Γιατί το AI στη Υγεία Εφαρμόζεται στο Λάθος Μέρος

Η βιομηχανία κυνηγά το λάθος πρόβλημα

Η συζήτηση στην πόλη για το AI στη υγεία αυτές τις μέρες είναι για την αυτονομία. Μπορεί το AI να διαγνώσει ασθένειες; Μπορεί να συνταγογραφήσει φάρμακα; Μπορεί τελικά να αντικαταστήσει τον γιατρό;

Δεν χρειάζεται πλέον να σκεφτόμαστε αυτά τα αντίθετα γιατί έχουμε πραγματικές περιπτώσεις εφαρμογής του AI στη υγεία. Η Γιούτα έχει ήδη ανοίξει την πόρτα στην αυτονομία του AI στις ανανεώσεις συνταγών μέσω του ρυθμιστικού της πειραματικού χώρου. Άλλες πολιτείες παρακολουθούν για να δουν αν αυτές οι πρώτες πιλότοι δείχνουν αποδεκτή ασφάλεια και αποτελεσματικότητα.

Αλλά νομίζω ότι το να σκεφτόμαστε αν το AI μπορεί να αντικαταστήσει τον γιατρό είναι το λάθος μέρος για την βιομηχανία να αρχίσει.

Πριν ρωτήσουμε πόσο από τη клиνική σχέση μπορεί να απορροφηθεί από το AI, πρέπει να αντιμετωπίσουμε το πολύ απλούστερο και άμεσο πρόβλημα που κάθεται μπροστά μας. Οι κλινικοί γιατροί είναι υπερφορτωμένοι με διοικητική εργασία. Οι ασθενείς δεν μπορούν ακόμη να πάρουν вовремя ραντεβού επειδή η πρόσβαση περιορίζεται λιγότερο από την έλλειψη ζήτησης ασθενών παρά από την έλλειψη χρησιμοποιήσιμου χρόνου κλινικού γιατρού. Εκεί αρχίζει η καθυστέρηση και εκεί είναι που το AI χρειάζεται να διευκολύνει τις λειτουργικές φόρτους.

Αυτό είναι ιδιαίτερα αισθητό στη ψυχική υγεία. Περίπου 22 εκατομμύρια Αμερικανοί ζουν με ΣΔΥΠ, και οι ασθένειες άγχους επηρεάζουν περίπου 19% των ενηλίκων στις ΗΠΑ σε ένα δεδομένο έτος. Αυτό είναι περίπου 31% σε μια ζωή. Και οι δύο συνθήκες είναι υψηλά θεραπεύσιμες, ωστόσο εκατομμύρια δεν λαμβάνουν συνιστώμενη φροντίδα. Το πρόβλημα δεν είναι η έλλειψη ευαισθητοποίησης, ακόμη και μια επιφανειακή ματιά στην αγορά θα δείξει μια ποικιλία από εργαλεία αυτοβοήθειας, περιεχομένου, καταγραφέων και εφαρμογών φιλικών προς το ΣΔΥΠ. Το πραγματικό κενό είναι η πρόσβαση σε πραγματική κλινική φροντίδα, διάγνωση και διαχείριση φαρμάκων όταν είναι κατάλληλο.

Αυτή η εργασία υποστηρίζει ένα απλούστερο σημείο εκκίνησης. Το AI έχει το υψηλότερο οφέλους ρόλο στη υγεία σήμερα είναι διοικητικό. Η χρήση του太 sớm σε κλινικές συνθήκες μπορεί να δημιουργήσει περισσότερα προβλήματα παρά οφέλη. Αν θέλουμε το AI να γίνει ένα αξιόπιστο μέρος της φροντίδας, πρέπει να το αναπτύξουμε πρώτα εκεί όπου το βάρος είναι το μεγαλύτερο και το όφελος είναι άμεσο.

Τα δεδομένα αποκαλύπτουν πού το AI μπορεί να είναι πιο αποτελεσματικό

Υπάρχει ένα μοτίβο που αποκαλύπτεται πολύ γρήγορα όταν κατασκευάζετε στη υγεία. Όποιος κλινικός γιατρός雇είτε, μέσα σε quelques μήνες, αυτός ο κλινικός γιατρός είναι πλήρως βιβλιοθηκονόμος. Έχουμε δει αυτό επανειλημμένα. Αυτό δεν σημαίνει ότι υπάρχει μόνο έλλειψη παρόχου στην αφαίρεση αλλά πώς ο χρόνος του παρόχου καταναλώνεται μια φορά που αρχίζει να γεμίζει η πάνελ.

