Matthew Crowson, MD, Director of KI/GenKI-Produktmanagement bei Wolters Kluwer Health – Interview-Serie

Dr. Matt Crowson ist ein Gesundheitstechnologie-Experte und praktizierender Chirurg, der sich auf die Anwendung von KI in der klinischen Praxis konzentriert. Er ist Director of AI/Generative AI Product bei Wolters Kluwer (WKL.SW ) Health, wo er Initiativen leitet, um die Evidenzsynthese und die Analyse von Realweltdaten zu verbessern. Zuvor leitete er die Gesundheitsversorgungs-KI-Praxis von Deloitte, wo er generative KI-Lösungen entwickelte, um die Dokumentation, die Umsatzzyklen und die Forschung zu verbessern. Er ist auch als Assistenzprofessor an der Harvard Medical School tätig und hat über 90 peer-reviewte Publikationen verfasst.

Wolters Kluwer ist ein globaler Anbieter von professioneller Information, Software und Dienstleistungen, der Kunden in den Bereichen Gesundheitswesen, Steuern und Rechnungswesen, Recht und Regulierung, Finanzcompliance und ESG unterstützt. Das Unternehmen hat seinen Hauptsitz in den Niederlanden und nutzt seine umfassenden Branchenkenntnisse und fortschrittliche Technologie, um Tools zu liefern, die Arbeitsabläufe rationalisieren, die Einhaltung von Vorschriften gewährleisten und kritische Entscheidungen unterstützen. Die Geschäfte des Unternehmens erstrecken sich über mehr als 180 Länder, mit Angeboten, die in Divisionen wie Health, Tax & Accounting, Legal & Regulatory, Financial & Corporate Compliance und Corporate Performance & ESG organisiert sind.

Lassen Sie uns mit einer persönlichen Frage beginnen – wie balancieren Sie Ihre beiden Rollen als praktizierender Chirurg und KI-Produktleiter? Hat Ihre klinische Arbeit Ihre Sicht auf das, was KI im Gesundheitswesen sein sollte oder nicht, geprägt?

Ehrlich gesagt? Es beginnt mit einer rücksichtslosen Zeitplanung und einer industriestarken Kaffeemaschine. Klinikmorgens halten meine Patientenversorgungsfähigkeiten ehrlich, während der Rest des Tages damit verbracht wird, das Frontline-Leiden in Produktspezifikationen umzuwandeln. Die beiden Rollen ergänzen sich gegenseitig: Wenn man sieht, wie ein Resident durch zehn Bildschirme klickt, um Tylenol zu bestellen, ist das alles die Marktforschung, die man benötigt.

KI-Projekte scheitern, wenn niemand im Raum jemals dieses Leiden gespürt hat. Unsere Future Ready Healthcare-Umfrage zeigt, dass 80 % der Führungskräfte “Arbeitsabläufe optimieren” als eine der wichtigsten Prioritäten nennen. Dennoch denken nur 63 % der Führungskräfte, dass sie bereit sind, dies mit generativer KI (GenKI) zu tun. Dies ist die klassische Strategie-Ausführungslücke, die Domänenexperten durch das Stellen der richtigen klinischen “Warum”-Fragen vor dem Schreiben einer einzigen Codezeile schließen können.

Meine klinische Linse hält die Mission auch praktisch. Frontline-Mitarbeiter sagten uns, dass ihre wichtigsten Imperative sind, Personalengpässe zu beheben (82 %), administrative Überhead zu reduzieren (77 %) und Burnout zu bekämpfen (76 %). Wenn ein Algorithmus keine dieser Nadeln bewegt, ist es nur Theater. Kliniker schalten schnell ab.

Diese Linse macht mich auch vorsichtig darüber, wo KI nicht eindringen sollte. Tatsächlich sind 57 % der Fachleute besorgt, dass eine Überbeanspruchung von GenKI die klinische Urteilsfähigkeit untergraben könnte, doch nur 18 % sagen, dass ihre Organisation veröffentlichte Richtlinien hat. Bis die Governance aufholt, ist die Anweisung klar: Automatisieren Sie die Bürokratie, nicht das Denken.

