Mengapa AI di Bidang Kesehatan Diterapkan di Tempat yang Salah

Industri sedang mengejar masalah yang salah

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

Kita tidak perlu lagi mempertimbangkan hal-hal ini karena kita sudah memiliki contoh nyata penerapan AI di bidang kesehatan. Utah telah membuka pintu untuk AI otonom dalam perbaruan resep melalui sandbox regulasi. Negara-negara lain sedang mengawasi 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 tentang seberapa banyak hubungan klinis yang dapat diserap AI, kita harus menangani masalah yang lebih sederhana dan langsung di depan kita. Dokter terlalu banyak bekerja administratif. Pasien masih tidak dapat mendapatkan janji temu yang tepat waktu karena akses terbatas tidak oleh kurangnya permintaan pasien, tetapi oleh kurangnya waktu dokter yang dapat digunakan. 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 menderita ADHD, dan gangguan kecemasan mempengaruhi sekitar 19% dari dewasa di AS dalam setahun. Itu sekitar 31% dalam 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 ke 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.

Tulisan 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 tepercaya dari perawatan, kita perlu menerapkannya pertama kali di tempat di mana beban terberat dan keuntungan langsung.

Data menunjukkan di mana AI dapat lebih efisien

Terdapat pola yang menunjukkan dirinya sangat cepat ketika Anda membangun di bidang kesehatan. Apa pun dokter yang Anda pekerjakan, dalam beberapa bulan, dokter itu sudah fully booked. Kami telah melihat ini berulang kali. Ini tidak berarti bahwa hanya ada kekurangan penyedia di abstrak, tetapi bagaimana waktu penyedia habis ketika panel mulai terisi.

Di bidang psikiatri, sekitar 80% janji temu adalah tindak lanjut rutin. Ini bukan semua pertemuan diagnostik yang kompleks. Banyak dari mereka adalah pasien yang stabil yang melanjutkan perawatan yang sama, memeriksa gejala, dan memperbarui obat jika semuanya masih sesuai. Namun, kunjungan tersebut membawa beban penuh dokumentasi, verifikasi, tinjauan riwayat, PDMP checks, 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 hanya perhatian klinis yang lebih baik untuk pasien dan kasus yang kompleks.

Ini adalah tempat di mana banyak diskusi AI menjadi tidak terhubung dengan 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. Ini dapat berupa tugas seperti pencatatan, verifikasi, tinjauan catatan, dan alur kerja tindak lanjut. Ini adalah proses yang tepat 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 kembali jadwal untuk lebih banyak pasien. Waktu tunggu adalah masalah akses perawatan 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 terpencil menghadapi terlalu sedikit penyedia dan terlalu sedikit dukungan kesehatan perilaku, dengan menyebutkan telehealth sebagai cara untuk meningkatkan akses ke perawatan kesehatan mental.

Mengapa perawatan kesehatan adalah industri yang paling sulit untuk diotomatisasi dengan AI

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

Tentu ada pedoman, regulasi, dan aturan dokumentasi tertentu. 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 berbeda secara signifikan. 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 bersinggungan. 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 sekali ketika datang ke resep, identitas pasien, retensi catatan, atau auditabilitas. Ada kompleksitas struktural yang terlibat dalam proses tersebut.

Bagian data juga tidak sesederhana yang diharapkan. Di perawatan kesehatan, Anda tidak hanya menghubungkan alat umum bersama dan memulai pembelajaran dari perilaku pengguna. Beberapa alat analitik standar dan pipa data tidak sesuai karena regulasi 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 sangat banyak.

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

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

Penempatan AI dengan ROI tertinggi di kesehatan adalah lapisan administratif

Saya berharap saya telah menekankan pentingnya menggeser fokus kita dari menggantikan dokter dengan AI untuk membersihkan gesekan operasional di sekitar dokter. Saya akan memperluas apa yang terlihat secara praktis.

Generasi catatan. AI dapat menranskrip 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. Di kerangka internal MEDvidi, generator catatan memperbarui dokumentasi secara terus-menerus selama pertemuan dan dirancang untuk mengurangi waktu pencatatan secara substansial.

