Συνεντεύξεις
Ματθάιος Κρόουσον, MD, Διευθυντής AI/GenAI Product Management στην Wolters Kluwer Health – Σειρά Συνεντεύξεων
Ο Δρ. Ματ Κρόουσον είναι ένας ηγέτης της τεχνολογίας υγείας και χειρουργός που επικεντρώνεται στην εφαρμογή της τεχνητής νοημοσύνης στην κλινική πρακτική. Είναι Διευθυντής του Προϊόντος AI/GenAI στην Wolters Kluwer Health, όπου ηγείται πρωτοβουλιών για τη βελτίωση της σύνθεσης των ενδείξεων και της ανάλυσης των δεδομένων του πραγματικού κόσμου. Προηγουμένως, ηγούνταν της πρακτικής AI για τους παρόχους υγείας της Deloitte, αναπτύσσοντας λύσεις GenAI για την ενίσχυση της τεκμηρίωσης, των κύκλων εσόδων και της έρευνας. Επίσης, διατελεί ως βοηθός καθηγητής στη Σχολή Ιατρικής του Χάρβαρντ και έχει συγγράψει πάνω από 90 επιστημονικές δημοσιεύσεις.
Η Wolters Kluwer είναι ένας παγκόσμιος πάροχος επαγγελματικών πληροφοριών, λογισμικού και υπηρεσιών, που υποστηρίζει πελάτες στις τομείς υγείας, φορολογίας και λογιστικής, νομικών και κανονιστικών, χρηματοοικονομικής συμμόρφωσης και ΕΣΓ. Με έδρα στις Κάτω Χώρες, η εταιρεία αξιοποιεί την ε sâuμένη γνώση του κλάδου και την προηγμένη τεχνολογία για να παρέχει εργαλεία που απλοποιούν τις ροές εργασιών, διασφαλίζουν την συμμόρφωση και υποστηρίζουν την κρίσιμη λήψη αποφάσεων. Οι επιχειρήσεις της εκτείνονται σε πάνω από 180 χώρες, με προσφορές οργανωμένες σε τμήματα όπως Υγεία, Φορολογία και Λογιστική, Νομικά και Κανονιστικά, Χρηματοοικονομική και Εταιρική Συμμόρφωση και Εταιρική Απόδοση και ΕΣΓ.
Ας ξεκινήσουμε με ένα προσωπικό ερώτημα – Πώς ισορροπείτε τους διπλούς ρόλους σας ως χειρουργού και ηγέτη προϊόντος AI;
Ειλικρινά; Ξεκινά με την αμείλικτη χρονική διαχείριση και μια βιομηχανική-δύναμης μηχανή καφέ. Οι κλινικές πρωινές διατηρούν τις ιατρικές μου δεξιότητες ειλικρινείς, ενώ το υπόλοιπο της ημέρας dànhεται στο να μετατρέπω τον πόνο της πρώτης γραμμής σε προδιαγραφές προϊόντος. Οι δύο ρόλοι τροφοδοτούν ο ένας τον άλλον: το να βλέπω einen住αν να κάνει κλικ σε δέκα οθόνες για να παραγγείλει Τυλένολο είναι όλη η έρευνα αγοράς που χρειάζομαι.
Οι projecτ AI αποτυγχάνουν όταν κανείς στο δωμάτιο δεν έχει αισθανθεί τον πόνο. Η μελέτη μας Future Ready Healthcare Survey δείχνει ότι το 80% των ηγετών λέει ότι «η βελτίωση των ροών εργασιών» είναι μια από τις principales προτεραιότητες. Παρόλα αυτά, μόνο το 63% πιστεύει ότι είναι έτοιμο να το κάνει με GenAI. Αυτό είναι το κλασικό χάσμα στρατηγικής-εκτέλεσης που οι ειδικοί του κλάδου μπορούν να κλείσουν ζητώντας το σωστό κλινικό «γιατί» πριν γράψουν μια seule γραμμή κώδικα.
Το κλινικό μου φακό επίσης διατηρεί την αποστολή πρακτική. Το προσωπικό της πρώτης γραμμής μας είπε ότι οι principales τους προτεραιότητες είναι η διόρθωση των ελλείψεων προσωπικού (82%), η εξόντωση της διοικητικής υπερβολής (77%) και η καταστροφή της εξουθένωσης (76%). Αν ένας αλγόριθμος δεν κινεί κανένα από αυτά τα βελάκια, είναι απλά θέατρο. Οι κλινικοί chuyênικοί αποσυντονίζονται γρήγορα.