Also ist für mich die Balance nicht wirklich Kaffee gegen Kalender. Es geht darum, einen Fuß in der Klinik zu halten – damit ich nie vergesse, wem KI dienen soll – und einen Fuß im Produkt, damit diese Erkenntnisse ausgeliefert werden. Wenn man das gut macht, ist der Kaffee nur ein netter Bonus.

Der Future Ready Healthcare Survey Report von Wolters Kluwer hebt eine starke Lücke zwischen GenKI-Begeisterung und Ausführung hervor. Wurden Sie von irgendeinem der Ergebnisse überrascht? Was fiel Ihnen persönlich am meisten auf?

Ich war nicht überrascht. Ich habe noch keinen Kliniker getroffen, der gegen Automatisierung ist. Was die Einführung verzögert, ist nicht die Angst vor einem “Skynet im Kittel”-Szenario, sondern vielmehr der tägliche Kampf um die Gesundheitsversorgungsoperationen. Die Umfrage kristallisiert diese Realität. Acht von zehn Führungskräften listen die Optimierung von Arbeitsabläufen als eine der wichtigsten Prioritäten auf, doch nur knapp sechs von zehn sagen, dass sie bereit sind, GenKI zu diesem Zweck einzusetzen. Diese Differenz ist genau das, was ich sehe: Haftungsfallen, Daten, die mehr wie ein Schubladenschrank als ein Datensee aussehen, und finanzielle Anreize, die immer noch Volumen gegenüber Effizienz belohnen. Es gibt andere Blockaden, darunter ein Trainingsvakuum, Schatten-IT-Ermüdung und regulatorische Unsicherheit.

Was mich am meisten beeindruckte, war, wie alltäglich diese Hindernisse sind. Personalengpässe, administrative Überlastung und Burnout dominieren die Sorgliste, doch nur 18 % der Organisationen haben formale GenKI-Richtlinien. Wenn man nicht weiß, wer die Verantwortung für ein Modell übernimmt oder wie dessen Ausgaben überprüft werden, stirbt die Begeisterung im Compliance-Büro. Darüber hinaus sagen 68 % der Befragten, dass Arbeitskosten ihr größter finanzieller Druck sind, und es ist kein Wunder, dass Führungskräfte Beweise für die Rentabilität der Investition (ROI) vor der Unterzeichnung eines weiteren Software-Rechnungsformulars sehen möchten. Die Überschrift lautet nicht “KI-Panik”, sondern “Gute Idee – zeigen Sie mir den Arbeitsablauf und den Geschäftsfall”.

Über die Hälfte der befragten Gesundheitsfachleute befürchten, dass GenKI die klinische Entscheidungsfindung untergraben könnte. Glauben Sie, dass diese Angst berechtigt ist oder spiegelt sie tiefergehende Bedenken hinsichtlich Vertrauen und Transparenz in KI-Systemen wider?

Ein Teil der Angst ist real, hat aber weniger mit Science-Fiction-Ängsten vor einem HAL-9000-ähnlichen KI-System zu tun und mehr mit einfacher Verantwortlichkeit. Wenn ein Tool differentialdiagnostische Ergebnisse in Sekunden liefert, benötigt man eine kristallklare Herkunft: Woher kommt die Empfehlung, wer übernimmt die Verantwortung und wie wird sie überprüft? Heute haben nur eine kleine Minderheit der Organisationen formale GenKI-Richtlinien, so dass Kliniker zur Vorsicht neigen. Das zeigt sich in unseren Daten als 57 % sagen, dass “eine Überbeanspruchung die Urteilsfähigkeit untergraben könnte”. Für mich ist dies ein Signal, dass sie nicht wollen, dass eine Black-Box-Technologie in ihre Lizenz zur Ausübung der Medizin eingreift.

