Quand éviter l’IA dans les soins de santé

Chaque fois qu’une nouvelle avancée technologique fait son apparition dans un secteur, il peut y avoir une tentation d’anoblir ce nouveau jouet comme une anecdote à tous les maux de l’industrie. L’IA dans les soins de santé est un excellent exemple. Au fur et à mesure que la technologie continue de progresser, elle a été adoptée pour des cas d’utilisation dans le développement de médicaments, la coordination des soins et le remboursement, pour n’en citer que quelques-uns. Il existe un grand nombre de cas d’utilisation légitimes pour l’IA dans les soins de santé, où la technologie est loin d’être meilleure que toutes les alternatives actuellement disponibles.

Cependant, l’IA – telle qu’elle se présente aujourd’hui – n’excellente que dans certaines tâches, comme la compréhension de grandes quantités de données et la prise de décisions basées sur des règles bien définies. D’autres situations, en particulier celles où un contexte supplémentaire est essentiel pour prendre la bonne décision, ne sont pas bien adaptées pour l’IA. Explorons quelques exemples.

Refus de demandes et de soins

Que ce soit pour une demande ou des soins, les refus sont des décisions complexes et trop importantes pour être traitées par l’IA seule. Lorsqu’il s’agit de refuser une demande ou des soins, il y a une évidence morale à le faire avec la plus grande prudence, et sur la base des capacités de l’IA aujourd’hui, cela nécessite une intervention humaine.

Au-delà de l’élément moral, les régimes de santé se mettent en danger lorsqu’ils s’appuient trop lourdement sur l’IA pour prendre des décisions de refus. Les régimes peuvent, et sont, confrontés à des poursuites judiciaires, pour avoir utilisé l’IA de manière impropre pour refuser des demandes, avec litiges accusant les régimes de ne pas répondre aux exigences minimales d’examen médical parce que l’IA a été utilisée à la place.

Se fier aux décisions passées

Faire confiance à l’IA pour prendre des décisions basées uniquement sur la façon dont elle a pris une décision précédente a une faille évidente : une mauvaise décision du passé vivra pour influencer les autres. De plus, parce que les règles de politique qui informent l’IA sont souvent distribuées à travers des systèmes ou codifiées de manière imparfaite par les humains, les systèmes d’IA peuvent finir par adopter, puis perpétuer, une compréhension inexacte de ces politiques. Pour éviter cela, les organisations doivent créer une source unique de vérité politique, afin que l’IA puisse se référer et apprendre à partir d’un ensemble de données fiable.

Construire sur des systèmes hérités

En tant que technologie relativement nouvelle, l’IA apporte un sens de possibilité, et de nombreux équipes de science des données des régimes de santé sont impatients de tirer parti de cette possibilité rapidement en utilisant des outils d’IA déjà intégrés dans les plateformes d’entreprise existantes. Le problème est que les processus de réclamation de soins de santé sont extrêmement complexes, et les plateformes d’entreprise ne comprennent souvent pas les complexités. Ajouter l’IA à ces plateformes héritées comme une solution universelle (qui ne tient pas compte de tous les facteurs variés qui affectent l’adjudication des réclamations) finit par causer de la confusion et de l’inexactitude, plutôt que de créer des processus plus efficaces.

S’appuyer sur de vieilles données

L’un des plus grands avantages de l’IA est qu’elle devient de plus en plus compétente pour orchestrer des tâches à mesure qu’elle apprend, mais cet apprentissage ne peut se produire que s’il existe une boucle de rétroaction constante qui aide l’IA à comprendre ce qu’elle a mal fait afin qu’elle puisse s’ajuster en conséquence. Cette rétroaction doit non seulement être constante, mais également basée sur des données propres et précises. Après tout, l’IA n’est que aussi bonne que les données dont elle apprend.

Lorsque l’IA dans les soins de santé EST bénéfique

L’utilisation de l’IA dans un secteur où les sorties sont aussi conséquentes que les soins de santé nécessite certainement de la prudence, mais cela ne signifie pas qu’il n’y a pas de cas d’utilisation où l’IA a du sens.

Tout d’abord, il n’y a pas pénurie de données dans les soins de santé (considérez qu’un seul dossier médical d’une personne pourrait comporter des milliers de pages), et les modèles au sein de ces données peuvent nous dire beaucoup sur le diagnostic des maladies, l’adjudication correcte des réclamations, et plus encore. C’est là que l’IA excelle, en cherchant des modèles et en suggérant des actions basées sur ces modèles que les réviseurs humains peuvent suivre.

Un autre domaine où l’IA excelle est dans la catalogation et l’ingestion des politiques et des règles qui régissent la façon dont les réclamations sont payées. L’IA générative (GenAI) peut être utilisée pour transformer ce contenu de politique à partir de différents formats en code lisible par machine qui peut être appliqué de manière cohérente à toutes les réclamations de patients. Le GenAI peut également être utilisé pour résumer les informations et les afficher dans un format facile à lire pour un humain à examiner.

Le fil conducteur à travers tous ces cas d’utilisation est que l’IA est utilisée comme un copilote pour les humains qui la supervisent, et non comme le pilote de l’avion. Tant que les organisations peuvent garder cette idée à l’esprit lorsqu’elles mettent en œuvre l’IA, elles seront en position de réussir pendant cette ère où les soins de santé sont transformés par l’IA.