Cuándo evitar la IA en el sector sanitario

Cada vez que un nuevo avance tecnológico se abre paso en una industria, puede existir la tentación de considerar ese nuevo y brillante juguete como una anécdota de todos los males de la industria. La IA en el ámbito de la atención sanitaria es un gran ejemplo. A medida que la tecnología ha seguido avanzando, se ha adoptado para casos de uso en el desarrollo de medicamentos, la coordinación de la atención y el reembolso, por nombrar algunos. Hay una gran cantidad de casos de uso legítimos de la IA en el ámbito de la atención sanitaria, en los que la tecnología es mucho mejor que cualquier alternativa disponible actualmente.

Sin embargo, la IA, tal como está hoy, se destaca solo en ciertas tareas, como comprender grandes cantidades de datos y tomar decisiones basadas en reglas bien definidas. En otras situaciones, en particular cuando el contexto adicional es esencial para tomar la decisión correcta, No son adecuados para la IA. Exploremos algunos ejemplos.

Denegación de reclamaciones y atención

Ya sea que se trate de una reclamación o de una atención médica, las denegaciones son decisiones complejas y demasiado importantes para que la IA las gestione por sí sola. Cuando se deniega una reclamación o una atención médica, existe un imperativo moral obvio de hacerlo con la máxima cautela y, en función de las capacidades actuales de la IA, eso requiere la intervención humana.

Más allá del elemento moral, los planes de salud se ponen en riesgo cuando dependen demasiado de la IA para tomar decisiones de rechazo. Los planes pueden enfrentar, y enfrentan, demandas judiciales por usar la IA de manera indebida para rechazar reclamos, con litigio acusando a los planes de no cumplir con los requisitos mínimos para la revisión médica porque en su lugar se utilizó IA.

Confiando en decisiones pasadas

Confiar en que la IA tome decisiones basándose únicamente en cómo tomó una decisión anterior tiene un defecto obvio: una decisión equivocada del pasado perdurará e influirá en las demás. Además, como las reglas de políticas que informan a la IA suelen estar distribuidas entre sistemas o codificadas de manera imperfecta por los humanos, los sistemas de IA pueden terminar adoptando y luego perpetuando una comprensión inexacta de esas políticas. Para evitar esto, las organizaciones deben crear una única fuente de verdad política, de modo que la IA pueda hacer referencia a un conjunto de datos confiable y aprender de él.

Construyendo sobre sistemas heredados

Como tecnología relativamente nueva, la IA ofrece una sensación de posibilidad, y muchos equipos de ciencia de datos de planes de salud están ansiosos por aprovechar esa posibilidad rápidamente aprovechando las herramientas de IA que ya están integradas en las plataformas empresariales existentes. El problema es que los procesos de reclamaciones de atención médica son extremadamente complejos y las plataformas empresariales a menudo no comprenden las complejidades. Aplicar la IA a estas plataformas heredadas como una solución única (que no tiene en cuenta todos los diversos factores que afectan la adjudicación de reclamaciones) termina causando confusión e inexactitud, en lugar de crear procesos más eficientes.

Apoyándose en datos antiguos

Una de las mayores ventajas de la IA es que va mejorando a la hora de organizar tareas a medida que aprende, pero ese aprendizaje solo puede darse si hay un ciclo de retroalimentación constante que ayude a la IA a entender qué ha hecho mal para poder adaptarse en consecuencia. Esa retroalimentación no solo debe ser constante, sino que debe basarse en datos limpios y precisos. Después de todo, la IA es tan buena como los datos de los que aprende.

Cuando la IA en la atención sanitaria ES beneficiosa

El uso de IA en un sector donde los resultados son tan importantes como la atención médica ciertamente requiere cautela, pero eso no significa que no haya casos de uso en los que la IA tenga sentido.

Para uno, No hay escasez de datos en el ámbito sanitario (Tenga en cuenta que el historial médico de una persona podría tener miles de páginas), y los patrones dentro de esos datos pueden decirnos mucho sobre el diagnóstico de enfermedades, la adjudicación correcta de reclamaciones y más. Aquí es donde la IA se destaca, buscando patrones y sugiriendo acciones basadas en esos patrones que los revisores humanos pueden ejecutar.

Otro ámbito en el que la IA destaca es en catalogación e ingesta de políticas y reglas que regulan cómo se pagan las reclamaciones. Los proyectos piloto de IA generativa (GenAI) se puede utilizar para transformar este contenido de política de varios formatos en código legible por máquina que se puede aplicar de manera uniforme en todos los ámbitos. todas Reclamos de pacientes. GenAI también se puede utilizar para resumir información y mostrarla en un formato fácil de leer para que un humano la revise.

El hilo conductor de todos estos casos de uso es que la IA se utiliza como copiloto de los seres humanos que la supervisan, no como una herramienta que la dirige por sí sola. Mientras las organizaciones puedan tener presente esa idea a la hora de implementar la IA, estarán en condiciones de tener éxito en esta era en la que la IA está transformando la atención sanitaria.