Ich sehe das Problem durch eine historische Linse. Als Tabellenkalkulationsprogramme in Finanzabteilungen eingeführt wurden, befürchteten einige Buchhalter, dass ihre analytischen Fähigkeiten nachlassen könnten. Stattdessen wurde die Tabellenkalkulation zur neuen Grundlage, die den Boden für die Genauigkeit erhöhte. Die Gesundheitsversorgung ist überfällig für einen ähnlichen Sprung. Wir verlieren viel zu viele Patienten aufgrund von Unterschieden in der Versorgung; medizinische Fehler sind immer noch eine der führenden Ursachen für Verletzungen und Todesfälle. Die Superkraft von GenKI kann darin bestehen, diese Fehlergrenzen durch die Darstellung von Richtlinien, die Hervorhebung von Kontraindikationen und die Markierung von Ausreißern schneller als ein Mensch durch die Akte zu sichten. Aber es muss ein Assistent bleiben, kein autonomer Entscheidungsträger, insbesondere in den nächsten drei bis fünf Jahren.

Also ist die Angst berechtigt, aber sie ist lösbar. Transparente Datensätze, Prüfspuren und menschliche Schleifenpunkte verwandeln “KI-Untergrabung” in “KI-Ergänzung”. Geben Sie Klinikern nachvollziehbare Empfehlungen und klare Verantwortlichkeiten, und diese 57 % werden verschwinden. Es geht nicht darum, Fachwissen zu ersetzen, sondern es mit besseren Werkzeugen zu ergänzen.

Nur 18 % der Befragten sagen, dass sie sich bewusst sind, dass es in ihren Organisationen klare GenKI-Richtlinien gibt. Was sind die potenziellen Risiken der Bereitstellung von GenKI-Tools ohne solche Governance?

Stellen Sie sich vor, ein neues Medikament ohne Dosierungsanweisung einzuführen. Gesundheitsdaten sind sehr sensibel, und GenKI-Modelle werden nur dann intelligenter, wenn sie diese kontextreiche Information aufnehmen. Ohne strenge Datenverwaltungspolitiken, die regeln, wer Informationen hochladen kann, wie diese Daten protokolliert werden und wo sie gespeichert werden, ist eine Organisation nur einen Klick entfernt von einer Datenschutzverletzung, die Schlagzeilen machen könnte.

Haftung ist die nächste Mine. Wenn ein Algorithmus eine kontraindizierte Dosis “halluziniert”, wer übernimmt die Haftpflicht? Der Anbieter, das Krankenhaus oder der Kliniker, der auf “Akzeptieren” klickt? Derzeit ist diese Antwort unklar, da weniger als ein Fünftel der Organisationen “Regeln der Straße” für GenKI hat. In einem Vakuum neigen Anwälte oft dazu, die tiefsten Taschen zu suchen, und diese Unsicherheit allein kann die Innovation behindern.

Governance schützt auch vor subtileren Risiken wie Modellverschiebung und stille Voreingenommenheit. Ein Onkologie-Bot, der auf den Richtlinien des letzten Quartals trainiert wurde, kann still aus der Mode kommen und die Versorgung von der evidenzbasierten Bahn ablenken. Richtlinien, die Versionskontrolle, Ergebnisüberwachung und Sonnenuntergangsauslöser erfordern, halten Algorithmen davon ab, zu Sicherheitsrisiken zu werden.

Schließlich steht Vertrauen auf dem Spiel. Kliniker befürchten, dass eine Überbeanspruchung von GenKI ihre klinische Urteilsfähigkeit untergraben könnte; die Bereitstellung undurchsichtiger Tools bestätigt nur diese Befürchtungen. Klare Governance, Transparenz bei der Datenherkunft, Validierungsprotokolle und menschliche Schleifenpunkte verwandeln “Black-Box”-Ängste in Vertrauen, dass KI ein assistierender Teamplayer und kein verrückter Resident ist.

