Ajatusjohtajat

Miksi tekoälyä otetaan terveydenhuollossa käyttöön väärässä paikassa

Vasili Razhnou
Lisää Unite.AI suosikkilähteisiisi Google-palvelussa
Keskeiset kohdatTekoälyn tulisi ensin käsitellä hallinnollisia tehtäviä, kuten potilaskertomusten…
Näytä lisää
  • Tekoälyn tulisi ensin käsitellä hallinnollisia tehtäviä, kuten potilaskertomusten täyttämistä, jotta hoitajien aika vapautuisi potilastyöhön.
  • Terveydenhuollon tekoälyn tulee hyödyntää kliinistä dataa ja säilyttää lääkärin valvonta turvallisuuden ja sääntelyn varmistamiseksi.
  • Rutiininomaisten reseptin uusimisten automatisointi voi tehostaa saatavuutta tehokkaammin kuin täydellisen kliinisen autonomian tavoittelu.

Ala tavoittelee ratkaisua väärään ongelmaan

Terveydenhuollon tekoälykeskustelussa puhutaan nykyään ennen kaikkea autonomiasta. Voiko tekoäly diagnosoida sairauksia? Voiko se määrätä lääkkeitä? Voiko se lopulta korvata lääkärin?

Näitä mahdollisuuksia ei tarvitse enää pohtia vain hypoteettisesti, sillä tekoälyn käytöstä terveydenhuollossa on jo todellisia esimerkkejä. Utah on jo avannut oven autonomiselle tekoälylle reseptien uusimisessa sääntelyn kokeiluympäristön kautta. Muut osavaltiot seuraavat, osoittavatko nämä varhaiset kokeilut turvallisuuden ja tehokkuuden olevan hyväksyttävällä tasolla.

Mielestäni pohdinta siitä, korvaako tekoäly hoitavan ammattilaisen, on kuitenkin alalle väärä lähtökohta.

Ennen kuin kysymme, kuinka suuren osan hoitosuhteesta tekoäly voi ottaa hoitaakseen, meidän tulisi ratkaista paljon yksinkertaisempi ja välittömämpi ongelma. Terveydenhuollon ammattilaiset ovat ylikuormittuneita hallinnollisesta työstä. Potilaat eivät edelleenkään saa vastaanottoaikoja ajoissa, sillä hoitoon pääsyä rajoittaa vähemmän potilaskysynnän puute kuin ammattilaisten käytettävissä olevan ajan vähyys. Tästä jonot alkavat, ja juuri tässä tekoälyä tarvitaan kipeästi keventämään toiminnallista kuormitusta.

Tämä näkyy erityisen selvästi mielenterveyden hoidossa. Noin 22 miljoonalla amerikkalaisella on ADHD, ja ahdistuneisuushäiriöistä kärsii vuosittain noin 19 prosenttia Yhdysvaltain aikuisista. Elämän aikana osuus on noin 31 prosenttia. Molempia häiriöitä voidaan hoitaa hyvin, mutta miljoonat eivät saa hoitosuositusten mukaista hoitoa. Ongelma ei ole tietoisuuden puute: jo pintapuolinen katsaus markkinoihin paljastaa monenlaisia oma-aputyökaluja, sisältöjä, seurantasovelluksia ja ADHD-ystävällisiä sovelluksia. Todellinen puute on pääsy varsinaiseen kliiniseen hoitoon, diagnostiikkaan ja tarvittaessa lääkehoidon seurantaan.

Tässä kirjoituksessa puolustan yksinkertaisempaa lähtökohtaa. Tekoälyn paras sijoitetun pääoman tuotto terveydenhuollossa saadaan tällä hetkellä hallinnollisista tehtävistä. Sen käyttäminen liian varhain kliinisessä ympäristössä voi aiheuttaa enemmän ongelmia kuin hyötyjä. Jos haluamme tekoälystä luotettavan osan hoitoa, meidän on otettava se ensin käyttöön siellä, missä kuormitus on suurinta ja hyöty välitön.

Data paljastaa, missä tekoäly voi tehostaa toimintaa

Terveydenhuollon palveluja kehittäessä huomaa nopeasti toistuvan ilmiön. Palkataanpa kuka tahansa hoitava ammattilainen, hänen vastaanottoaikansa täyttyvät muutamassa kuukaudessa. Olemme nähneet tämän toistuvasti. Kyse ei ole vain abstraktista ammattilaispulasta, vaan siitä, mihin ammattilaisen aika kuluu potilaskunnan kasvaessa.