Αυτό το φακό επίσης με κάνει προσεκτικό σχετικά με το πού η AI δεν πρέπει να κυκλοφορήσει. Στην πραγματικότητα, το 57% των επαγγελματιών ανησυχούν ότι η υπερ-εξάρτηση από GenAI θα μπορούσε να υποβαθμίσει την κλινική κρίση, ωστόσο μόνο το 18% λέει ότι οι οργανώσεις τους έχουν δημοσιεύσει φρουρές. Μέχρι την κυβέρνηση να πιάσει, η εντολή είναι σαφής: αυτοματοποίηση της γραφειοκρατίας, όχι της σκέψης.
Οπότε, για μένα, η ισορροπία δεν είναι πραγματικά καφές versus ημερολόγιο. Είναι για να διατηρώ ένα πόδι στην κλινική – ώστε να μην ξεχάσω ποτέ ποιος είναι ο προορισμός της AI – και ένα πόδι στο προϊόν, ώστε η γνώση να πλοηγηθεί. Να το κάνεις καλά, και ο καφές είναι απλά ένα ωραίο μπόνους.
Η μελέτη Future Ready Healthcare Survey Report από την Wolters Kluwer υπογραμμίζει ένα ισχυρό χάσμα μεταξύ του ενθουσιασμού GenAI και της εκτέλεσης. Ήταν surprισμένος από τα αποτελέσματα; Τι σας έκανε να ξεχωρίσετε;
Δεν ήμουν surprισμένος. Δεν έχω συναντήσει ποτέ einen anti-automation κλινικό. Τι επιβραδύνει την εφαρμογή δεν είναι ο φόβος κάποιας «Skynet σε σκούπες» σκηνής, αλλά μάλλον η καθημερινή δουλειά των υγειονομικών επιχειρήσεων. Η μελέτη κρυστάλλωσε αυτή την πραγματικότητα. Οκτώ από τα δέκα ηγέτες κατατάσσουν την βελτίωση των ροών εργασιών ως πρώτη προτεραιότητα, ωστόσο μόλις έξι από τα δέκα λέει ότι είναι έτοιμοι να αφήσουν GenAI να το χειριστεί. Αυτό το δέλτα είναι ακριβώς αυτό που βλέπω: landmines ευθύνης, δεδομένα που μοιάζουν περισσότερο με ένα συρτάρι από ένα data lake και οικονομικές ενισχύσεις που εξακολουθούν να ανταποδίδουν τον όγκο έναντι της αποτελεσματικότητας. Υπάρχουν άλλα εμπόδια, επίσης, συμπεριλαμβανομένης μιας κενής εκπαίδευσης, shadow-IT κόπωσης και κανονιστικής ομίχλης.
Τι με χτύπησε περισσότερο ήταν το πόσο banal αυτά τα εμπόδια είναι. Οι ελλείψεις προσωπικού, η διοικητική έλξη και η εξουθένωση κυριαρχούν στον κατάλογο ανησυχιών, αλλά μόνο το 18% των οργανισμών έχει формальные Gen AI πολιτικές. Αν δεν ξέρετε ποιος υπογράφει ένα μοντέλο ή πώς οι εξόδους του ελέγχονται, ο ενθουσιασμός πεθαίνει στο γραφείο συμμόρφωσης. Επιπλέον, το 68% των απαντώντων λέει ότι τα έξοδα εργασίας είναι η μεγαλύτερη οικονομική πίεσή τους, και δεν είναι τυχαίο ότι οι διευθυντές θέλουν απόδειξη απόδοσης επένδυσης (ROI) πριν υπογράψουν άλλη μια λογιστική απόδειξη. Το επικεφαλίδειο δεν είναι «πανδημία AI», είναι «Καλή ιδέα – δείξτε μου τη ροή εργασιών και την επιχειρηματική περίπτωση».
