleží zdravotníkovi.

To je obzvlášť důležité v oblasti péče o duševní zdraví, kde mohou být pacientova anamnéza, změna tónu hlasu, nebo dokonce i to, co zůstane nevyřčeno, stejně významné jako samotná slova. Technologie by měla zdravotníkům umožnit věnovat těmto okamžikům větší pozornost, nikoli menší.

V příštích třech až pěti letech se otevírají mnohem větší možnosti než jen vytvořit chytřejší nástroj pro pořizování záznamů. Vizí EverHealth je inteligentní cesta ambulantní péčí, při níž technologie pomáhá propojovat okamžiky před návštěvou, během ní i po ní.

Představte si kliniku, která si pamatuje, na čem záleží: důležité informace z anamnézy jsou k dispozici, když je potřeba, zdravotníci se mohou soustředit na pacienta místo skládání roztříštěných informací dohromady a klinická rozhodnutí se plynuleji promítají do dokumentace, kódování, koordinace péče i následné péče. Nejde nám jen o zrychlení jednotlivých úkolů. Chceme omezit překážky mezi nimi.

Naším hlavním cílem ve všem, co děláme, je zajistit, aby se každý pacient cítil skutečně vyslyšen a každý poskytovatel péče měl jasno a mohl poskytovat sebejistou a provázanou péči.

Děkujeme za skvělý rozhovor. Čtenáři, kteří chtějí prozkoumat klinickou dokumentaci s podporou AI a propojené pracovní postupy ve zdravotnictví, mohou navštívit EverHealth.