Psykiatriassa noin 80 prosenttia vastaanottokäynneistä on tavanomaisia seurantakäyntejä. Kaikki eivät siis ole monimutkaisia diagnostisia arvioita. Monet potilaat ovat vakaassa tilanteessa: he jatkavat samaa hoitoa, käyvät seurannassa, tarkastelevat oireitaan ja uusivat lääkityksensä, jos se on edelleen asianmukaista. Silti näihin käynteihin liittyy koko kirjaamisen, tietojen varmistamisen, hoitohistorian tarkastamisen, reseptilääkkeiden seurantajärjestelmän (PDMP) tarkistusten ja lääkkeenmääräämisen työnkulun kuormitus. Ammattilaiset käyttävät tällaisiin hallinnollisiin tehtäviin keskimäärin 16 tuntia viikossa. Tämän ajan voisi käyttää uusiin potilaisiin tai yksinkertaisesti nykyisten potilaiden ja monimutkaisten tapausten parempaan kliiniseen huomioimiseen.

Juuri tässä suuri osa tekoälykeskustelusta irtautuu toiminnan todellisuudesta. Ala kysyy jatkuvasti, voiko tekoäly ottaa lääkärin roolin, vaikka suuri osa menetetystä kapasiteetista kuluu tehtäviin, jotka eivät alun perinkään vaadi paljon kliinistä harkintaa. Tällaisia ovat esimerkiksi kirjaaminen, tietojen varmistaminen, potilasasiakirjojen tarkastaminen ja seurantatyönkulut. Näitä prosesseja tekoäly voi jo tukea hyödyllisesti ja mitattavasti.

Vapauttamalla tämän ajan voidaan paitsi keventää ammattilaisen kuormaa myös avata vastaanottoaikoja useammille potilaille. Odotusajat ovat merkittävä hoitoon pääsyn ongelma. Potilaat odottavat usein viikkoja ammattilaisen vastaanotolle, ja hoitoon pääsy vaihtelee edelleen alueittain. Yhdysvaltain terveysministeriö HHS toteaa edelleen, että maaseudulla ja syrjäseuduilla on liian vähän ammattilaisia ja liian vähän mielenterveys- ja käyttäytymisterveyspalvelujen tukea. Se mainitsee etävastaanotot keinona parantaa olennaisesti pääsyä mielenterveyden hoitoon.

Miksi terveydenhuolto on vaikein ala automatisoida tekoälyllä

Terveydenhuolto voi ulkopuolelta näyttää standardoidulta. Todellisuudessa siinä on samanaikaisesti sekä standardointia että vaihtelua.

Ohjeita, sääntelyä ja kirjaamissääntöjä on kiistatta olemassa. Jokaisella ammattilaisella on kuitenkin myös aiemmissa toimintaympäristöissä muotoutuneita tapoja, työnkulkuja ja käytäntöjä. Kaksi ammattilaista voi hoitaa samaa sairautta saman lainsäädännön puitteissa mutta lähestyä tavanomaista hoitoa huomattavan eri tavoin. Tekoälyn on huomioitava tämä vaihtelu poikkeamatta hoidon vaatimuksista. Se on paljon vaikeampaa kuin rakentaa malli, joka toimii hyvin esittelyssä.

Sääntelyssä vaatimustenmukaisuus on pääosin monikerroksista. Osavaltioiden ammatinharjoittamislupia valvovat elimet, liittovaltion viranomaiset, HIPAA, reseptiseurantajärjestelmät, osavaltioiden tietokannat ja sisäiset kliiniset vakiotoimintamenettelyt (SOP) limittyvät toisiinsa. Yhdessä osavaltiossa sallittu toiminta voi olla toisessa vaatimusten vastaista. Tuotteen näkökulmasta harmittomalta vaikuttava työnkulku voi muuttua riskialttiiksi lääkkeenmääräämisen, potilaan henkilöllisyyden, asiakirjojen säilyttämisen tai auditoitavuuden yhteydessä. Prosessiin liittyy rakenteellista monimutkaisuutta.

Myöskään dataan liittyvät kysymykset eivät ole niin yksinkertaisia kuin voisi odottaa. Terveydenhuollossa ei vain yhdistetä tavallisia työkaluja ja aleta oppia käyttäjien toiminnasta. Jotkin tavanomaiset analytiikkatyökalut ja dataputket eivät sovellu käyttöön HIPAA-sääntelyn vuoksi ilman perustavanlaatuisia muutoksia. Usein tarvitaan alusta asti räätälöity infrastruktuuri: miten data tallennetaan, käsitellään, auditoidaan ja tuodaan esiin työnkulussa. Yllättävän monet yritykset aliarvioivat tämän, kunnes kehitystyö on jo pitkällä ja koko toteutus on järjestettävä uudelleen.

Ennen kaikkea sanoisin kuitenkin, että suurin ongelma on yksinkertaisesti terveydenhuollon virheiden erittäin korkea hinta.

