Pourquoi l’IA dans les soins de santé est déployée au mauvais endroit

L’industrie poursuit le mauvais problème

Les discussions actuelles sur l’IA dans les soins de santé tournent autour de l’autonomie. L’IA peut-elle diagnostiquer les maladies ? Peut-elle prescrire des médicaments ? Peut-elle finalement remplacer le médecin ?

Nous n’avons plus besoin de nous demander si cela est possible, car nous avons maintenant des cas concrets d’applications de l’IA dans les soins de santé. L’Utah a déjà ouvert la porte à l’IA autonome dans les renouvellements de prescriptions grâce à son bac à sable réglementaire. D’autres États observent pour voir si ces premiers essais montrent une sécurité et une efficacité acceptables.

Mais je pense que se demander si l’IA peut remplacer les cliniciens est le mauvais endroit pour commencer.

Avant de nous demander combien de la relation clinique l’IA peut absorber, nous devons résoudre le problème beaucoup plus simple et immédiat qui se trouve devant nous. Les cliniciens sont submergés par le travail administratif. Les patients ne peuvent toujours pas obtenir des rendez-vous en temps opportun parce que l’accès est limité moins par un manque de demande de la part des patients que par un manque de temps utilisable par les cliniciens. C’est là que commence la liste d’attente, et c’est là que l’IA est désespérément nécessaire pour alléger les charges opérationnelles.

Ceci est particulièrement palpable dans les soins de santé mentale. Environ 22 millions d’Américains vivent avec le TDAH, et les troubles anxieux affectent environ 19% des adultes américains au cours d’une année donnée. Cela représente environ 31% sur une période de toute une vie. Ces deux conditions sont hautement traitables, pourtant des millions de personnes ne reçoivent pas les soins recommandés par les directives. Le problème n’est pas un manque de sensibilisation, car même un simple coup d’œil sur le marché montre une variété d’outils d’auto-assistance, de contenu, de suivi et d’applications conviviales pour le TDAH. Le véritable fossé est l’accès aux soins cliniques réels, au diagnostic et à la gestion des médicaments lorsque cela est approprié.

Cet article plaide pour un point de départ plus simple. Le rôle de l’IA à plus haut rendement dans les soins de santé aujourd’hui est administratif. Utiliser l’IA trop tôt dans le cadre clinique peut créer plus de problèmes que de bénéfices. Si nous voulons que l’IA devienne une partie fiable des soins, nous devons la déployer en premier lieu là où la charge est la plus lourde et le gain est immédiat.

Les données révèlent où l’IA peut être plus efficace

Il existe un schéma qui se révèle très rapidement lorsque vous travaillez dans les soins de santé. Quel que soit le clinicien que vous embauchez, dans quelques mois, ce clinicien est complètement réservé. Nous avons vu cela à plusieurs reprises. Cela ne signifie pas qu’il y a simplement une pénurie de fournisseurs de soins dans l’abstrait, mais comment le temps des fournisseurs est consommé une fois que le panneau commence à se remplir.

En psychiatrie, environ 80% des rendez-vous sont des suivis de routine. Ce ne sont pas tous des rencontres diagnostiques complexes. Beaucoup sont des patients stables qui poursuivent le même traitement, qui vérifient les symptômes et renouvellent les médicaments si tout est encore approprié. Pourtant, ces visites comportent le poids complet de la documentation, de la vérification, de l’examen de l’historique, des vérifications du PDMP et du processus de prescription. Les fournisseurs de soins passent en moyenne 16 heures par semaine sur un tel travail administratif. C’est du temps qui aurait pu aller à de nouveaux patients ou simplement à une meilleure attention clinique pour les patients et les cas complexes.

C’est là que beaucoup de discussions sur l’IA deviennent déconnectées de la réalité opérationnelle. L’industrie continue de se demander si l’IA peut remplacer le rôle du médecin, alors qu’en fait, une grande partie de la capacité perdue provient de tâches qui ne nécessitent pas beaucoup de jugement clinique en premier lieu. Ce peuvent être des tâches comme la documentation, la vérification, l’examen des dossiers et les flux de travail de suivi. Ce sont exactement les types de processus que l’IA peut déjà soutenir de manière utile et mesurable.