Basierend auf Ihrer Arbeit mit Wolters Kluwer und im Operationssaal, was ist der realistischste kurzfristige Einsatzfall für GenKI im Gesundheitswesen?

Vergessen Sie Roboter-Chirurgen. In den nächsten drei Jahren ist die Killer-GenKI-Gelegenheit die administrative Vernichtung. Zwei Spuren sind bereits bewiesen:

1. Front-of-House-Notizen. Ambient-Listening-Tools erstellen jetzt den Fortschrittsbericht, während ein Arzt mit seinem Patienten spricht, und legen ihn dann direkt in die elektronische Gesundheitsakte (EHA). Unsere Umfrage zeigt, dass 41 % der Befragten dies auf ihrer GenKI-Wunschliste haben, und die Technologie ist bereits in frühen Gesundheitssystemen im Einsatz. Mehrere Studien haben gezeigt, dass Ambient-Diktat-Systeme die kognitive Belastung um 51 % und die Nachtschicht (“Pajama-Zeit”) um mehr als 60 % reduzieren können. Dies ist ein harter ROI; man kann es schnell spüren.
2. Back-Office-Umsatzschutz. Der nächste Domino ist der vorherige Autorisierungspaket, Ablehnungsbriefe und andere Umsatzzyklus-Schlacke. Als Referenz sagen 67 % der Führungskräfte, dass die vorherige Autorisierung allein die Produktivität erstickt, und 62 % nennen den EHA-Administrationsaufwand. Große Sprachmodelle, die die Akte lesen und diese Formulare automatisch ausfüllen, schneiden bereits Tage von den Ansprüchen und befreien das Personal für wertvollere Arbeit.

Warum diese beiden? Sie treffen das Trio von geringem klinischem Risiko, hoher Arbeitsentlastung und klaren Dollar- und Cent-Rechtfertigung. In einem Markt, in dem 68 % der Führungskräfte die Personalkosten als den größten finanziellen Druck nennen, sind Tools, die Stunden zurückgeben, ohne den Behandlungsplan zu ändern, die einfachste “Ja”-Entscheidung. Autonome Diagnose wird später kommen; jetzt verdient GenKI seinen Einsatz, indem es den Klemmblock verschwinden lässt.

Die Umfrage zeigt, dass Daten nicht das größte Risiko sind, das von den Befragten genannt wird – was überraschend ist, da Datenschutz oft in den Schlagzeilen ist. Welche Risiken sehen Kliniker und Administratoren als dringender an?Ich war auch überrascht. Die Schlagzeilen würden uns glauben lassen, dass HIPAA-Verletzungen jeden Krankenhaus-CIO wach halten. Doch unsere Daten zeigen, dass nur 56 % der Fachleute Datenschutz als ein großes GenKI-Risiko nennen, während ein noch größerer Anteil (57 %!) sich Sorgen um “Abstumpfen” der klinischen Urteilsfähigkeit macht. Das sagt mir, dass die Frontline-Ängste nicht Hacker sind, sondern Verantwortlichkeit.

Hier sind die Dinge, über die Kliniker und Administratoren sich Sorgen machen:

• Haftungsroulette. Wenn der Algorithmus die Versorgung aus der Bahn wirft, wer unterschreibt die Haftpflicht? Die Lücke zwischen klaren Vorschriften und Standards rangiert neben Transparenzlücken bei 55 %, was echte Unruhe über den rechtlichen Radius signalisiert.
• Regulatorische Peitschenschläge. 76 % der Führungskräfte fühlen sich bereits von wechselnden Medicare- und Medicaid-Regeln gepeitscht; die Schichtung von undurchsichtiger GenKI darauf ist ein harter Verkauf, bis die Schutzvorkehrungen fest sind.
• Modellverschiebung und Voreingenommenheit. 55 % flaggen Voreingenommenheit von unzureichend trainierten Modellen als ein kritisches Risiko, was daran erinnert, dass veraltete Daten so gefährlich sein können wie fehlende Daten.

