Mengapa AI di Bidang Kesehatan Diterapkan di Tempat yang Salah

Industri sedang mengejar masalah yang salah

Pembicaraan tentang AI di bidang kesehatan saat ini adalah tentang autonomi. Apakah AI dapat mendiagnosa penyakit? Apakah dapat meresepkan obat? Apakah dapat menggantikan dokter?

Kita tidak perlu lagi mempertimbangkan apa-apa karena kita sudah memiliki contoh nyata penerapan AI di bidang kesehatan. Utah telah membuka pintu untuk AI otonom dalam perpanjangan resep melalui sandbox regulasi. Negara-negara lain sedang menonton untuk melihat apakah pilot awal menunjukkan keamanan dan efisiensi yang dapat diterima.

Tapi saya pikir mempertanyakan penggantian dokter dengan AI adalah tempat yang salah untuk industri memulai.

Sebelum kita bertanya seberapa banyak hubungan klinis yang dapat diserap AI, kita harus menangani masalah yang lebih sederhana dan segera yang ada di depan kita. Dokter-dokter terlalu sibuk dengan pekerjaan administratif. Pasien masih tidak dapat mendapatkan janji temu yang tepat waktu karena akses dibatasi lebih oleh kurangnya waktu dokter yang dapat digunakan daripada oleh kurangnya permintaan pasien. Itulah tempat dimana backlog dimulai, dan itulah tempat AI sangat dibutuhkan untuk mengurangi beban operasional.

Hal ini terutama terasa di bidang kesehatan mental. Sekitar 22 juta orang Amerika hidup dengan ADHD, dan gangguan kecemasan mempengaruhi sekitar 19% dari dewasa di AS dalam setahun. Itu sekitar 31% selama seumur hidup. Kedua kondisi ini sangat dapat diobati, namun jutaan orang tidak menerima perawatan yang direkomendasikan oleh pedoman. Masalahnya bukanlah kurangnya kesadaran karena bahkan sekilas pandang pasar akan menunjukkan berbagai alat bantu diri, konten, pelacak, dan aplikasi yang ramah ADHD. Celah yang sebenarnya adalah akses ke perawatan klinis yang sebenarnya, diagnosis, dan pengelolaan obat ketika diperlukan.

Artikel ini mendukung titik awal yang lebih sederhana. Peran AI dengan ROI tertinggi di bidang kesehatan saat ini adalah administratif. Menggunakan AI terlalu awal di pengaturan klinis dapat menciptakan lebih banyak masalah daripada manfaat. Jika kita ingin AI menjadi bagian yang dipercaya dari perawatan, kita perlu menerapkannya pertama kali di tempat di mana beban terberat dan keuntungan segera.

Data menunjukkan di mana AI dapat lebih efisien

Ada pola yang terungkap dengan cepat ketika Anda membangun di bidang kesehatan. Apa pun dokter yang Anda pekerjakan, dalam beberapa bulan, dokter itu akan sepenuhnya terisi. Kami telah melihat ini berulang kali. Ini tidak berarti bahwa hanya ada kekurangan penyedia di abstrak, tetapi bagaimana waktu penyedia dikonsumsi ketika panel mulai terisi.

Di bidang psikiatri, sekitar 80% janji temu adalah tindak lanjut rutin. Ini bukan semua pertemuan diagnostik yang kompleks. Banyak di antaranya adalah pasien yang stabil yang melanjutkan perawatan yang sama, memeriksa, meninjau gejala, dan memperbarui obat jika semuanya masih sesuai. Namun, kunjungan tersebut membawa beban penuh dokumentasi, verifikasi, tinjauan riwayat, pemeriksaan PDMP, dan alur kerja resep. Penyedia menghabiskan rata-rata 16 jam per minggu untuk pekerjaan administratif. Itu adalah waktu yang bisa pergi ke pasien baru atau perhatian klinis yang lebih baik untuk pasien dan kasus yang kompleks.

Ini adalah tempat di mana banyak diskusi AI menjadi terputus dari kenyataan operasional. Industri terus bertanya apakah AI dapat menggantikan peran dokter ketika sebenarnya, sebagian besar kapasitas yang hilang berasal dari tugas yang tidak memerlukan banyak penilaian klinis pada awalnya. Tugas-tugas ini dapat berupa pencatatan, verifikasi, tinjauan catatan, dan alur kerja tindak lanjut. Ini adalah proses yang dapat didukung AI dengan cara yang berguna dan dapat diukur.

Jika Anda memulihkan waktu itu, Anda tidak hanya mengurangi beban pada penyedia, tetapi juga membuka jadwal untuk lebih banyak pasien. Waktu tunggu adalah masalah akses kesehatan yang signifikan. Pasien sering menunggu minggu untuk melihat seorang profesional, dan akses tetap tidak merata di berbagai wilayah. HHS terus mencatat bahwa komunitas pedesaan dan perbatasan menghadapi terlalu sedikit penyedia dan terlalu sedikit dukungan kesehatan perilaku, mengutip telehealth sebagai cara untuk meningkatkan akses ke perawatan kesehatan mental.

