Connect with us

Kesehatan

Kapan Menghindari AI dalam Perawatan Kesehatan

mm

Setiap kali kemajuan teknologi baru memasuki sebuah industri, ada godaan untuk mengangkat mainan baru yang berkilau sebagai anecdote untuk semua masalah industri. AI dalam perawatan kesehatan adalah contoh yang baik. Ketika teknologi terus berkembang, itu telah diadopsi untuk penggunaan kasus dalam pengembangan obat, koordinasi perawatan, dan pembayaran, untuk menyebutkan beberapa. Ada sejumlah besar kasus penggunaan yang sah untuk AI dalam perawatan kesehatan, di mana teknologi jauh dan lebih baik daripada alternatif yang tersedia saat ini.

Namun, AI – seperti yang berdiri hari ini – hanya unggul dalam tugas-tugas tertentu, seperti memahami sejumlah besar data dan membuat keputusan berdasarkan aturan yang terdefinisi dengan baik. Situasi lain, terutama di mana konteks tambahan sangat penting untuk membuat keputusan yang tepat, tidak cocok untuk AI. Mari kita jelajahi beberapa contoh.

Menghindari Klaim dan Perawatan

Baik itu untuk klaim atau perawatan, penolakan adalah keputusan yang kompleks, dan terlalu penting untuk ditangani oleh AI sendiri. Ketika menolak klaim atau perawatan, ada imperatif moral yang jelas untuk melakukannya dengan hati-hati, dan berdasarkan kemampuan AI saat ini, itu memerlukan input manusia.

Di luar elemen moral, rencana kesehatan mempertaruhkan diri mereka sendiri ketika mereka bergantung terlalu berat pada AI untuk membuat keputusan penolakan. Rencana dapat, dan sedang, menghadapi gugatan, untuk menggunakan AI secara tidak benar untuk menolak klaim, dengan litigasi yang menuduh rencana tidak memenuhi persyaratan minimum untuk tinjauan dokter karena AI digunakan sebagai gantinya.

Bergantung pada Keputusan Masa Lalu

Mengandalkan AI untuk membuat keputusan berdasarkan keputusan sebelumnya memiliki kelemahan yang jelas: satu keputusan yang salah dari masa lalu akan terus mempengaruhi yang lain. Plus, karena aturan kebijakan yang menginformasikan AI sering didistribusikan di seluruh sistem atau dikodifikasi secara tidak sempurna oleh manusia, sistem AI dapat berakhir dengan mengadopsi, dan kemudian memperbarui, pemahaman yang tidak tepat tentang kebijakan ini. Untuk menghindari ini, organisasi perlu membuat sumber kebijakan tunggal, sehingga AI dapat merujuk dan belajar dari dataset yang dapat diandalkan.

Membangun di Atas Sistem Warisan

Sebagai teknologi yang relatif baru, AI membawa rasa kemungkinan, dan banyak tim ilmu data rencana kesehatan yang ingin segera memanfaatkan kemungkinan itu dengan menggunakan alat AI yang sudah dibangun ke dalam platform perusahaan yang ada. Masalahnya adalah proses klaim kesehatan sangat kompleks, dan platform perusahaan sering tidak memahami kerumitan. Menempelkan AI di atas platform warisan sebagai solusi satu-ukuran (yang tidak memperhitungkan semua faktor yang mempengaruhi penyelesaian klaim) berakhir dengan menyebabkan kebingungan dan ketidakakuratan, bukan menciptakan proses yang lebih efisien.

Bergantung pada Data Lama

Salah satu manfaat terbesar dari AI adalah bahwa itu semakin baik dalam mengatur tugas ketika itu belajar, tetapi pembelajaran itu hanya dapat terjadi jika ada umpan balik yang konsisten yang membantu AI memahami apa yang telah salah sehingga itu dapat disesuaikan. Umpan balik itu tidak hanya harus konstan, tetapi juga harus berdasar pada data yang bersih dan akurat. Setelah semua, AI hanya sebaik data yang dipelajari.

Kapan AI dalam Perawatan Kesehatan Bermanfaat

Penggunaan AI dalam sektor di mana outputnya sangat konsekuensial seperti perawatan kesehatan memang memerlukan kehati-hatian, tetapi itu tidak berarti bahwa tidak ada kasus penggunaan di mana AI masuk akal.

Untuk satu, tidak ada kekurangan data dalam perawatan kesehatan (pertimbangkan bahwa catatan medis satu orang bisa berjumlah ribuan halaman), dan pola dalam data itu dapat memberitahu kita banyak tentang mendiagnosis penyakit, menyelesaikan klaim dengan benar, dan lain-lain. Ini adalah di mana AI unggul, mencari pola dan menyarankan tindakan berdasarkan pola itu yang dapat dijalankan oleh peninjau manusia.

Area lain di mana AI unggul adalah dalam memuat dan mengingestikan kebijakan dan aturan yang mengatur bagaimana klaim dibayar. Generative AI (GenAI) dapat digunakan untuk mengubah konten kebijakan dari berbagai format menjadi kode yang dapat dibaca mesin yang dapat diterapkan secara konsisten di semua klaim pasien. GenAI juga dapat digunakan untuk merangkum informasi dan menampilkan dalam format yang mudah dibaca untuk ditinjau oleh manusia.

Benang utama melalui semua kasus penggunaan ini adalah bahwa AI digunakan sebagai co-pilot untuk manusia yang mengawasinya, bukan menjalankan pertunjukan sendiri. Selama organisasi dapat mempertahankan ide itu dalam benak mereka saat mereka menerapkan AI, mereka akan berada dalam posisi untuk sukses selama era di mana perawatan kesehatan sedang ditransformasikan oleh AI.

Dr. Tim Wetherill, Chief Clinical Officer di Machinify, dilatih sebagai ahli bedah umum/trauma di University of Kansas. Ia bekerja sebagai ahli bedah umum di praktik swasta dan VA sebelum beralih ke BCBS Montana dan HCSC di mana ia memimpin transformasi besar di sekitar manajemen pemanfaatan, integritas pembayaran dan apotek. Ia juga menjabat sebagai Ketua Komite Kebijakan Medis dan pencipta Komite Validasi Klinis Vendor.