Si vous récupérez ce temps, vous ne réduisez pas seulement la charge sur le fournisseur, mais vous rouvrez également le calendrier à plus de patients. Le temps d’attente est un problème d’accès important aux soins de santé. Les patients attendent souvent des semaines pour voir un professionnel, et l’accès reste inégal dans différentes régions. Le HHS continue de noter que les communautés rurales et frontalières sont confrontées à un manque de fournisseurs de soins et à un manque de soutien en matière de santé comportementale, en citant la télésanté comme un moyen d’augmenter matériellement l’accès aux soins de santé mentale.

Pourquoi les soins de santé sont l’industrie la plus difficile à automatiser avec l’IA

Les soins de santé peuvent sembler standardisés de l’extérieur. En réalité, ils sont standardisés et variables en même temps.

Il existe sans doute certaines directives, réglementations et règles de documentation. Cependant, chaque clinicien apporte également des habitudes, des flux de travail et des protocoles façonnés par les réglages précédents. Deux fournisseurs peuvent traiter la même affection dans le même cadre juridique, tout en abordant les soins de routine de manière significativement différente. L’IA doit tenir compte de cette variation sans s’éloigner de la norme de soins. C’est une réalisation beaucoup plus difficile que la construction d’un modèle qui fonctionne bien dans une démo.

Lorsqu’il s’agit de réglementation, la conformité est principalement imbriquée. Les conseils d’octroi de licences d’État, les agences fédérales, le HIPAA, les systèmes de surveillance des prescriptions, les bases de données d’État et les SOP cliniques internes se croisent tous. Une action conforme dans un État peut être non conforme dans un autre. Un flux de travail qui semble inoffensif du point de vue d’un produit peut devenir risqué une fois qu’il s’agit de prescription, d’identité du patient, de conservation des dossiers ou de vérifiabilité. Il y a une complexité structurelle impliquée dans le processus.

La partie des données n’est pas non plus aussi simple qu’on pourrait le penser. Dans les soins de santé, vous ne connectez pas simplement des outils courants ensemble et vous ne commencez pas à apprendre du comportement de l’utilisateur. Certains outils d’analyse standard et les pipelines de données ne sont pas adaptés en raison des réglementations du HIPAA, à moins qu’ils ne soient fondamentalement modifiés. Vous avez souvent besoin d’une infrastructure personnalisée à partir de zéro. Des choses comme la façon dont les données sont stockées, traitées, auditées et affichées à l’intérieur du flux de travail. Un nombre surprenant de sociétés sous-estiment cela jusqu’à ce qu’elles soient immergées dans leur processus de construction, puis doivent renverser tout leur travail.

Mais plus que tout, je dirais que le plus grand problème est simplement que le coût de la réalisation d’une erreur dans les soins de santé est assez élevé.

Une sortie défectueuse peut créer une simple gêne dans d’autres industries, mais dans les soins de santé, elle peut affecter la qualité des soins, la sécurité des patients, le comportement de prescription ou l’exposition réglementaire. La santé humaine n’est pas quelque chose avec quoi nous pouvons jouer pour améliorer nos modèles d’IA, et cela est juste. Cela devrait être utilisé comme le principe directeur pour nous aider à comprendre où l’IA pourrait être introduite en premier lieu dans cette industrie.

Le déploiement de l’IA à plus haut rendement dans les soins de santé est la couche administrative

J’espère avoir impressionné le lecteur sur l’importance de déplacer notre attention de la substitution du médecin par l’IA à celle de l’élimination de la friction opérationnelle autour du médecin. Je vais développer ici ce à quoi cela ressemble dans la pratique.

Génération de graphiques. L’IA peut transcrire et construire la documentation en temps réel pendant les visites. Cela réduit la charge de documentation, raccourcit le travail en dehors des heures de travail et rend la réalisation de la même journée beaucoup plus réaliste. Dans le cadre interne de MEDvidi, le générateur de graphiques met à jour la documentation en continu pendant la rencontre et est conçu pour réduire considérablement le temps de documentation.

Examen de graphiques. L’IA peut également examiner les graphiques par rapport aux SOP internes et signaler les écarts avant qu’ils n’atteignent le stade de la prescription. La plupart des examens de la qualité des soins de santé sont encore partiels et manuels ; par conséquent, en examinant chaque rencontre plutôt que juste un petit échantillon, la conformité devient plus visible et plus cohérente.