Περισσότεροι από τους μισούς επαγγελματίες υγείας που συμμετείχαν στην έρευνα ανησυχούν ότι η GenAI θα μπορούσε να υποβαθμίσει τις κλινικές αποφάσεις. Πιστεύετε ότι ο φόβος αυτός είναι έγκυρος – ή αντικατοπτρίζει βαθύτερους φόβους σχετικά με την εμπιστοσύνη και τη διαφάνεια στα συστήματα AI;
Μερικός από τον φόβο είναι πραγματικός, αλλά έχει λιγότερο να κάνει με φόβους sci-fi για μια rogue AI και περισσότερο με την αλήθεια της ευθύνης. Όταν ένα εργαλείο προσφέρει διαφορετικές διαγνώσεις σε δευτερόλεπτα, χρειάζετε κρυστάλλινο προέλευση: Πόθεν προέρχεται η συσταση, ποιος υπογράφει και πώς ελέγχεται; Σήμερα, μόνο μια μικρή μειοψηφία των οργανισμών έχει формальные GenAI κανονισμοί, οπότε οι κλινικοί chuyênικοί προκαλούν προσοχή. Αυτό φαίνεται στα δεδομένα μας ως 57% που λέει «η υπερ-εξάρτηση θα μπορούσε να υποβαθμίσει την κρίση». Για μένα, αυτό είναι ένα σήμα ότι δεν θέλουν μια μαύρη κιβωτό που να εισβάλλει στην άδεια άσκησης.
Το ζήτημα το βλέπω μέσα από einen ιστορικό φακό. Όταν οι ηλεκτρονικοί πίνακες εισήλθαν στα τμήματα finance, κάποιοι λογιστές ανησυχούσαν ότι οι αναλυτικές τους μυϊκές θα атρωθούν. Αντίθετα, το λογισμικό ηλεκτρονικών πινάκων έγινε η neue baseline, ανεβάζοντας το δάπεδο για την ακρίβεια. Η υγεία είναι υπερβολικά καθυστερημένη για ένα παρόμοιο άλμα. Χάνουμε πολύ συχνά ασθενείς λόγω της διαφοροποίησης της φροντίδας. Η ιατρική λάθη παραμένει μια από τις principales αιτίες τραυματισμού και θανάτου. Η GenAI έχει το σούπερ-δύναμο να στενεύει τις μπάρες λάθους, επιφανίζοντας οδηγίες, υπογραμμίζοντας αντενδείξεις και σηματοδοτώντας outliers γρηγορότερα από ό,τι οποιοσδήποτε άνθρωπος μπορεί να διερευνήσει το γράφημα. Αλλά πρέπει να παραμείνει ένα βοηθός, όχι ένας αυτόνομος αποφασιστής, ιδιαίτερα στο επόμενο τρίωρο-πενταετίας παράθυρο.
Οπότε, ναι, ο φόβος είναι έγκυρος αλλά είναι λύσιμος. Διαφανή δεδομένα, ελέγχοι και ανθρώπινες ελέγχου-σημεία μετατρέπουν «AI υποβάθμιση» σε «AI ενίσχυση». Δώστε στους κλινικούς chuyênικούς αναγνώριση και σαφή γραμμές ευθύνης, και αυτό το 57% θα εξαφανιστεί. Δεν είναι για την αντικατάσταση εμπειρογνωμοσύνης, αλλά για την ενίσχυση της με καλύτερα εργαλεία.
Μόνο το 18% των απαντώντων λέει ότι είναι ενήμερο για σαφείς GenAI πολιτικές στις οργανώσεις τους. Ποια είναι τα πιθανά рисκ της ανάπτυξης GenAI εργαλείων χωρίς τέτοιες κανονισμοί;
Σκεφτείτε το ως την εκτόξευση ενός νέου φαρμάκου χωρίς ετικέτα δόσης. Τα δεδομένα υγείας είναι εξαιρετικά ευαίσθητα, και τα GenAI μοντέλα γίνονται πιο έξυπνα μόνο όταν απορροφούν αυτό το προστατευμένο контекστ. Χωρίς αυστηρές πολιτικές δεδομένων για να κυβερνήσουν ποιος μπορεί να ανεβάσει πληροφορίες, πώς τα δεδομένα εγγράφονται και πού κατοικούν, ένας οργανισμός είναι μόνο ένα κλικ μακριά από μια παραβίαση προστασίας δεδομένων που θα μπορούσε να κάνει τους τίτλους. Η ευθύνη είναι ο επόμενος κίνδυνος. Όταν ένας αλγόριθμος προτείνει μια αντενδείκνυση, ποιος καταναλώνει την απαίτηση; Ο προμηθευτής, το νοσοκομείο ή ο κλινικός chuyênικός που κάνει κλικ «αποδοχή»; Τώρα, αυτή η απάντηση είναι ασαφής γιατί λιγότεροι από ένας στους πέντε οργανισμούς έχουν κωδικοποιήσει «κανόνες του δρόμου» για GenAI. Σε ένα κενό, οι δικηγόροι συχνά προκαλούνται από τα βαθύτερα τσέπια, και αυτή η αβεβαιότητα μόνο μπορεί να σταματήσει την καινοτομία.