Virheellinen tuotos saattaa muilla aloilla aiheuttaa vain vaivaa, mutta terveydenhuollossa se voi vaikuttaa hoidon laatuun, potilasturvallisuuteen, lääkkeenmääräämiseen tai sääntelyriskeihin. Ihmisten terveydellä ei voi leikkiä tekoälymallien parantamiseksi, eikä pidäkään. Tämän tulisi ohjata sitä, mihin tekoälyä tällä alalla tuodaan ensimmäisenä.

Tekoälyn paras tuotto terveydenhuollossa saadaan hallinnollisesta kerroksesta

Toivon välittäneeni lukijalle, kuinka tärkeää on siirtää huomio lääkärin korvaamisesta tekoälyllä lääkärin työtä ympäröivän hallinnollisen kitkan poistamiseen. Seuraavaksi avaan, mitä tämä tarkoittaa käytännössä.

Potilasmerkintöjen laatiminen. Tekoäly voi litteroida ja laatia dokumentaatiota reaaliajassa vastaanoton aikana. Tämä vähentää kirjaamiskuormaa, lyhentää työajan jälkeistä työtä ja tekee saman päivän aikana valmistumisesta huomattavasti realistisempaa. MEDvidin sisäisessä toimintamallissa merkintöjä tuottava järjestelmä päivittää dokumentaatiota jatkuvasti vastaanoton aikana, ja se on suunniteltu lyhentämään kirjaamiseen kuluvaa aikaa merkittävästi.

Potilasasiakirjojen tarkastaminen. Tekoäly voi myös tarkastaa potilasasiakirjat sisäisiä vakiotoimintamenettelyjä vasten ja merkitä poikkeamat ennen lääkkeenmääräämisvaihetta. Useimmat terveydenhuollon laadunarvioinnit ovat edelleen osittaisia ja käsin tehtäviä. Kun tarkastetaan jokainen vastaanottokäynti pienen otoksen sijaan, vaatimustenmukaisuudesta tulee näkyvämpää ja johdonmukaisempaa.

Vastaanottoa edeltävän työn automatisointi. Suuri osa ammattilaisen ajasta kuluu ennen varsinaista kliinistä päätöstä esimerkiksi henkilöllisyyden varmistamiseen, osavaltioiden tietokantojen ristiintarkistukseen, sairaushistorian läpikäyntiin, mahdollisten vasta-aiheiden etsimiseen tai lääkkeiden hankkimishakuisuuteen tai kirjaamispuutteisiin viittaavien toimintamallien seulontaan. Mikään tästä ei korvaa harkintaa, mutta kaikki vie aikaa. Siksi tekoäly voi auttaa käsittelemään nämä vaiheet ennen kuin ammattilainen ryhtyy työhön.

Tavanomaisten reseptiasioiden hallinta. Tekoäly voi olla erityisen hyödyllinen vakaan tilanteen seurantahoidossa. Kun potilaan hoito on pysynyt samanlaisena, tekoäly voi auttaa uusimistyönkulun hallinnassa ja valmistella potilasasiakirjat, mutta lääkäri tarkastaa ja hyväksyy edelleen lopullisen päätöksen. Tämä eroaa huomattavasti täysin autonomisesta hoidosta: malli on rajatumpi, turvallisempi ja paljon olennaisempi järjestelmän todellisen pullonkaulan kannalta.

Näille käyttötapauksille on yhteistä se, että ne säästävät aikaa tavalla, joka kasvattaa hoitokapasiteettia. Tämä on keskeinen perusteluni sille, miksi pidän hallinnollista kerrosta tuottavimpana paikkana tekoälyn ensimmäiselle käyttöönotolle.

Oikea tekoälyarkkitehtuuri kliinisiin ympäristöihin

Lääkärin korvaaminen on jälleen yksi tekoälyn mörkötarinoista, jotka tuottavat sensaatiohakuisia otsikoita ja herättävät ammattilaisissa levottomuutta. Paljon käytännöllisempi, hyödyllisempi ja välttämätön malli on lääkärikeskeinen työn tukeminen terveydenhuollossa.

Tällaisessa arkkitehtuurissa hoitavalla ammattilaisella on viimeinen sana jokaisessa kliinisessä päätöksessä ja reseptissä. Laillistettu terveydenhuollon ammattilainen tarkastaa ja hyväksyy edelleen hoitosuunnitelmat. Tekoäly hoitaa vain dokumentaation, tietojen varmistamisen ja tarkastuskerroksen yksityiskohdat sekä vastaanottoon liittyvät toistuvat tehtävät. Tämä on turvallisin tapa parantaa tehokkuutta ja säilyttää vastuu.