Kurz gesagt, nehmen die meisten Organisationen an, dass ihre Firewalls in Ordnung sind; sie haben jedoch keine klare Verantwortungskette, wenn ein großes Sprachmodell (LLM) in einen Behandlungsplan gelangt. Bis Governance-Rahmen die Eigentümerschaft, Prüfspuren und Aktualisierungszyklen festlegen, werden GenKI-Rollouts weiterhin stocken, unabhängig davon, wie sicher der Sicherheitsstapel ist.

Glauben Sie, dass GenKI-Tools letztendlich die Autonomie der Kliniker erhöhen oder verringern werden? Wie können wir Systeme entwerfen, die die Entscheidungsfindung unterstützen, ohne sie zu überschreiten?

GenKI ist darauf vorbereitet, zu erweitern, nicht zu verringern, die Autonomie der Kliniker. Derzeit wird diese Autonomie durch Inbox-Triage, vorherige Autorisierungsunterlagen und EHA-Gymnastik behindert. Kein Wunder, dass Frontline-Mitarbeiter “Optimierung von Arbeitsabläufen” als ihre Nummer-eins-Verwendung für GenKI (80 % Priorität) nennen, obwohl nur 63 % sich technisch bereit fühlen, dies auszuführen. Apotheker und medizinisches Fachpersonal setzen bereits auf die Oberseite: 41 % und 47 % erwarten, dass GenKI genug administrative Fett abschneidet, um die Bedürfnisse an Unterstützungspersonal zu reduzieren. Die Befreiung von Klinikern von der Dateneingabe bedeutet mehr Gesichtszeit mit Patienten. Das ist die Autonomie, die jeder will.

Dennoch erinnert uns die Umfrage daran, dass Autonomie beide Wege geht, wie wir bereits besprochen haben: 57 % der Befragten befürchten, dass eine Überbeanspruchung von GenKI die klinische Urteilsfähigkeit untergraben könnte. Das Gegenmittel ist ein bedachter Entwurf, nicht ein Rückgang. Systeme müssen ihre Arbeit mit Herkunftsflaggen, Zitaten und Vertrauenswerten zeigen, damit Menschen die endgültigen Schiedsrichter bleiben. Versionskontrolle und Überwachung nach der Bereitstellung fangen stille Modellverschiebungen, bevor sie die Versorgungswege vergiften, und “immer sichtbare Veto-Tasten” machen deutlich, dass der Algorithmus ein Assistent und kein leitender Arzt ist.

Governance ist die letzte Meile. Nur 18 % der Fachleute sagen, dass ihre Organisation eine veröffentlichte GenKI-Richtlinie hat. Ohne eine transparente Verantwortungskette wird sogar die beste Benutzeroberfläche im rechtlichen Limbo stecken. Umfassende Richtlinien müssen Datenverwaltung, Prüfspuren und Rollendefinitionen regeln, die über Ärzte, Krankenschwestern und den Arzt, der den Knopf drückt, kommuniziert werden. Wenn wir diese Schutzvorkehrungen mit workflow-nativen Designs paaren, hört GenKI auf, wie eine Bedrohung für die Autonomie zu wirken, und beginnt, wie ein Co-Pilot zu handeln, den Kliniker bereits verlangt haben.

Was hält die Adoption am meisten zurück – Technologiebeschränkungen, regulatorische Unsicherheit, Arbeitsablauf-Reibung oder etwas Tieferes wie kultureller Widerstand?

Es ist ein Ausführungsdefizit, der in Legacy-Anreizen verpackt ist. Die meisten Gesundheitsversorgungs-Führungskräfte können eine glatte GenKI-Vision artikulieren, aber ihre Betriebsmuskulatur hat noch nicht aufgeholt. Unsere Umfrage zeigt den Bruch in einer Zeile: 80 % der Befragten listen “Optimierung von Arbeitsabläufen” als eine der wichtigsten Prioritäten auf, doch nur 63 % glauben, dass sie bereit sind, dies zu tun. Die Vision ist billig; Integrationsingenieure, Change-Management-Handbücher und GPU-Budgets sind es nicht.