Automatisation du flux de travail préalable. Une grande partie du temps des fournisseurs est passée avant la décision clinique sur des choses comme la vérification d’identité, la vérification des bases de données d’État, l’examen de l’historique médical, la recherche de contre-indications potentielles ou la détection de modèles qui pourraient suggérer un comportement de recherche de drogues ou des lacunes dans la documentation. Rien de tout cela ne remplace le jugement, mais tout cela consomme du temps, c’est pourquoi l’IA peut aider à traiter ces couches avant que le clinicien n’intervienne.

Gestion des prescriptions de routine. Les soins de suivi stables sont là où l’IA peut être particulièrement utile. Pour les patients dont le traitement est resté constant, l’IA peut aider à gérer le flux de travail de renouvellement et à préparer le dossier, tandis que le médecin examine et approuve la décision finale. C’est un modèle très différent de celui des soins autonomes, car il est plus étroit, plus sûr et beaucoup plus pertinent par rapport au véritable goulet d’étranglement du système.

Chacun de ces cas d’utilisation a quelque chose en commun. Ils économisent du temps d’une manière qui élargit la capacité de soins. C’est mon argument central pour expliquer pourquoi je vois la couche administrative comme l’endroit où déployer l’IA en premier lieu.

L’architecture d’IA appropriée pour les paramètres cliniques

La substitution du médecin par l’IA est un autre de ces récits de bogeymen qui créent des titres sensationnels et dérangent les professionnels. Un modèle beaucoup plus pratique, bénéfique et indispensable est l’augmentation centrée sur le médecin dans les soins de santé.

Dans une telle architecture, le clinicien a le dernier mot sur chaque décision clinique, chaque prescription. Les plans de traitement seront toujours examinés et approuvés par un fournisseur de soins médicaux agréé. L’IA gère simplement les détails de la documentation, de la vérification, de la couche d’examen et des tâches répétitives autour de la visite. C’est la façon la plus sûre d’améliorer l’efficacité et de maintenir la responsabilité.

L’IA dans les soins de santé a également besoin de données cliniques réelles, car les modèles et les ensembles de données génériques ne sont pas suffisants. Les flux de travail cliniques sont trop spécifiques, les réglementations sont trop imbriquées et la marge d’erreur est trop petite. Un système d’IA formé sur un ensemble de données propriétaires de visites de patients par mois, avec une révision et une adhésion aux SOP intégrées dans le flux de travail, devrait être la base de tout système qui entreprend ce domaine. L’essence en est que l’IA dans les soins de santé doit être ancrée dans les opérations cliniques du monde réel et non dans une capacité de modèle général.

Conclusion

Lorsque les gens se plaignent que leur fournisseur de soins médicaux est inattentif, ils détectent un problème réel. Pensez à l’énergie de votre fournisseur de soins comme un ballon qui est percé de tous côtés par des tâches monotones et répétitives. Bien sûr, ils n’ont pas le temps ou la bande passante mentale pour vous traiter avec attention.

Au lieu de sauter dans le train de la peur de qui sera licencié en premier en raison de l’IA, la chose la plus sensée à faire, en particulier dans les soins de santé, est d’utiliser la technologie pour résoudre les couches de travail avec lesquelles les humains luttent. La chose qui rend l’IA si avantageuse est son manque de fatigue, quelque chose que les cliniciens humains ne possèdent pas.

Il est compréhensible pourquoi les soins de santé sont difficiles à automatiser en raison de réglementations complexes, de variations dans le comportement des fournisseurs, du besoin d’infrastructures personnalisées et du coût des erreurs étant énorme. Cependant, il existe un véritable bouchon administratif qui peut être résolu par cette technologie que nous avons à notre portée. Utilisons-la.

Sans commencer par le bouchon administratif, l’IA clinique aura du mal à gagner la confiance des gens à plus grande échelle lorsque ses capacités se développeront au-delà de ce qu’elle peut faire aujourd’hui.

Je pense que le modèle à court terme est simple. L’IA examine l’historique, vérifie les contre-indications, vérifie l’identité, génère le graphique et prépare le flux de travail de prescription. Le médecin examine l’image complète et approuve la décision finale. Ce qui nécessitait auparavant une visite complète de 20 minutes pour un suivi stable peut devenir un processus plus court, plus propre et plus sûr.

Cela peut sembler mineur sur le papier, mais c’est une refonte majeure dans un système qui est resté manuel depuis si longtemps et qui affecte tout le monde.