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

L’industrie poursuit le mauvais problème

Le sujet de conversation dans les soins de santé liés à l’IA aujourd’hui concerne 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 ces hypothèses sont possibles, car nous avons maintenant des cas concrets d’application de l’IA dans les soins de santé. L’Utah a déjà ouvert la voie 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 le médecin 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, car 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 de l’anxiété affectent environ 19 % des adultes américains au cours d’une année donnée. C’est environ 31 % sur une période de toute une vie. Ces deux conditions sont très traitables, mais 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 d’abord 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 modèle qui se révèle très rapidement lorsqu’on travaille 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 n’y a qu’une pénurie de prestataires de soins en général, mais comment le temps des prestataires de soins est consommé une fois que le panel commence à se remplir.

Dans la 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, qui examinent les symptômes et qui renouvellent les médicaments si tout est toujours approprié. Pourtant, ces visites comportent le poids complet de la documentation, de la vérification, de l’examen des dossiers, des vérifications des bases de données de surveillance des médicaments et du flux de travail de prescription. Les prestataires de soins passent en moyenne 16 heures par semaine sur un travail administratif. C’est du temps qui aurait pu être consacré à de nouveaux patients ou à une attention clinique plus approfondie 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 prendre en charge le rôle du médecin, alors qu’en fait, une grande partie de la perte de capacité provient de tâches qui ne nécessitent pas beaucoup de jugement clinique en premier lieu. Ces tâches peuvent être 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 prestataire de soins, 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 font face à trop peu de prestataires de soins et à un soutien insuffisant 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 y a 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 prestataires de soins peuvent traiter la même affection sous 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 de construire 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 médicaments, les bases de données d’État et les SOP internes cliniques 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 que l’on pourrait s’y attendre. 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 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 présentées dans le flux de travail. Un nombre surprenant de sociétés sous-estiment cela jusqu’à ce qu’elles soient profondément impliquées 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 l’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 que l’on peut simplement 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 le niveau administratif

J’espère avoir convaincu le lecteur de l’importance de déplacer notre attention de la substitution du médecin par l’IA à la réduction de la friction opérationnelle autour du médecin. Je vais développer ici ce à quoi cela ressemble concrètement.

Génération de documents. 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 complétion en un jour beaucoup plus réaliste. Dans le cadre interne de MEDvidi, le générateur de documents met à jour la documentation en continu pendant la rencontre et est conçu pour réduire considérablement le temps de documentation.

Examen des documents. L’IA peut également examiner les documents contre les 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 qu’un petit échantillon, la conformité devient plus visible et plus cohérente.

Automatisation du flux de travail préalable à la visite. Une grande partie du temps des prestataires de soins est passée avant la décision clinique réelle 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 contrindications potentielles ou la recherche 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 entièrement autonomes, car il est plus étroit, plus sûr et beaucoup plus pertinent pour le 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 le niveau administratif comme l’endroit à plus haut rendement pour déployer l’IA en premier.

L’architecture d’IA appropriée pour les milieux cliniques

La substitution du médecin par l’IA est une autre de ces histoires de bogeymen qui créent des titres sensationnels et dérangent l’esprit des 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 prestataire 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 manière 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 standard 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 faible. Un système d’IA formé sur un ensemble de données propriétaires de visites de patients par mois, avec un examen et une adhésion aux SOP intégrés dans le flux de travail, devrait être la base de tout système qui entreprend ce domaine. L’essence de cela est que l’IA dans les soins de santé doit être ancrée dans les opérations cliniques réelles et non dans une capacité de modèle général.

Pour les cliniciens, cette architecture réduit les heures perdues en travail administratif et réserve plus de temps pour les nouveaux patients et les cas complexes. Pour les patients, cela fournit un accès plus rapide aux soins de santé à un coût inférieur, couplé avec plus de cohérence dans la façon dont les soins sont documentés et fournis. Les régulateurs bénéficient également d’une plus grande visibilité, car le système actuel cache souvent l’incohérence à l’intérieur des flux de travail épars. Le déploiement correct de l’IA rend les flux de travail plus lisibles et plus examinables. L’examen lui-même est beaucoup plus facile à auditer que la documentation réalisée par l’homme.

En devenant fiable dans un flux de travail mesurable, l’IA devient un outil de confiance pour améliorer un domaine dans lequel une industrie aussi vitale a clairement des difficultés.

Conclusion

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

Au lieu de sauter sur 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 que les humains ont du mal à gérer. La chose qui rend l’IA si avantageuse est son caractère inépuisable, quelque chose que les cliniciens humains ne possèdent pas.

Il est compréhensible que les soins de santé soient difficiles à automatiser en raison de réglementations complexes, de variations dans le comportement des prestataires de soins, de besoins d’infrastructures personnalisées et d’un coût d’erreur énorme. Cependant, il existe un véritable problème administratif qui peut être résolu par cette technologie que nous avons à portée de main. Utilisons-la.

Sans commencer par le problème 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 contraindications, vérifie l’identité, génère le flux de travail de documentation 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.

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