Η κυβέρνηση επίσης προστατεύει από πιο λεπτές κινδύνους όπως η πτώση του μοντέλου και η σιωπηλή προκατάληψη. Ένας ογκολογικός βοηθός εκπαιδευμένος με τις οδηγίες του τελευταίου τριμήνου μπορεί να πέσει σιωπηλά εκτός ημερολογίου, ωθώντας την φροντίδα μακριά από τις οδηγίες. Οι πολιτικές που απαιτούν έλεγχο έκδοσης, παρακολούθηση αποτελεσμάτων και σήματα ηλιοβασιλέματος διατηρούν τους αλγόριθμους από το να γεράσουν σε κινδύνους ασφάλειας.
Τέλος, η εμπιστοσύνη είναι στην γραμμή. Οι κλινικοί chuyênικοί ανησυχούν ότι η υπερ-εξάρτηση από GenAI θα μπορούσε να υποβαθμίσει την κλινική κρίση. Η κυβέρνηση GenAI με διαφάνεια στις γραμμές δεδομένων, πρωτόκολλα επικύρωσης και ανθρώπινους ελέγχους-σημεία μετατρέπουν «μαύρη κιβωτό» ανησυχίες σε εμπιστοσύνη ότι η AI είναι ένας βοηθός, όχι ένας αυθόρμητος resident.
Βασισμένος στην εργασία σας με την Wolters Kluwer και στο χειρουργείο, ποια είναι η πιο ρεαλιστική κοντινή περίπτωση χρήσης της GenAI στην υγεία;
Ξεχάστε τους ρομπότ χειρουργούς. Μέσα στα επόμενα τρία χρόνια, η δολοφόνος GenAI ευκαιρία είναι η διοικητική εξόντωση. Δύο λωρίδες είναι ήδη αποδεικνύονται:
- Σημείωση μπροστά. Εργαλεία ambient listening τώρα σχεδιάζουν την πρόοδο σημείωσης ενώ ο γιατρός μιλάει με τον ασθενή, και στη συνέχεια την ρίχνουν απευθείας στο ηλεκτρονικό αρχείο υγείας (EHR). Η μελέτη μας δείχνει ότι το 41% των απαντώντων το τοποθετούν στην λίστα GenAI και η τεχνολογία είναι ήδη ζωντανή σε πρώιμους υγειονομικούς συστήματα. Πολλές μελέτες έχουν δείξει ότι τα συστήματα ambient dictation μπορούν να μειώσουν το φορτίο σκέψης κατά 51% και το after-hours «πυτζάμα-χρόνο» κατά περισσότερο από 60%. Αυτό είναι ένα σκληρό ROI. Μπορείτε να το νιώσετε γρήγορα.
- Πίσω-γραφείο προστασία εσόδων. Η επόμενη ντομινο είναι τα πακέτα προ-εξουσιοδότησης, τα γράμματα έφεσης και άλλα revenue-cycle λάσπη. Για αναφορά, το 67% των ηγετών λέει ότι η προ-εξουσιοδότηση μόνο είναι πνιγμένη στην παραγωγικότητα, και το 62% σημειώνει την EHR admin drag. Μεγάλες γλώσσες μοντέλα που διαβάζουν το γράφημα και auto-populate αυτά τα έγγραφα είναι ήδη κόβοντας ημέρες από τις αξιώσεις και απελευθερώνοντας προσωπικό για υψηλότερη αξία εργασίας.