Terveydenhuollon tekoäly tarvitsee myös todellista kliinistä dataa, sillä valmismallit ja yleiset tietoaineistot eivät riitä. Kliiniset työnkulut ovat liian erityisiä, sääntely liian monikerroksista ja virhemarginaali liian pieni. Alalle tulevan järjestelmän perustana pitäisi olla tekoälyjärjestelmä, joka on koulutettu omalla kuukausittaisten potilaskäyntien tietoaineistolla ja jonka työnkulkuun on sisällytetty ammattilaisen tarkastus ja vakiotoimintamenettelyjen noudattaminen. Ydin on siinä, että terveydenhuollon tekoälyn on pohjauduttava todelliseen kliiniseen toimintaan eikä vain yleiskäyttöisen mallin kyvykkyyteen.

Ammattilaisille tämä arkkitehtuuri vähentää hallintotyöhön menetettyjä tunteja ja jättää enemmän aikaa uusille potilaille ja monimutkaisille tapauksille. Potilaille se tarjoaa nopeamman pääsyn hoitoon pienemmin kustannuksin sekä johdonmukaisemman hoidon kirjaamisen ja toteutuksen. Myös viranomaiset hyötyvät paremmasta näkyvyydestä, sillä nykyjärjestelmä kätkee usein epäjohdonmukaisuudet hajanaisiin työnkulkuihin. Oikein toteutettu tekoälyn käyttöönotto tekee työnkuluista ymmärrettävämpiä ja helpommin tarkastettavia. Itse tarkastusta on paljon helpompi auditoida kuin ihmisen laatimaa dokumentaatiota.

Kun tekoäly osoittautuu luotettavaksi mitattavassa työnkulussa, siitä tulee luotettava työkalu parantamaan osa-aluetta, jonka kanssa näin elintärkeällä toimialalla on selviä vaikeuksia.

Johtopäätös

Kun ihmiset valittavat hoitavan ammattilaisen tarkkaamattomuudesta, he havaitsevat todellisen ongelman. Ajattele ammattilaisen jaksamista ilmapallona, jota arkiset, toistuvat tehtävät puhkovat joka puolelta. Ei ihme, ettei hänellä ole aikaa tai henkistä kapasiteettia kohdata sinua tarkkaavaisesti.

Sen sijaan, että lähtisimme mukaan pelotteluun siitä, kuka irtisanotaan ensimmäisenä tekoälyn vuoksi, olisi varsinkin terveydenhuollossa järkevämpää käyttää teknologiaa korjaamaan työn vaiheita, joiden kanssa ihmiset kamppailevat. Tekoälyn suuri etu on sen väsymättömyys, jota ihmisammattilaisilla ei ole.

On ymmärrettävää, että terveydenhuoltoa on vaikea automatisoida monimutkaisen sääntelyn, ammattilaisten toimintatapojen vaihtelun, räätälöidyn infrastruktuurin tarpeen ja virheiden valtavan hinnan vuoksi. Silti käytössämme olevalla teknologialla voidaan korjata todellinen hallinnollinen tukos. Otetaan se käyttöön.

Ellei hallinnollisesta tukoksesta aloiteta, kliinisen tekoälyn on vaikea saavuttaa ihmisten laajempaa luottamusta sen kykyjen kehittyessä nykyistä pidemmälle.

Mielestäni lähiajan malli on selkeä. Tekoäly käy läpi hoitohistorian, tarkistaa vasta-aiheet, varmistaa henkilöllisyyden, laatii potilasmerkinnän ja valmistelee reseptityönkulun. Lääkäri tarkastelee kokonaisuutta ja hyväksyy lopullisen päätöksen. Vakaan tilanteen seurantakäynti, johon aiemmin tarvittiin kokonaiset 20 minuuttia, voi muuttua lyhyemmäksi, sujuvammaksi ja turvallisemmaksi prosessiksi.

Paperilla tämä saattaa vaikuttaa vähäiseltä, mutta kyse on merkittävästä uudistuksesta järjestelmään, joka on pysynyt käsin hoidettavana niin kauan ja koskettaa kaikkia.

Vasili Razhnou on MEDvidin toimitusjohtaja ja perustaja. MEDvidi on tekoälypohjainen mielenterveysalusta. Sarjayrittäjänä, jolla on yli 15 vuoden kokemus terveydenhuollosta ja liiketoiminnasta, hän on perustanut viisi teknologiaa hyödyntävää startup-yritystä. MEDvidillä Vasili johtaa tekoälypohjaisten kliinisten työkalujen kehittämistä. Työkalut vähentävät hallinnollista taakkaa ja auttavat palveluntarjoajia antamaan nopeampaa ja johdonmukaisempaa hoitoa. Hänen johdollaan yhtiö on saavuttanut 30 miljoonan dollarin vuosittaisen toistuvan liikevaihdon (ARR).