Kecerdasan Buatan di Bidang Kesehatan: Dari Janji ke Praktik

Sistem kesehatan tidak pernah memiliki janji teknologi yang lebih besar atau tekanan untuk memenuhinya daripada yang ada saat ini.

Inovasi dengan teknologi sangat mengagumkan. Kecerdasan Buatan (AI) generatif saat ini dapat membuat banding, meringkas catatan klinis, memungkinkan alat ambient, dan memungkinkan pasien terlibat di rumah. Lebih dari 96% rumah sakit rawat inap di AS saat ini menggunakan sistem EHR. Ini seharusnya menjadi era perawatan cerdas yang mulus. Namun, di suatu tempat antara potensi dan praktik, momentum hilang.

Infrastruktur warisan, tata kelola yang terfragmentasi, kelelahan tenaga kerja, dan kesenjangan sumber daya yang semakin melebar terus memperlambat kemajuan. Lebih lagi, tantangan yang lebih besar adalah bahwa pembayar, penyedia, dan pasien, maju dengan kecepatan mereka sendiri, masing-masing membangun kemampuan digital tanpa irama yang umum.

Sementara itu, tekanan untuk memberikan perawatan yang lebih baik dengan biaya yang lebih rendah semakin meningkat. Lebih dari 700 rumah sakit di AS, banyak di antaranya di daerah pedesaan, berisiko tutup. Perubahan legislatif bisa lebih lanjut mengurangi cakupan untuk jutaan orang.

Pada saat ini, bukanlah solusi titik yang dapat benar-benar mengubah perawatan, melainkan inovasi yang ditingkatkan. Untuk meningkatkan inovasi secara berkelanjutan, sistem kesehatan harus mengintegrasikan inovasi ke dalam alur kerja nyata, mengembangkannya dengan interoperabilitas, mengatur dengan niat, dan membangun untuk keselarasan di seluruh sistem.

Setiap Orang Menginovasi. Mengapa Masih Terasa Tidak Terhubung?

Masalahnya dimulai ketika inovasi terjadi dalam isolasi. Sistem kesehatan bereksperimen dengan GenAI dan alat digital, tetapi tanpa infrastruktur yang dibagikan atau keselarasan seluruh perusahaan, pilot ini jarang ditingkatkan.

Hanya satu dari empat sistem yang memiliki model tata kelola untuk mengelola penggunaan GenAI dengan bertanggung jawab, dan sebagian besar masih bergelut dengan lingkungan data yang terfragmentasi. Alih-alih menyederhanakan perawatan, ini sering menambah kompleksitas dalam cara kerja klinis.

Ambil contoh siklus pendapatan, misalnya, AI sekarang dapat menghasilkan banding dalam hitungan menit, namun pembayar masih memprosesnya secara manual. Ini menciptakan asimetri dan meningkatkan biaya administratif.

Apa yang Dibutuhkan untuk Meningkatkan AI di Bidang Kesehatan

Untuk melangkah maju, pemimpin harus merancang untuk konvergensi. Ini berarti membuat inovasi sebagai bagian dari cara perawatan sebenarnya bekerja: menghubungkan titik-titik di seluruh tim dan memastikan setiap upaya membawa hasil yang lebih baik untuk semua pemangku kepentingan.

Berikut adalah contoh perubahan tersebut dalam aksi:

1. Merancang Ulang Tenaga Kerja, Bukan Menggantinya

Inovasi yang dapat ditingkatkan di bidang kesehatan dimulai dengan kebenaran yang sulit: sistem kesehatan tidak akan memindahkan jarum kecuali mereka merancang ulang cara tim perawatan bekerja. Pada 2024, 57% eksekutif sistem kesehatan menyebutkan kekurangan tenaga kerja sebagai kekhawatiran strategis utama. Kekurangan kesiapan tenaga kerja juga merupakan salah satu dari tiga hambatan utama untuk transformasi digital. Ini menekankan kesenjangan yang luas antara penerapan dan kesiapan manusia di lapangan.

Penyedia yang berpikiran maju merespons dengan berbagai cara:

• Mereka berinvestasi dalam ketahanan tenaga kerja. Perawat sedang ditingkatkan untuk peran yang diaktifkan teknologi, tidak untuk menggantikan intuisi klinis, tetapi untuk memperkuatnya.
• Mereka menerapkan alat GenAI yang mengurangi beban kognitif. Sebagai contoh, dokumentasi ambient membantu klinisi mengotomatisasi pencatatan dan mengidentifikasi risiko readmisi. Ringkasan pra-kunjungan juga menjadi penting, karena mereka menyajikan konteks pasien sebelum janji untuk menyederhanakan pengiriman perawatan.
• Dan mereka merebut kembali waktu dan kapasitas dengan merancang ulang alur kerja. Rancangan ulang alur kerja, dipasangkan dengan delegasi yang cerdas, memiliki potensi untuk menghasilkan penghematan waktu 15-30% per shift, cukup untuk menjembatani kesenjangan hampir 300.000 perawat rawat inap^[8].

Ini adalah pendorong model perawatan yang lebih berkelanjutan. Inovasi harus dibangun dalam pengalaman mereka yang memberikan perawatan agar sukses.

2. Membangun Kerangka Manajemen Perubahan untuk AI

Tidak ada pendekatan satu-ukuran-untuk-semua untuk memanfaatkan AI di bidang kesehatan. Karena ini bukan hanya rollout teknologi lain.