Στη ψυχιατρική, περίπου 80% των ραντεβού είναι ρουτίνας επαναλήψεις. Αυτά δεν είναι όλα σύνθετα διαγνωστικά συναντήσεις. Πολλά είναι σταθεροί ασθενείς που συνεχίζουν την ίδια πορεία θεραπείας, ελέγχουν, αναθεωρούν συμπτώματα και ανανεώνουν φάρμακα αν όλα είναι ακόμη κατάλληλα. Ωστόσο, αυτά τα ραντεβού φέρουν το πλήρες βάρος της τεκμηρίωσης, επαλήθευσης, αναθεώρησης ιστορικού, PDMP ελέγχων και συνταγογραφικής ροής. Οι παρόχοι ξοδεύουν μέσο όρο 16 ώρες την εβδομάδα σε τέτοιου είδους διοικητική εργασία. Αυτός είναι ο χρόνος που θα μπορούσε να είχε πάρει για νέους ασθενείς ή απλώς καλύτερη κλινική προσοχή σε ασθενείς και σύνθετα περιστατικά.

Αυτό είναι όπου πολλή συζήτηση για το AI γίνεται αποσυνδεδεμένη από την λειτουργική πραγματικότητα. Η βιομηχανία συνεχίζει να ρωτάει αν το AI μπορεί να αντικαταστήσει τον ρόλο του γιατρού όταν στην πραγματικότητα, ένα μεγάλο μέρος της χαμένης ικανότητας προέρχεται από καθήκοντα που δεν απαιτούν πολλή κλινική κρίση στην αρχή. Αυτά μπορούν να είναι καθήκοντα όπως η τεκμηρίωση, η επαλήθευση, η αναθεώρηση αρχείων και η ροή επαναλήψεων. Αυτά είναι ακριβώς τα είδη διαδικασιών που το AI μπορεί ήδη να υποστηρίξει με einen χρήσιμο και μετρήσιμο τρόπο.

Αν ανακτήσετε αυτόν τον χρόνο, δεν μειώνετε μόνο το βάρος στον παρόχο, αλλά επίσης ανοίγετε το πρόγραμμα σε περισσότερους ασθενείς. Ο χρόνος αναμονής είναι ένα σημαντικό ζήτημα πρόσβασης στην υγεία. Οι ασθενείς συχνά περιμένουν εβδομάδες για να δουν einen επαγγελματία, και η πρόσβαση παραμένει ανίσου σε διαφορετικές περιοχές. Το Υπουργείο Υγείας και Κοινωνικών Υπηρεσιών συνεχίζει να σημειώνει ότι οι αγροτικές και οι κοινότητες του μετώπου αντιμετωπίζουν πολύ λίγους παρόχους και πολύ λίγη υποστήριξη ψυχικής υγείας, αναφέροντας τη τηλεϊατρική ως einen τρόπο να αυξήσει σημαντικά την πρόσβαση στην ψυχική υγεία.

Γιατί η υγεία είναι η πιο δύσκολη βιομηχανία να αυτοματοποιηθεί με το AI

Η υγεία μπορεί να φαίνεται стандαρδποιημένη από έξω. Στην πραγματικότητα, είναι стандαρδποιημένη και μεταβλητή ταυτόχρονα.

Υπάρχουν αναμφισβήτητα ορισμένα οδηγίες, κανονισμοί και κανόνες τεκμηρίωσης. Ωστόσο, κάθε κλινικός γιατρός φέρνει επίσης συνήθειες, ροές εργασίας και πρωτόκολλα που διαμορφώνονται από προηγούμενα περιβάλλοντα. Δύο παρόχοι μπορεί να θεραπεύουν την ίδια πάθηση υπό το ίδιο νομικό πλαίσιο, ενώ ακόμη προσεγγίζουν την καθημερινή φροντίδα με σημαντικά διαφορετικούς τρόπους. Το AI πρέπει να λάβει υπόψη αυτό το μεταβλητό χωρίς να απομακρύνεται από το πρότυπο φροντίδας. Αυτό είναι ένα πολύ πιο δύσκολο κατόρθωμα από το να κατασκευάσετε ένα μοντέλο που εκτελεί καλά σε ένα demo.