Governance ist die nächste Grube. Nur 18 % der Fachleute sind sich sogar einer veröffentlichten GenKI-Richtlinie in ihrem Krankenhaus bewusst. Ohne klare Datenverwendung, Validierung und Haftungsregeln riskiert jede vielversprechende Pilotstudie, zu einer Compliance-Granate zu werden. Diese rechtliche Unsicherheit wird durch makroökonomische Unsicherheit verstärkt. Tatsächlich befürchten 75 % der Führungskräfte, dass sich ändernde staatliche und bundesstaatliche Vorschriften jede Lösung, die sie bereitstellen, untergraben werden.

Dann kommt der Graben-Level-Reibung: Fast die Hälfte der Führungskräfte nennt schmutzige Daten und EHA-Integrationsalbträume als primäre Barrieren, und nur 42 % sagen, dass sie einen Prozess haben, um GenKI-Tools in bestehende Arbeitsabläufe zu integrieren. Wenn das Modell die Akte nicht sehen oder Klicks hinzufügt, werden Kliniker es vor dem Mittagessen aufgeben.

Schließlich gibt es “Pilot-Limbo”. Zahlreiche externe Studien schätzen den Erfolg von KI-Pilotprojekten, die zum Unternehmensmaßstab aufsteigen, auf etwa eins von zehn. Vorstände feiern die Demo, geben eine Pressemitteilung heraus und gehen weiter. Weil niemand die folgende unglamouröse Rohrverlegungsarbeit finanziert. GenKI wird ein PowerPoint-Versprechen bleiben, bis Krankenhäuser mit Produktbesitzern besetzt sind, die vorher Software ausgeliefert haben.

In Kurzform ist es nicht Technologie oder Kultur. Sie sind verschmolzen. Lösen Sie das Problem der verantwortungsvollen Führung, echten Integrationsbudgets, expliziten Schutzvorkehrungen und des Appetits auf GenKI, und die Nachfrage wird dem Hype entsprechen.

Sie haben KI-Systeme aufgebaut, die sich auf pragmatische, evidenzbasierte Ergebnisse konzentrieren. Was würden Sie Gesundheitsversorgungs-Führungskräften raten, die versuchen, Hype und wertvolle KI-Investitionen zu navigieren?

Beginnen Sie mit einer Diagnose, nicht mit einer Demo. Bevor Sie einem glänzenden Hammer erlauben, nach Nägeln zu suchen, quantifizieren Sie den Nagel: Ist die Auslastung des Operationssaals um 8 % für zwei aufeinanderfolgende Quartale gesunken? Sind Ablehnungsberufungen und EHR-Administrationsaufwand produktivitätsvernichtend? Ist die Krankenstation drei zwei Stunden pro Schicht mit EHR-“Toggle-Zeit” (Zeit, die mit dem Wechsel zwischen Bildschirmen und Aufgaben verbracht wird) beschäftigt? Sobald der Schmerz offensichtlich ist, stellt sich das richtige Tool von selbst ein. Wie Sir William Osler der medizinischen Gemeinschaft vor Generationen erinnerte, “Hören Sie auf den Patienten; [er] wird Ihnen die Diagnose sagen”.

Mit dem Problem festgelegt, hinterfragen Sie den Geschäftsfall wie ein CFO. Fordern Sie harte Zahlen: Basis-Metriken, projizierte Deltas und Rentabilitätsfenster, die einem Vorstandsraum standhalten. Denken Sie daran, dass nur etwa eins von zehn KI-Pilotprojekten zum Unternehmensmaßstab aufsteigt; wenn der Anbieter nicht einen live-Kunden zeigen kann, der den für Sie wichtigen Leistungsindikator (KPI) bewegt hat, gehen Sie weiter.