Tidak seperti migrasi cloud, di mana infrastruktur memimpin, AI menuntut kita untuk memahami pekerjaan terlebih dahulu, apa yang memerlukan kognisi, apa yang menciptakan gesekan, dan di mana dukungan paling dibutuhkan. Pusat Keunggulan membantu penyedia melakukan hal ini dengan benar.

Pusat-pusat ini memformalkan tata kelola, menyelaraskan alur kerja, dan memastikan keamanan, kesetaraan, dan kepercayaan dalam penerapan. Tanpa mereka, inovasi berisiko macet di permukaan, berguna dalam teori, tetapi terlepas dari praktik perawatan.

Di Johns Hopkins, dasbor manajemen tempat tidur prediktif yang dirancang bersama dengan tim garis depan menjadi bagian integral dari pengambilan keputusan harian. Itulah yang disebut integrasi. Untuk AI yang ditingkatkan, harus terlebih dahulu sesuai dengan irama perawatan.

3. Membangun Jembatan untuk Mengatasi Kesenjangan Kepercayaan di AI Klinis

Inovasi tidak diterima secara seragam di seluruh perusahaan kesehatan. AI telah menemukan tempatnya di kantor belakang kesehatan, tetapi di pengaturan klinis, masih menemukan suaranya. Otomatisasi berkembang pesat di mana taruhannya lebih rendah, seperti tagihan dan banding, tetapi ketika datang ke diagnosis, triase, atau perencanaan perawatan, keraguan lebih dalam. Ini memahami; klinisi garis depan diminta untuk mempercayai alat yang tidak mereka bantu bangun, dalam lingkungan di mana kesalahan membawa biaya manusia yang nyata.

Itu tidak berarti inovasi klinis harus berhenti. Itu berarti harus dipandu secara berbeda.

Untuk AI membuat perbedaan nyata dalam praktik klinis, harus mengurangi beban kerja klinisi. Kesempatan terletak pada mendukung klinisi dengan tugas seperti stratifikasi risiko kesehatan populasi, pengawasan, ringkasan riwayat pasien, dan manajemen kapasitas. Ketika AI melengkapi pengambilan keputusan, mengurangi kelelahan kognitif, dan sesuai dengan alami ke dalam cara perawatan disampaikan, maka membangun kepercayaan.

4. Meredefinisi ROI di Luar Dolar

Kita perlu melihat ROI dari perspektif yang lebih luas jika kita ingin meningkatkan AI di bidang kesehatan. Ketika kita mendefinisikan ROI dengan penghematan biaya dan pemotongan anggaran, kita mungkin mengabaikan apa yang benar-benar penting. Keberhasilan harus menunjukkan hasil yang lebih baik dan koneksi yang lebih kuat antara klinisi dan pasien.

Di lingkungan di mana sebagian besar pekerjaan yang penting seperti koordinasi perawatan, ringkasan klinis, dan keterlibatan pasien-providen tidak langsung dapat di tagih, return on investment tidak dapat diukur hanya dengan dolar. Harus memperhitungkan waktu yang diperoleh kembali, kepercayaan yang dibangun, dan perawatan yang disampaikan dengan lebih bijaksana.

Sistem kesehatan yang berpikiran maju mulai menggeser percakapan. Mereka fokus pada apa yang memperbaiki perawatan daripada mengukur keberhasilan hanya dengan apa yang diotomatisasi. Apakah kita membuat tugas sehari-hari lebih mudah untuk klinisi? Apakah kita membebaskan waktu untuk hadir dengan pasien? Ini adalah pertanyaan yang harus dijawab dengan jelas setiap hari.

Merancang Ulang Kecerdasan Buatan di Bidang Kesehatan melalui Perawatan yang Dipimpin Manusia

Batas terbaru untuk kecerdasan buatan di bidang kesehatan adalah augmentasinya. Sistem bergeser dari otomatisasi belakang ke kecerdasan yang menghadap pasien, menggunakan AI yang membantu memesan perawatan, triase gejala, dan menafsirkan catatan longitudinal untuk memandu keputusan. Dirancang dengan benar, alat ini membangun kepercayaan, mengurangi beban kognitif, memperbaiki akses, dan membebaskan waktu untuk koneksi pasien.

Hampir 60% CEO kesehatan sekarang menempatkan GenAI sebagai prioritas investasi utama, dan 79% tetap optimis tentang pertumbuhan jangka panjang. Namun, 70% menyebutkan ketidakpastian regulasi sebagai hambatan utama untuk skala.

Jalan ke depan menuntut kepemimpinan penyedia yang berani. Kemajuan tidak akan datang dari penerapan yang mencolok atau kemenangan cepat. Akan datang dari melakukan pekerjaan yang benar-benar memajukan sistem. Termasuk menghilangkan pemborosan sistemik, menciptakan fondasi data yang dibagikan antara pembayar dan penyedia, memasang kerangka manajemen perubahan yang kuat, dan tetap fokus pada nilai yang dapat diukur, baik keuangan maupun non-keuangan.

Saatnya kita mulai membentuk AI menjadi sesuatu yang lebih mendasar, dapat diandalkan, transparan, dan sangat sesuai dengan kenyataan perawatan. Dampak AI terletak pada kemampuan untuk mengaktifkan setiap alur kerja, setiap keputusan, setiap interaksi dengan cara yang tenang dan mulus. Dan pada akhirnya, kemajuan yang sebenarnya adalah bagaimana kita membawa teknologi lebih dekat dengan orang-orang yang dilayaninya.