Όταν πρόκειται για ρύθμιση, η συμμόρφωση είναι κυρίως στρωματοποιημένη. Οι κρατικές αθλητικές επιτροπές, οι ομοσπονδιακές υπηρεσίες, το HIPAA, τα συστήματα παρακολούθησης συνταγών, οι κρατικές βάσεις δεδομένων και οι εσωτερικές κλινικές SOPs semua διασταυρώνονται. Μια συμμορφούμενη ενέργεια σε μια πολιτεία μπορεί να είναι μη συμμορφούμενη σε άλλη. Μια ροή εργασίας που φαίνεται αθώα από την πλευρά του προϊόντος μπορεί να γίνει επικίνδυνη όταν έρχεται σε συνταγογράφηση, ταυτότητα ασθενή, διατήρηση αρχείων ή ελέγχους. Υπάρχει δομική πολυπλοκότητα που εμπλέκεται στη διαδικασία.

Το μέρος των δεδομένων δεν είναι τόσο απλό όσο θα περίμενε κανείς. Στη υγεία, δεν συνδέετε απλώς κοινά εργαλεία μαζί και αρχίζετε να μαθαίνετε από τη συμπεριφορά του χρήστη. Ορισμένα τυπικά εργαλεία ανάλυσης και αγωγούς δεδομένων δεν είναι κατάλληλα λόγω των κανονισμών του HIPAA, εκτός αν έχουν αλλάξει θεμελιωδώς. Συχνά χρειάζεστε εξειδικευμένη υποδομή από την αρχή. Πράγματα όπως πώς τα δεδομένα αποθηκεύονται, επεξεργάζονται, ελέγχονται και εμφανίζονται μέσα στη ροή εργασίας. Ένας आश्चηρός αριθμός εταιρειών υποτιμούν αυτό μέχρι να είναι βαθιά στη διαδικασία κατασκευής και τότε πρέπει να ανατρέψουν όλη τη δουλειά τους.

Αλλά περισσότερο από οτιδήποτε άλλο, θα έλεγα ότι το μεγαλύτερο ζήτημα είναι απλώς ότι το κόστος της δημιουργίας ενός λάθους στη υγεία είναι khá υψηλό.

Μια ελαττωματική έξοδος μπορεί να δημιουργήσει απλώς ανακολουθία σε άλλες βιομηχανίες, αλλά στη υγεία, μπορεί να επηρεάσει την ποιότητα της θεραπείας, την ασφάλεια των ασθενών, τη συμπεριφορά της συνταγογράφησης ή την εκθεση στους κανονισμούς. Η ανθρώπινη υγεία δεν είναι κάτι που μπορούμε να παίξουμε για να βελτιώσουμε τα μοντέλα μας και δικαιολογημένα. Αυτό πρέπει να χρησιμοποιηθεί ως ο οδηγός принципιός μας για να μας βοηθήσει να κατανοήσουμε πού το AI θα μπορούσε να εισαχθεί πρώτα σε αυτή τη βιομηχανία.

Η υψηλότερη απόδοση του AI στη υγεία είναι το διοικητικό στρώμα

Ελπίζω να έχω επηρεάσει τον αναγνώστη με τη σημασία της μετατόπισης της προσοχής μας από την αντικατάσταση του γιατρού με το AI στο να καθαρίσουμε τις λειτουργικές τριβές γύρω από τον γιατρό. Θα επεκτείνω εδώ σε τι αυτό μοιάζει στην πράξη.

Γέννηση γραφήματος. Το AI μπορεί να μεταγράψει και να κατασκευάσει τεκμηρίωση σε πραγματικό χρόνο κατά τη διάρκεια των επισκέψεων. Αυτό μειώνει το βάρος της τεκμηρίωσης, συντομεύει την εργασία μετά τις ώρες και κάνει την ολοκλήρωση της ίδιας ημέρας πολύ πιο πραγματική. Στο εσωτερικό πλαισίου του MEDvidi, ο γεννήτωρ του γραφήματος ενημερώνει συνεχώς την τεκμηρίωση κατά τη διάρκεια της συνάντησης και σχεδιάζεται για να μειώσει σημαντικά τον χρόνο της τεκμηρίωσης.

Επανεξέταση γραφήματος. Το AI μπορεί επίσης να επανεξετάσει τα γραφήματα έναντι των εσωτερικών SOPs και να σημειώσει αποκλίσεις πριν φτάσουν στο στάδιο της συνταγογράφησης. Οι περισσότερες κλινικές αναθεωρήσεις ποιότητας είναι ακόμη μερικές και χειροκίνητες·因此, αναθεωρώντας κάθε συνάντηση αντί για ένα μικρό δείγμα, η συμμόρφωση γίνεται πιο ορατή και πιο συνεπής.