Tinjauan catatan. AI juga dapat meninjau catatan melawan SOP internal dan menandai penyimpangan sebelum mencapai tahap resep. Sebagian besar tinjauan kualitas perawatan 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, cross-checking database negara bagian, meninjau riwayat medis, mencari kontraindikasi potensial, atau menyaring pola yang mungkin menunjukkan perilaku mencari obat atau celah dokumentasi. Tidak ada yang menggantikan penilaian, tetapi semua itu menghabiskan waktu, yang mengapa AI dapat membantu memproses lapisan-lapisan ini sebelum dokter masuk.

Pengelolaan resep rutin. Perawatan tindak lanjut yang stabil adalah di mana AI dapat sangat berguna. Untuk pasien yang perawatannya tetap konsisten, AI dapat membantu mengelola alur kerja perbaruan 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 kesamaan. Mereka menghemat waktu dengan cara yang memperluas kapasitas perawatan. Itu adalah argumen utama saya mengapa saya melihat lapisan administratif sebagai tempat penempatan AI dengan ROI tertinggi.

Arsitektur AI yang tepat untuk pengaturan klinis

Penggantian dokter adalah salah satu cerita hantu AI yang menciptakan judul yang sensasional dan mengganggu pikiran profesional.

Sebuah model yang lebih praktis, bermanfaat, dan tak tergantikan adalah augmentasi dokter-pusat di perawatan kesehatan.

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

AI di perawatan kesehatan juga memerlukan data klinis yang sebenarnya karena model dan dataset umum tidak cukup. Alur kerja klinis terlalu spesifik, regulasi terlalu berlapis, dan margin untuk kesalahan terlalu kecil. Sistem AI yang dilatih pada dataset proprietary 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 perawatan kesehatan harus berbasis pada operasi klinis dunia nyata bukan kemampuan model umum.

Untuk dokter, arsitektur ini mengurangi jam yang hilang untuk pekerjaan administratif dan menyisakan lebih banyak waktu untuk pasien baru dan kasus yang kompleks. Untuk pasien, itu menyediakan akses lebih cepat ke perawatan kesehatan dengan biaya yang lebih rendah, dipasangkan dengan konsistensi yang lebih besar dalam bagaimana 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 berserakan. Penerapan AI yang tepat membuat alur kerja lebih dapat dibaca dan dapat ditinjau. Tinjauan itu sendiri jauh lebih mudah untuk diaudit daripada dokumentasi yang dibuat manusia.

Dengan menjadi andal di dalam alur kerja yang dapat diukur, AI menjadi alat tepercaya untuk meningkatkan area yang jelas-jelas industri yang sangat penting ini bergumul.

Kesimpulan

Ketika orang mengeluh tentang penyedia medis mereka yang tidak memperhatikan, mereka memperhatikan masalah yang nyata. Bayangkan energi penyedia medis Anda sebagai balon yang ditusuk dari semua sisi oleh tugas-tugas yang membosankan dan berulang.

Alih-alih melompat ke kereta ketakutan tentang siapa yang akan dipecat pertama karena AI, hal yang lebih masuk akal untuk dilakukan, terutama di perawatan kesehatan, adalah menggunakan teknologi untuk memperbaiki lapisan pekerjaan yang manusia bergumul. Hal yang membuat AI sangat menguntungkan adalah ketidaklelahannya—sesuatu yang dokter manusia tidak miliki.

Memahami bahwa perawatan kesehatan sulit diotomatisasi karena regulasi yang kompleks, variasi perilaku penyedia, kebutuhan akan infrastruktur yang dibangun khusus, dan biaya kesalahan yang sangat besar. Namun, ada sumbatan administratif yang nyata yang dapat diperbaiki oleh teknologi yang kita miliki di ujung jari kita. Mari kita gunakan.

Tanpa memulai dari sumbatan administratif, AI klinis akan bergumul 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 alur kerja resep, dan mempersiapkan catatan. Dokter meninjau gambaran lengkap dan menyetujui keputusan akhir. Apa yang sebelumnya memerlukan kunjungan penuh 20 menit untuk tindak lanjut yang stabil dapat menjadi proses yang lebih singkat, lebih bersih, dan lebih aman.

Mungkin terlihat kecil di atas kertas, tetapi ini adalah perubahan besar dalam sistem yang telah manual selama ini dan mempengaruhi semua orang.