Γιατί αυτές οι δύο; Χτυπούν το τρίτο της χαμηλού κλινικού κινδύνου, υψηλής ανακούφισης εργατικού δυναμικού και σαφούς οικονομικής δικαιολογίας. Σε μια αγορά όπου το 68% των εκτελεστικών ανωτέρων λίστα των εξόδων προσωπικού ως την κορυφαία οικονομική πίεση, εργαλεία που δίνουν ώρες πίσω χωρίς να αλλάξουν το σχέδιο φροντίδας είναι η εύκολη «ναι». Η αυτόνομη διάγνωση θα έρθει αργότερα. Τώρα, η GenAI κερδίζει το μεροκάματο της με το να κάνει το κλινικό να εξαφανιστεί.
Η μελέτη σημειώνει ότι τα δεδομένα δεν είναι ο κορυφαίος κίνδυνος που αναφέρουν οι απαντώντες – το οποίο είναι surprιστικό δεδομένου του πόσο συχνά η προστασία δεδομένων κυριαρχεί στα νέα. Ποιοί κίνδυνοι βλέπουν οι κλινικοί και οι διαχειριστές ως πιο επείγουσες;
Ηταν surprισμένος. Τα νέα θα μας έκαναν να πιστεύουμε ότι οι παραβιάσεις HIPAA κρατούν κάθε CIO του νοσοκομείου ξύπνιο. Ωστόσο, τα δεδομένα μας δείχνουν ότι μόνο το 56% των επαγγελματιών αναφέρουν την ιδιωτικότητα ως κορυφαίο κίνδυνο GenAI, ενώ ένα ακόμη μεγαλύτερο τμήμα (57%!) ανησυχούν για «μείωση» της κλινικής κρίσης. Αυτό μου λέει ότι ο φόβος της πρώτης γραμμής δεν είναι οι hackers, αλλά η ευθύνη.
Αυτά που τους ανησυχούν:
- Ρουλέτα ευθύνης. Αν ο αλγόριθμος προτείνει μια αντενδείκνυση, ποιος υπογράφει την απαίτηση; Η έλλειψη σαφών κανονισμών και προτύπων κατατάσσεται μαζί με τις διαφανείς κενές σε 55%, σηματοδοτώντας πραγματική ανησυχία σχετικά με τον νομικό κίνδυνο.
- Κανονιστική ομίχλη. Το 76% των ηγετών ήδη feels whipsawed από τις μεταβαλλόμενες οδηγίες Medicare και Medicaid. Το στρώσιμο GenAI σε αυτόν τον κίνδυνο είναι μια σκληρή πώληση μέχρι τις φρουρές να στερεωθούν.
- Πτώση μοντέλου και προκατάληψη. Το 55% σημειώνει την προκατάληψη από under-εκπαιδευμένα μοντέλα ως κρίσιμο κίνδυνο, μια υπενθύμιση ότι η στάλινη δεδομένων μπορεί να είναι τόσο επικίνδυνη όσο και η λείπων δεδομένων.
Σύντομα, οι περισσότερες οργανώσεις υποθέτουν ότι τα τείχη προστασίας τους είναι καλά. Δεν έχουν σαφή αλυσίδα ευθύνης όταν η έξοδος GenAI καταλήγει σε σχέδιο φροντίδας. Μέχρι η κυβέρνηση να καθορίσει ιδιοκτησία, ελέγχους και ενημερώσεις, οι GenAI rollouts θα συνεχίσουν να σταματούν, ανεξάρτητα από το πόσο σφιχτό είναι το stack ασφαλείας.
Πιστεύετε ότι τα εργαλεία GenAI θα ενισχύσουν ή θα εξασθενίσουν την αυτονομία του κλινικού; Πώς να σχεδιάσετε συστήματα που υποστηρίζουν την λήψη αποφάσεων χωρίς υπερ-βήματα;
Η GenAI είναι σε θέση να εξαπλώσει, όχι να μειώσει, την κλινική αυτονομία. Τώρα, πολύ από αυτή την αυτονομία εμποδίζεται από την κλινική triage, την προ-εξουσιοδότηση γραφειοκρατίας και τις EHR γυμναστικές. Δεν είναι surprισμένο, λοιπόν, ότι η πρώτη γραμμή κατατάσσει την «βελτίωση των ροών εργασιών» ως την πρώτη περίπτωση χρήσης GenAI (80% προτεραιότητα) mặc dù μόλις το 63% feels τεχνικά έτοιμο να το εκτελέσει. Οι φαρμακοποιοί και οι συναδέλφοι υγειονομικοί επαγγελματίες έχουν ήδη στοιχηματίσει την άνοδο: το 41% και το 47% περιμένουν GenAI να ξεραθεί αρκετό διοικητικό λίπος για να μειώσουν τις ανάγκες προσωπικού. Η απελευθέρωση των κλινικών από την εγγραφή δεδομένων σημαίνει περισσότερο χρόνο πρόσωπο με πρόσωπο με τους ασθενείς. Αυτή είναι η αυτονομία που όλοι θέλουν.