Αυτόματη ροή εργασίας πριν από την επίσκεψη. Ένας μεγάλος μέρος του χρόνου του παρόχου ξοδεύεται πριν από την πραγματική κλινική απόφαση σε πράγματα όπως η επαλήθευση της ταυτότητας, η διασταύρωση των κρατικών βάσεων δεδομένων, η αναθεώρηση του ιατρικού ιστορικού, η αναζήτηση πιθανών αντενδείξεων ή η οθόνη για μοτίβα που μπορεί να υποδηλώνουν συμπεριφορά αναζήτησης φαρμάκων ή κενά στην τεκμηρίωση. Κανένα από αυτά δεν αντικαθιστά την κρίση, αλλά όλα αυτά καταναλώνουν χρόνο, который είναι ο λόγος για τον οποίο το AI μπορεί να βοηθήσει στη επεξεργασία αυτών των στρωμάτων πριν ο κλινικός γιατρός μπει.

Διαχείριση συνταγών ρουτίνας. Η σταθερή φροντίδα επαναλήψεων είναι όπου το AI μπορεί να είναι ιδιαίτερα χρήσιμο. Για ασθενείς των οποίων η θεραπεία έχει παραμείνει σταθερή, το AI μπορεί να βοηθήσει στη διαχείριση της ροής ανανέωσης και να προετοιμάσει το αρχείο, ενώ ο γιατρός εξακολουθεί να αναθεωρεί και να εγκρίνει την τελική απόφαση. Αυτό είναι ένα πολύ διαφορετικό μοντέλο από την πλήρη αυτονομία φροντίδας επειδή είναι στενότερο, ασφαλέστερο και πολύ πιο σχετικό με το πραγματικό εμπόδιο στο σύστημα.

Κάθε μια από αυτές τις περιπτώσεις χρήσης έχει κάτι κοινό. Αποταθροκίζουν τον χρόνο με έναν τρόπο που επεκτείνει την ικανότητα φροντίδας. Αυτό είναι το κεντρικό επιχείρημά μου για το γιατί βλέπω το διοικητικό στρώμα ως το υψηλότερο μέρος απόδοσης για να αναπτύξουμε το AI πρώτα.

Η σωστή αρχιτεκτονική AI για κλινικές συνθήκες

Η αντικατάσταση του γιατρού είναι ένα ακόμη από αυτά τα AI-β Bogeymen-ιστορίες που δημιουργούν σενσάσιοναλ τίτλους και jostle αμηχανία σε επαγγελματίες μυαλά. Ένα πολύ πιο πρακτικό, ωφέλιμο και απαραίτητο μοντέλο είναι η κεντρική ενίσχυση του γιατρού στη υγεία.

Μέσα σε τέτοια αρχιτεκτονική, ο κλινικός γιατρός έχει την τελική λέξη σε κάθε κλινική απόφαση, συνταγογράφηση. Οι σχέδια θεραπείας θα εξακολουθούν να αναθεωρούνται και να εγκρίνονται από einen αδειοδοτημένο ιατρικό παρόχο. Το AI απλώς χειρίζεται τα μικρά πράγματα της τεκμηρίωσης, επαλήθευσης, του στρώματος αναθεώρησης και των επαναλαμβανόμενων καθηκόντων γύρω από την επίσκεψη. Αυτός είναι ο ασφαλέστερος τρόπος để βελτιώσετε την αποτελεσματικότητα και να διατηρήσετε την ευθύνη.

Το AI στη υγεία χρειάζεται επίσης πραγματικά κλινικά δεδομένα, καθώς τα off-the-shelf μοντέλα και τα γενικά σύνολα δεδομένων δεν είναι αρκετά. Οι κλινικές ροές εργασίας είναι πολύ συγκεκριμένες, οι κανονισμοί είναι πολύ στρωματοποιημένοι και η περιθώρηση λάθους είναι πολύ μικρή. Ένα σύστημα AI που έχει εκπαιδευτεί σε ένα ιδιοκτητικό σύνολο δεδομένων ασθενών ανά μήνα, με την αναθεώρηση του παρόχου και την συμμόρφωση με τις SOPs που έχουν ενσωματωθεί στη ροή εργασίας, πρέπει να είναι η βάση κάθε συστήματος που εισέρχεται σε αυτό το πεδίο. Το κεντρικό σημείο είναι ότι η υγεία AI πρέπει να βασίζεται σε πραγματικές κλινικές λειτουργίες αντί να είναι μια γενική ικανότητα μοντέλου.