Als Nächstes entscheiden Sie, ob Sie kaufen, bauen oder Partner werden. Kaufen kann den Zeitpunkt der Rentabilität beschleunigen, aber seien Sie vorsichtig vor Dampf, der in Buzzwords gehüllt ist. Bauen gibt Ihnen die Kontrolle, aber nur, wenn Sie einen Profit-und-Verlust-Eigentümer haben, der vorher Produktionsmaschinenlern-Software ausgeliefert hat. Hybrid-Partnerschaften schlagen oft den Balanceakt: Ihre Daten, ihr Modell, geteiltes Auf und Ab, geteiltes Risiko.

Schließlich priorisieren Sie kleine, interdisziplinäre Teams mit klaren Verantwortlichkeiten. Denken Sie an ein Zwei-Pizza-Team, das den CMO, CIO, Leiter der Datenverarbeitung und einen Frontline-Champion umfasst, anstatt große Steuerungsausschüsse. Stimmen Sie ihre Anreize auf mehrjährige Zielergebnisse ab, anstatt auf kurzfristige Metriken, und geben Sie ihnen einen dedizierten Infrastrukturbudget – GPUs, Datenverarbeitung, Maschinenlern-Operationen (MLOps) – damit das Projekt über die Pilotphase hinausgeht.

Schließlich, wenn wir in die Zukunft blicken: Was würde ein verantwortungsvolles, vollständig integriertes GenKI-System in einer Krankenhausumgebung in fünf Jahren aussehen? Was sind die Meilensteine, die wir erreichen müssen, um dorthin zu gelangen?

Stellen Sie sich vor, in eine Klinik zu kommen, in der der Arzt nie zum Keyboard schwenkt. Das Gespräch fließt, und ein unauffälliger Ambient-Listening-Agent erfasst das Gespräch, erstellt eine Notiz, löst leitlinienbasierte Bestellungen aus und generiert das vorherige Autorisierungspaket, bevor die Hand des Arztes auf dem Türgriff ist. Frühe Pilotprojekte beweisen bereits das Konzept, und 41 % der Kliniker in unserer Umfrage sagen, dass dies genau die GenKI-Funktion ist, die sie als Nächstes wollen.

Was dieses Szenario möglich macht, ist nicht Science-Fiction-Robotik; es ist eine unsichtbare Architektur, die saubere, interoperable Daten mit einer Echtzeit-Orchestrierungsebene und “Governance-as-Code” verbindet. Wir haben noch Hausaufgaben zu erledigen. Um die Lücken zu schließen, denken Sie zunächst an die Datenverrohrung, dann an die Einbettung der Schutzvorkehrungen (anstatt sie anzubringen), um Hype in Gewohnheit zu verwandeln.

Meilensteine fallen natürlich an, sobald die Grundlage gelegt ist. Im ersten Jahr empfehle ich, dass Krankenhäuser und Gesundheitssysteme die Datenfabrik verdrahten, unternehmensweite GenKI-Richtlinien veröffentlichen und eine MLOps-Pipeline aufbauen. Im zweiten Jahr der Implementierung wird es wichtig sein, die ambienten Dokumentationen über ambulante Kliniken zu skalieren, die Dokumentationszeit und die Nachtschicht (“Pajama-Zeit”) zu messen. Im dritten Jahr lassen Sie GenKI Ablehnungsberufungen und vorherige Autorisierungspakete (67 % der Führungskräfte sagen, dass diese Last bereit ist, um eliminiert zu werden) erstellen. In den vierten und fünften Jahren evolvieren Sie in Echtzeit-Klinische Entscheidungsunterstützung mit Herkunft und letztendlich in gesprächsbasierte Behandlungsplanung, bei der das System die Anweisungen ausführt, sobald sie ausgesprochen werden. Danke für das großartige Interview. Leser, die mehr erfahren möchten, sollten Wolters Kluwer besuchen oder den Future Ready Healthcare Survey Report lesen.