Ωστόσο, η μελέτη μας υπενθυμίζει ότι η αυτονομία κόβει και τις δύο πλευρές όπως έχουμε ήδη συζητήσει: το 57% των απαντώντων ανησυχούν ότι η υπερ-εξάρτηση από GenAI θα μπορούσε να υποβαθμίσει την κλινική κρίση. Το αντίδοτο είναι η προσεκτική σχεδίαση, όχι η πίσω-πίσω. Τα συστήματα πρέπει να δείχνουν το έργο τους με σημαίες προέλευσης, παραπομπές και βαθμολογίες εμπιστοσύνης, ώστε οι άνθρωποι να παραμείνουν οι τελικοί δικαστές. Η έλεγχος έκδοσης και η παρακολούθηση μετά την ανάπτυξη πιάνουν τη σιωπηλή πτώση του μοντέλου πριν προκαλέσει ζημιά στις διαδρομές φροντίδας, ενώ τα «πάντα ορατά override» κουμπιά κάνουν σαφές ότι ο αλγόριθμος είναι ένας βοηθός, όχι ο ιατρός.
Η κυβέρνηση είναι η τελευταία μίλι. Μόνο το 18% των επαγγελματιών λέει ότι η οργάνωση τους έχει δημοσιεύσει GenAI πολιτική. Χωρίς μια διαφανή αλυσίδα ευθύνης, ακόμη και η καλύτερη εμπειρία χρήστη θα σταματήσει σε νομικό limbo. Ρομπούστικες πολιτικές πρέπει να καθορίσουν τη διαχείριση δεδομένων, ελέγχους και ρόλο που να κοινωνικοποιηθεί σε γιατρούς, νοσοκόμες και τον γιατρό που πιέζει το κουμπί. Όταν ζευγαρώσουμε αυτές τις φρουρές με σχεδίαση ροής εργασιών, η GenAI σταματά να feels σαν μια απειλή για την αυτονομία και αρχίζει να δρα ως ο συν-πιλότος που οι κλινικοί chuyênικοί έχουν ζητήσει.
Τι είναι αυτό που κρατάει πίσω την υιοθέτηση – τεχνολογικές περιορισμοί, κανονιστική αβεβαιότητα, τριβή ροής εργασιών ή κάτι βαθύτερο όπως η αντίσταση του πολιτισμού;
Είναι ένα έλλειμμα εκτέλεσης τυλιγμένο σε κληρονομικές ενισχύσεις. Οι περισσότεροι ηγέτες του υγειονομικού συστήματος μπορούν να εξηγήσουν μια λεία GenAI όραση, αλλά ο μυς τους δεν έχει πιάσει. Η μελέτη μας δείχνει τη διασύνδεση σε μια γραμμή: το 80% των απαντώντων κατατάσσει την «βελτίωση των ροών εργασιών» ως κορυφαία προτεραιότητα, ωστόσο μόνο το 63% πιστεύει ότι είναι έτοιμο να το κάνει. Η όραση είναι φθηνή. Οι μηχανικοί ολοκλήρωσης, τα βιβλία διαχείρισης αλλαγών, και οι προϋπολογισμοί GPU δεν είναι.
Η κυβέρνηση είναι το επόμενο σήμα. Μόνο το 18% των επαγγελματιών είναι ακόμη ενήμερο για μια δημοσιευμένη GenAI πολιτική στο νοσοκομείο τους. Χωρίς σαφείς κανόνες δεδομένων, επικύρωσης και ευθύνης, κάθε υποσχόμενη πιλότος κινδυνεύει να γίνει μια βόμβα συμμόρφωσης. Αυτή η νομική ομίχλη ενισχύεται από μακρο-αβεβαιότητα. Στην πραγματικότητα, το 75% των ηγετών ανησυχούν ότι οι ταχείς-αλλάζοντες κρατικοί και ομοσπονδιακοί κανονισμοί θα ανατρέψουν οποιαδήποτε λύση θα κυκλοφορήσουν.