Για τους κλινικούς γιατρούς, αυτή η αρχιτεκτονική μειώνει τον χρόνο που χάνεται σε διοικητική εργασία και αποθηκεύει περισσότερο χρόνο για νέους ασθενείς και σύνθετα περιστατικά. Για τους ασθενείς, παρέχει ταχύτερη πρόσβαση στην υγεία με χαμηλότερο κόστος, σε συνδυασμό με μεγαλύτερη συνέπεια στη τεκμηρίωση και την παράδοση της φροντίδας. Οι ρυθμιστές επίσης ωφελούνται από την μεγαλύτερη ορατότητα,既然 το τρέχον σύστημα συχνά κρύβει ασυνέπεια μέσα σε σκεδασμένες ροές εργασίας. Η σωστή ανάπτυξη του AI κάνει τις ροές εργασίας πιο διαβάσιμες και αναθεωρήσιμες. Η αναθεώρηση είναι πολύ πιο εύκολη να ελεγχθεί από την ανθρώπινη τεκμηρίωση.

Για να γίνει ένα αξιόπιστο εργαλείο για την βελτίωση ενός τομέα που μια τόσο κρίσιμη βιομηχανία σαφώς πασχίζει σε αυτό.

Συμπέρασμα

Όταν οι άνθρωποι παραπονιούνται ότι ο ιατρικός τους πάροχος είναι αμελής, εντοπίζουν ένα πραγματικό ζήτημα. Σκεφτείτε την ενέργεια του ιατρικού σας παρόχου ως ένα μπαλόνι που είναι διαπεράσιμο από όλες τις πλευρές από μονότονα, επαναλαμβανόμενα καθήκοντα. Φυσικά, δεν έχουν χρόνο ή την ψυχική ευεξία να ασχοληθούν μαζί σας με προσοχή.

Αντί να πηδήσετε στο τρένο του φόβου για το ποιος θα απολυθεί πρώτος λόγω του AI, το πιο ευλογικό πράγμα να κάνετε, ιδιαίτερα στη υγεία, είναι να χρησιμοποιήσετε την τεχνολογία για να διορθώσετε τα στρώματα εργασίας που οι άνθρωποι πασχίζουν με. Το ίδιο που κάνει το AI τόσο ευνοϊκό είναι η ακαμψία του—κάτι που οι ανθρώπινοι κλινικοί γιατροί δεν κατέχουν.

Είναι κατανοητό γιατί η υγεία είναι δύσκολο να αυτοματοποιηθεί λόγω σύνθετων κανονισμών, μεταβλητότητας στη συμπεριφορά του παρόχου, της ανάγκης για εξειδικευμένη υποδομή και του κόστους των λαθών είναι τεράστιο. Ωστόσο, υπάρχει ένα πραγματικό διοικητικό κενό που μπορεί να διορθωθεί από αυτήν την τεχνολογία που έχουμε στα χέρια μας. Ας τη βάλουμε σε χρήση.

Χωρίς να αρχίσει από το διοικητικό κενό, το κλινικό AI θα πασχίσει να κερδίσει την εμπιστοσύνη από τους ανθρώπους σε μεγαλύτερη κλίμακα όταν οι ικανότητές του αναπτύσσονται πέρα από ότι μπορεί να κάνει σήμερα.

Νομίζω ότι το μοντέλο του κοντινού μέλλοντος είναι απλό. Το AI αναθεωρεί το ιστορικό, ελέγχει για αντενδείξεις, επαλήθευει την ταυτότητα, γεννά το γράφημα και προετοιμάζει τη ροή συνταγών. Ο γιατρός αναθεωρεί την πλήρη εικόνα και εγκρίνει την τελική απόφαση. Αυτό που χρειαζόταν ένα πλήρες 20λεπτο ραντεβού για μια σταθερή επανάληψη μπορεί να γίνει μια συντομότερη, καθαρότερη, ασφαλέστερη διαδικασία.

Μπορεί να φαίνεται ελάχιστο στο χαρτί, αλλά αυτό είναι μια σημαντική ανακαίνιση σε ένα σύστημα που έχει παραμείνει χειροκίνητο για τόσο καιρό και επηρεάζει όλους.