Quand éviter l’IA dans les soins de santé

Lorsqu’une nouvelle avancée technologique fait son apparition dans un secteur, il peut y avoir une tentation de considérer ce nouveau jouet brillant comme une solution à tous les problèmes de l’industrie. L’IA dans les soins de santé est un excellent exemple. Alors que la technologie continue de progresser, elle a été adoptée pour des cas d’utilisation tels que le développement de médicaments, la coordination des soins et le remboursement, pour n’en citer que quelques-uns. Il existe de nombreux cas d’utilisation légitimes de l’IA dans les soins de santé, où la technologie est nettement supérieure à tout autre moyen actuellement disponible.

Cependant, l’IA – telle qu’elle est 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 le contexte est essentiel pour prendre la bonne décision, ne sont pas bien adaptées à l’IA. Explorons quelques exemples.

Refuser les demandes et les soins

Que ce soit pour une demande ou des soins, les refus sont des décisions complexes et trop importantes pour être prises 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 compte tenu des capacités de l’IA aujourd’hui, cela nécessite une intervention humaine.

Au-delà de l’aspect moral, les régimes de soins 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 incorrecte pour refuser les demandes, avec litiges accusant les régimes de ne pas remplir les exigences minimales pour l’examen médical parce que l’IA a été utilisée à la place.

S’appuyer sur les décisions passées

Faire confiance à l’IA pour prendre des décisions basées uniquement sur la façon dont elle a pris une décision précédente comporte une faille évidente : une mauvaise décision du passé continuera à influencer les autres. De plus, parce que les règles de politique qui informent l’IA sont souvent réparties sur plusieurs 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 les systèmes hérités

En tant que technologie relativement nouvelle, l’IA apporte un sentiment de possibilités, et de nombreux équipes de science des données des régimes de soins de santé sont impatients de tirer parti de ces possibilités 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 au sommet de ces plateformes héritées comme une solution universelle (qui ne tient pas compte de tous les facteurs qui affectent l’adjudication des réclamations) finit par créer de la confusion et de l’inexactitude, plutôt que de créer des processus plus efficaces.

S’appuyer sur les anciennes données

L’un des plus grands avantages de l’IA est qu’elle devient de plus en plus efficace pour orchestrer des tâches à mesure qu’elle apprend, mais cet apprentissage ne peut se produire que si un retour d’information constant est présent pour aider l’IA à comprendre ce qu’elle a mal fait afin qu’elle puisse s’ajuster en conséquence. Ce retour d’information doit non seulement être constant, mais également basé sur des données propres et précises. Après tout, l’IA n’est que aussi bonne que les données qu’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.

Par exemple, il n’y a pas pénurie de données dans les soins de santé (considérez qu’un seul dossier médical peut contenir 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. 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 le contenu de politique 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 de tous ces cas d’utilisation est que l’IA est utilisée comme un copilote pour les humains qui la supervisent, et non comme le chef d’orchestre. Tant que les organisations peuvent garder cette idée à l’esprit lorsqu’elles mettent en œuvre l’IA, elles seront en mesure de réussir pendant cette ère où les soins de santé sont transformés par l’IA.