Στη συνέχεια έρχεται η τριβή της τάφρου: σχεδόν η μισή των εκτελεστικών ανωτέρων αναφέρουν βρώμικα δεδομένα και EHR εφιάλτες ως principales εμπόδια, και μόνο το 42% λέει ότι έχουν μια διαδικασία για να συνδέσουν GenAI εργαλεία σε υπάρχουσες ροές εργασιών. Αν το μοντέλο δεν μπορεί να δει το γράφημα ή να προσθέσει κλικ, οι κλινικοί chuyênικοί θα το εγκαταλείψουν πριν από το μεσημέρι.
Τέλος, υπάρχει «πιλότος limbo». Πολλές εξωτερικές μελέτες ανταλλάσσουν το ποσοστό επιτυχίας των πιλότων AI που αποφοιτούν σε επιχειρηματική κλίμακα στο περίπου ένα στα δέκα. Τα διοικητικά συμβούλια γιορτάζουν το demo, εκδίδουν μια ανακοίνωση τύπου και μετακινούνται. Γιατί κανείς δεν χρηματοδοτεί το επόμενο αδιάφορο πλέγμα εργασίας. Η GenAI θα παραμείνει μια υποσχόμενη ελπίδα μέχρι τα νοσοκομεία να εξοπλιστούν με ιδιοκτήτες προϊόντων που έχουν αποσταλεί λογισμικό πριν.
Σύντομα, η τεχνολογία και ο πολιτισμός δεν είναι ξεχωριστά εμπόδια. Είναι συνδυασμένα. Λύστε για υπεύθυνη ηγεσία, πραγματικές ολοκληρώσεις, σαφείς φρουρές και η όρεξη για GenAI θα ανταποκριθεί στο hype.
Τι συμβουλή θα δίνατε στους ηγέτες υγείας που προσπαθούν να διαπλεύσουν το hype και να αναγνωρίσουν πραγματικά πολύτιμες επενδύσεις AI;
Ξεκινήστε με μια διάγνωση, όχι με ένα demo. Πριν αφήσετε ένα λαμπρό χτύπημα να ψάξει για καρφιά, ποσοτικοποιήστε το καρφί: Είναι η χρησιμοποίηση του χειρουργείου xuống 8% για δύο συνεχόμενα τρίμηνα; Είναι οι αιτήσεις άρνησης κρεμάμενες και αιμορραγώντας έσοδα; Είναι η νοσοκόμα μονάδα τρία ξοδεύει δύο ώρες ανά βάρδια σε EHR «ανταλλαγή οθόνης» (χρόνος που ξοδεύεται στην αλλαγή μεταξύ οθονών και εργασιών); Μόλις το πρόβλημα είναι σαφές, το σωστό εργαλείο τείνει να εισαγάγει τον εαυτό του. Όπως ο Σερ Γουίλιαμ Οσλέρ υπενθύμισε στην ιατρική κοινότητα πριν από γενιές, «Ακούστε τον ασθενή. Θα σας πει την διάγνωση».
Με το πρόβλημα καρφωμένο, ανακρίνετε την περίπτωση επιχείρησης σαν έναν CFO. Απαιτήστε σκληρά νούμερα: μετρητές βάσης, προβλεπόμενες διαφορές, και παράθυρα payback που επιβίωναν σε ένα δωμάτιο του διοικητικού συμβουλίου. Θυμηθείτε ότι μόνο περίπου ένα στα δέκα πιλότες AI αποφοιτούν σε επιχειρηματική κλίμακα. Αν ο προμηθευτής δεν μπορεί να δείξει έναν ζωντανό πελάτη που μετακίνησε τον KPI που σας ενδιαφέρει, συνεχίστε.
Επόμενο, αποφασίστε αν θα αγοράσετε, να χτίσετε ή να συνεργαστείτε. Η αγορά μπορεί να επιταχύνει το χρόνο-απόδοσης, αλλά να προσέχετε το vaporware ντυμένο με buzzwords. Το κτίσιμο δίνει τον έλεγχο, αλλά μόνο αν έχετε έναν ιδιοκτήτη κέρδους και ζημιών που έχει αποσταλεί λογισμικό μηχανικής μάθησης πριν. Οι υβριδικές συνεργασίες συχνά χτυπούν την ισορροπία: τα δεδομένα σας, το μοντέλο τους, κοινή ανταμοιβή, κοινή κίνδυνος.