Mengapa bidang kesehatan adalah industri yang paling sulit untuk diotomasi dengan AI

Bidang kesehatan mungkin terlihat standar dari luar. Namun, kenyataannya adalah standar dan variabel pada saat yang sama.

Ada pedoman, peraturan, dan aturan dokumentasi yang pasti. Namun, setiap dokter juga membawa kebiasaan, alur kerja, dan protokol yang dibentuk oleh pengaturan sebelumnya. Dua penyedia mungkin sedang mengobati kondisi yang sama di bawah kerangka hukum yang sama, sementara masih mendekati perawatan rutin dengan cara yang signifikan berbeda. AI harus mempertimbangkan variasi tersebut tanpa menyimpang dari standar perawatan. Itu adalah prestasi yang jauh lebih sulit daripada membangun model yang berfungsi dengan baik dalam demo.

Ketika datang ke regulasi, kepatuhan sebagian besar berlapis. Dewan lisensi negara bagian, lembaga federal, HIPAA, sistem pemantauan resep, database negara bagian, dan SOP klinis internal semua berpotongan. Tindakan yang patuh dalam satu negara bagian dapat tidak patuh di negara bagian lain. Alur kerja yang tampaknya tidak berbahaya dari perspektif produk dapat menjadi berisiko ketika datang ke resep, identitas pasien, retensi catatan, atau auditabilitas. Ada kompleksitas struktural yang terlibat dalam proses ini.

Bagian data juga tidak sesederhana yang diharapkan. Di bidang kesehatan, Anda tidak hanya menghubungkan alat umum bersama dan mulai belajar dari perilaku pengguna. Beberapa alat analitik standar dan pipa data tidak sesuai karena peraturan HIPAA kecuali jika mereka secara fundamental diubah. Anda sering memerlukan infrastruktur khusus dari awal. Hal-hal seperti bagaimana data disimpan, diproses, diaudit, dan disajikan dalam alur kerja. Jumlah perusahaan yang meremehkan ini sampai mereka terjun ke dalam proses pembangunan dan kemudian harus mengubah seluruh pekerjaan mereka.

Tapi lebih dari itu, saya akan mengatakan bahwa masalah terbesar sebenarnya adalah bahwa biaya membuat kesalahan di bidang kesehatan sangat tinggi.

Keluaran yang cacat mungkin hanya menciptakan ketidaknyamanan di industri lain, tetapi di bidang kesehatan, dapat mempengaruhi kualitas perawatan, keselamatan pasien, perilaku resep, atau paparan regulasi. Kesehatan manusia bukanlah sesuatu yang dapat kita mainkan untuk meningkatkan model AI kita dan sepantasnya. Ini harus digunakan sebagai prinsip panduan untuk membantu kita memahami di mana AI dapat diperkenalkan pertama kali di industri ini.

Penempatan AI dengan ROI tertinggi di bidang kesehatan adalah lapisan administratif

Saya harap saya telah menekankan pentingnya mengalihkan fokus kita dari menggantikan dokter dengan AI ke membersihkan gesekan operasional di sekitar dokter. Saya akan memperluas apa yang terlihat seperti ini secara praktis.

Generasi catatan. AI dapat menyalin dan membangun dokumentasi secara real-time selama kunjungan. Ini mengurangi beban pencatatan, mempersingkat pekerjaan setelah jam kerja, dan membuat penyelesaian hari yang sama lebih realistis. Dalam kerangka internal MEDvidi, generator catatan memperbarui dokumentasi secara terus-menerus selama pertemuan dan dirancang untuk mengurangi waktu pencatatan secara signifikan.

Tinjauan catatan. AI juga dapat meninjau catatan melawan SOP internal dan menandai penyimpangan sebelum mencapai tahap resep. Sebagian besar tinjauan kualitas kesehatan masih sebagian dan manual; oleh karena itu, dengan meninjau setiap pertemuan daripada sampel kecil, kepatuhan menjadi lebih terlihat dan lebih konsisten.

Otomatisasi alur kerja sebelum kunjungan. Sejumlah besar waktu penyedia dihabiskan sebelum keputusan klinis sebenarnya pada hal-hal seperti verifikasi identitas, pemeriksaan database negara bagian, tinjauan riwayat medis, mencari kontraindikasi potensial, atau skrining untuk pola yang mungkin menunjukkan perilaku mencari obat atau celah dokumentasi. Tidak ada yang menggantikan penilaian, tetapi semuanya mengonsumsi waktu, yang mengapa AI dapat membantu memproses lapisan-lapisan ini sebelum dokter masuk.

Pengelolaan resep rutin. Perawatan tindak lanjut yang stabil adalah tempat AI dapat sangat berguna. Untuk pasien yang perawatannya telah konsisten, AI dapat membantu mengelola alur kerja perpanjangan dan mempersiapkan catatan, sementara dokter masih meninjau dan menyetujui keputusan akhir. Itu adalah model yang sangat berbeda dari perawatan otonom karena lebih sempit, lebih aman, dan lebih relevan dengan bottleneck sebenarnya di sistem.