Τέλος, προτεραιότητα μικρών, δια-λειτουργικών ομάδων με σαφή ευθύνη. Σκεφτείτε μια ομάδα δύο πιτσών που περιλαμβάνει τον CMO, τον CIO, τον αρχηγό μηχανικής δεδομένων και έναν πρωτοπόρο της πρώτης γραμμής, αντί για μεγάλες επιτροπές. Align τους κινήτρους τους με multi-ετή στόχους αποτελεσμάτων αντί για βραχυπρόθεσμους μετρητές, και δώστε τους einen αφιερωμένο προϋπολογισμό υποδομής – GPU, μηχανική δεδομένων, machine learning operations (MLOps) – ώστε το project να προχωρήσει πέρα από το στάδιο πιλότου.
Τέλος, κοιτάζοντας μπροστά: τι θα ήταν ένα υπεύθυνο, πλήρως ολοκληρωμένο σύστημα GenAI σε ένα περιβάλλον νοσοκομείου πέντε χρόνια από τώρα; Ποια είναι τα ορόσημα που πρέπει να χτυπήσουμε για να φτάσουμε εκεί;
Φανταστείτε να μπαίνετε σε μια κλινική όπου ο γιατρός δεν γυρίζει ποτέ στο πληκτρολόγιο. Η συζήτηση ρέει, και ένας διακριτικός ambient-listening agent захопνει το διάλογο, σχεδιάζει μια σημείωση, υπογραμμίζει οδηγίες-βασισμένες εντολές και γεννά το πακέτο προ-εξουσιοδότησης πριν ο γιατρός βάλει το χέρι του στο χερούλι της πόρτας. Πρώιμα πιλότα αποδεικνύουν ήδη την концепτική. Το 41% των κλινικών μας στην έρευνα λέει ότι αυτό είναι ακριβώς το GenAI χαρακτηριστικό που θέλουν επόμενο.
Τι κάνει αυτή τη σκηνή δυνατή δεν είναι sci-fi ρομπότ. Είναι μια αόρατη αρχιτεκτονική που συνδυάζει καθαρά, διαλειτουργικά δεδομένα με ένα πραγματικό-χρόνο ορχήστρα στρώμα και «κυβέρνηση-ως-κώδικας». Chúng tôi vẫn έχουμε διαθεσιμότητα για να κάνουμε. Για να κλείσουμε τα κενά, σκεφτείτε πρώτα την πηγή δεδομένων, στη συνέχεια ενσωματώστε τις φρουρές (αντί να τις συνδέσετε) για να μετατρέψετε το hype σε συνήθεια.
Τα ορόσημα έρχονται φυσικά μια φορά που η βάση έχει οριστεί. Στο πρώτο έτος, συνιστώ ότι τα νοσοκομεία και τα υγειονομικά συστήματα συνδέσουν το υφάδι δεδομένων, δημοσιεύσουν εταιρικές GenAI οδηγίες και χτίσουν ένα MLOps pipeline. Στο δεύτερο έτος εφαρμογής, θα ήταν σημαντικό να κλιμακωθεί η ambient τεκμηρίωση σε εξωτερικές κλινικές, να μετρήσετε το χρόνο τεκμηρίωσης και το after-hours «πυτζάμα-χρόνο». Στο τρίτο έτος, αφήστε GenAI να σχεδιάσει τα γράμματα άρνησης και τα πακέτα προ-εξουσιοδότησης (67% των ηγετών είπαν ότι αυτό το βάρος είναι έτοιμο για εξόντωση). Στο τέταρτο και πέμπτο έτος, εξελίξτε σε πραγματικό-χρόνο κλινική υποστήριξη αποφάσεων με προέλευση και, τελικά, σχέδια φροντίδας με βάση συζήτηση όπου το σύστημα εκτελεί εντολές την στιγμή που ομιλούνται.
Ευχαριστώ για τη μεγάλη συνέντευξη. Οι αναγνώστες που θέλουν να μάθουν περισσότερα πρέπει να επισκεφθούν την Wolters Kluwer ή να διαβάσουν την Future Ready Healthcare Survey Report.