Setiap kasus penggunaan ini memiliki sesuatu yang sama. Mereka menghemat waktu dengan cara yang memperluas kapasitas perawatan. Itu adalah argumen utama saya mengapa saya melihat lapisan administratif sebagai tempat dengan ROI tertinggi untuk menerapkan AI pertama kali.

Arsitektur AI yang tepat untuk pengaturan klinis

Penggantian dokter adalah salah satu cerita hantu AI yang menciptakan headline yang sensasional dan mengganggu pikiran para profesional. Model yang lebih praktis, bermanfaat, dan tak tergantikan adalah augmentasi dokter-berpusat di bidang kesehatan.

Dalam arsitektur seperti itu, dokter memiliki kata terakhir dalam setiap keputusan klinis, resep. Rencana perawatan masih akan ditinjau dan disetujui oleh penyedia medis yang berlisensi. AI hanya menangani hal-hal yang tidak penting dari dokumentasi, verifikasi, lapisan tinjauan, dan tugas-tugas berulang di sekitar kunjungan. Itu adalah cara yang paling aman untuk meningkatkan efisiensi dan mempertahankan akuntabilitas.

AI di bidang kesehatan juga memerlukan data klinis yang sebenarnya karena model dan dataset umum tidak cukup. Alur kerja klinis terlalu spesifik, peraturan terlalu berlapis, dan margin untuk kesalahan terlalu kecil. Sistem AI yang dilatih pada dataset propietary dari kunjungan pasien per bulan, dengan tinjauan penyedia dan kepatuhan SOP yang terintegrasi ke dalam alur kerja harus menjadi dasar dari setiap sistem yang memasuki bidang ini. Intinya adalah bahwa AI di bidang kesehatan harus berbasis pada operasi klinis dunia nyata bukan kemampuan model umum.

Bagi dokter, arsitektur ini mengurangi jam yang hilang karena pekerjaan administratif dan menyisakan lebih banyak waktu untuk pasien baru dan kasus yang kompleks. Bagi pasien, ini menyediakan akses yang lebih cepat ke perawatan kesehatan dengan biaya yang lebih rendah, dipasangkan dengan konsistensi yang lebih besar dalam cara perawatan didokumentasikan dan disampaikan. Regulator juga diuntungkan dengan memiliki visibilitas yang lebih besar karena sistem saat ini sering menyembunyikan inkonsistensi di dalam alur kerja yang tersebar. Penerapan AI yang tepat membuat alur kerja lebih dapat dibaca dan ditinjau. Tinjauan itu sendiri jauh lebih mudah untuk diaudit daripada dokumentasi yang dibuat oleh manusia.

Dengan menjadi dapat diandalkan di dalam alur kerja yang dapat diukur, AI menjadi alat yang dapat dipercaya untuk meningkatkan area yang jelas-jelas terstruktur di industri ini.

Kesimpulan

Ketika orang mengeluh tentang penyedia medis mereka yang tidak memperhatikan, mereka sedang menemukan masalah yang nyata. Bayangkan energi penyedia medis Anda sebagai balon yang sedang ditusuk dari semua sisi oleh tugas-tugas yang membosankan dan berulang. Tentu saja, mereka tidak memiliki waktu atau bandwidth mental untuk menangani Anda dengan penuh perhatian.

Sebagai gantinya untuk melompat ke kereta ketakutan tentang siapa yang akan dipecat pertama karena AI, hal yang lebih masuk akal untuk dilakukan, terutama di bidang kesehatan, adalah menggunakan teknologi untuk memperbaiki lapisan pekerjaan yang manusia sulit lakukan. Hal yang membuat AI sangat menguntungkan adalah ketidaklelahannya—sesuatu yang klinisi manusia tidak miliki.

Ini dapat dimengerti mengapa bidang kesehatan sulit untuk diotomasi karena regulasi yang kompleks, variasi perilaku penyedia, kebutuhan infrastruktur khusus, dan biaya kesalahan yang sangat besar. Namun, ada kemacetan administratif yang nyata yang dapat diperbaiki oleh teknologi yang kita miliki di ujung jari kita. Mari kita gunakan.

Tanpa memulai dari kemacetan administratif, AI klinis akan berjuang untuk mendapatkan kepercayaan dari orang-orang dalam skala yang lebih besar ketika kemampuannya berkembang di luar apa yang dapat dilakukan hari ini.

Saya pikir model jangka pendek sangat sederhana. AI meninjau riwayat, memeriksa kontraindikasi, memverifikasi identitas, menghasilkan catatan, dan mempersiapkan alur kerja resep. Dokter meninjau gambaran lengkap dan menyetujui keputusan akhir. Apa yang dulunya memerlukan kunjungan penuh 20 menit untuk tindak lanjut yang stabil dapat menjadi proses yang lebih singkat, lebih bersih, dan lebih aman.

Ini mungkin tampak sepele di atas kertas, tetapi ini adalah perubahan besar dalam sistem yang telah manual selama ini dan mempengaruhi semua orang.