Grant Lunney, responsabile di prodotto presso EverHealth – Serie di interviste

Grant Lunney è responsabile di prodotto presso EverHealth e vanta quasi due decenni di esperienza nelle tecnologie sanitarie, nelle attività cliniche e nella strategia di prodotto. Nel corso della sua carriera ha lavorato per Boulder Community Health, OTTO Health, NextGen Healthcare e CrowdHealth, concentrandosi sull’assistenza ambulatoriale e sulle sfide pratiche che affrontano gli studi medici. In EverHealth si occupa di applicare l’IA alla documentazione clinica e ai flussi di lavoro degli studi, per lasciare ai professionisti sanitari più tempo da dedicare ai pazienti.

EverHealth offre tecnologie sanitarie che comprendono cartelle cliniche elettroniche, gestione degli studi medici, fatturazione medica e comunicazioni con i pazienti. EverHealth Scribe utilizza l’IA ambientale per trasformare le conversazioni tra pazienti e professionisti sanitari in bozze di note cliniche all’interno della cartella clinica elettronica, da sottoporre alla revisione e all’approvazione del professionista. In questa intervista, Lunney parla della documentazione nell’ambito della salute comportamentale, del consenso e della riservatezza dei pazienti, della supervisione clinica e di come l’IA possa ridurre il lavoro amministrativo negli studi indipendenti.

La sua carriera si è sviluppata nell’arco di quasi due decenni nel settore delle tecnologie sanitarie, dalle attività cliniche e strategiche presso Boulder Community Health alla direzione di prodotto presso OTTO Health, NextGen Healthcare, CrowdHealth e ora EverHealth. In che modo queste esperienze hanno influenzato la sua visione del ruolo che l’IA dovrebbe avere in ambito sanitario? E cosa l’ha spinta ad accettare l’opportunità di guidare l’innovazione di prodotto in EverHealth?

Ho trascorso quasi due decenni lavorando nel settore delle tecnologie sanitarie, soprattutto nell’ambito dell’assistenza ambulatoriale. In questo periodo ho assistito a una notevole evoluzione degli strumenti messi a disposizione dei medici per aiutarli a esercitare la professione. Ricordo quando la prescrizione elettronica era una grande novità. Poter inviare una ricetta per via elettronica e trovarla pronta in farmacia al momento dell’arrivo del paziente rappresentava un progresso significativo. Da allora abbiamo introdotto cartelle cliniche elettroniche sempre più sofisticate, automazione dei processi, interoperabilità e ogni sorta di strumento pensato per rendere più efficiente l’assistenza sanitaria.

Considero l’IA più o meno allo stesso modo. Che si parli di modelli linguistici di grandi dimensioni, IA generativa o modelli predittivi, si tratta di ulteriori strumenti a nostra disposizione. L’obiettivo resta lo stesso: rendere più efficienti i professionisti sanitari e, in ultima analisi, migliorare la qualità delle cure che possono offrire.

Pensiamo a un medico di base che segue 2.500 o 3.000 pazienti. Le sue giornate sono assorbite dalle visite per problemi acuti, dalla gestione dei farmaci e dall’assistenza a pazienti con più patologie croniche. Ma non credo per un istante che quei medici non vorrebbero dedicare più tempo a occuparsi dei pazienti in un’ottica preventiva. A parlare di alimentazione, attività fisica, salute comportamentale e fattori sociali che influiscono sulla salute delle persone. Ad aiutare le persone a compiere cambiamenti significativi che potrebbero impedire, innanzitutto, l’insorgere di un’altra patologia cronica. È per questo che hanno scelto di studiare medicina.

È questo che mi entusiasma dell’IA. Stiamo iniziando a sviluppare tecnologie in grado di sottrarre ai professionisti sanitari una parte significativa del lavoro amministrativo e dell’elaborazione delle informazioni, lasciando loro più tempo per esercitare la professione.

Ciò che mi ha attratto di EverHealth è la possibilità di applicare questa tecnologia gradualmente a ogni aspetto di uno studio medico. Credo fermamente che si debba risolvere un problema in modo eccellente prima di passare al successivo. Possiamo migliorare la documentazione clinica, poi il riconoscimento delle diagnosi, quindi la codifica, le richieste di esami e prestazioni, le prescrizioni e la gestione dello studio. Col tempo, questi miglioramenti iniziano a integrarsi tra loro.

EverHealth Scribe usa l’IA per trasformare le conversazioni tra pazienti e professionisti sanitari in documentazione clinica strutturata. Può spiegarci come funziona la tecnologia, dalla registrazione di una visita alla generazione di una nota clinica, e illustrarci cosa distingue il vostro approccio dalle altre soluzioni di documentazione medica basate sull’IA?

In parole semplici, un assistente di trascrizione basato sull’IA ascolta la conversazione tra un paziente e un professionista sanitario, usa il riconoscimento vocale per capire che cosa viene detto e da chi, quindi si avvale di un modello linguistico di grandi dimensioni per organizzare le informazioni clinicamente rilevanti in una nota strutturata. Il professionista esamina le informazioni, apporta le eventuali correzioni necessarie e approva la documentazione finale.

Credo che stiamo arrivando a un punto in cui la maggior parte dei validi assistenti di trascrizione basati sull’IA ambientale è ormai in grado di svolgere con notevole efficacia questo compito fondamentale. I modelli differiscono per sofisticazione e precisione, ma ritengo che le maggiori opportunità di differenziarsi dipenderanno sempre più da tutto ciò che circonda questo processo.

Per noi, il punto di partenza è capire quanta altra parte del lavoro del professionista sanitario possiamo completare una volta generata la nota. Abbiamo già aggiunto suggerimenti per le diagnosi e i codici CPT e stiamo estendendo le funzionalità alle richieste di esami e prestazioni e alle prescrizioni, integrando tutto direttamente nella cartella clinica elettronica. Inoltre, recuperiamo il contesto delle visite precedenti, l’anamnesi e la documentazione pre-visita, perché una conversazione di 15 minuti è solo una piccola parte di un quadro clinico molto più ampio. Stiamo anche sviluppando annotazioni che registrano osservazioni e note dei professionisti sanitari che non vengono mai espresse ad alta voce.

Abbiamo integrato l’affidabilità anche in tutte queste funzionalità. Se un professionista sanitario trascorre 30 minuti con un paziente e poi scopre che la registrazione non è riuscita, l’esperienza è disastrosa; dobbiamo quindi tenere conto di ogni aspetto, dal posizionamento del microfono alla connessione Wi-Fi instabile.

Se riusciamo a fare tutto questo nel modo giusto, al termine di una visita al clinico resterà da completare ben poco del lavoro di documentazione. Dovrà soltanto verificare i contenuti clinici, esercitare il proprio giudizio e seguire le raccomandazioni che ritiene appropriate.

I colloqui di salute mentale spesso includono conversazioni molto personali, sfumature emotive e rivelazioni delicate. Quali sono le sfide tecniche specifiche nello sviluppo di un assistente IA per la documentazione clinica in ambito di salute mentale e come vi assicurate che il sistema registri accuratamente le informazioni clinicamente rilevanti, senza interpretare male il contesto né documentare dettagli personali non necessari?

Una seduta di psicoterapia di 50 minuti, un consulto di salute mentale di 15 minuti e una visita di medicina interna di sette minuti sono conversazioni molto diverse. Anche la documentazione prodotta al termine di ciascun incontro dovrebbe essere diversa.

Partiamo quindi dal clinico e procediamo a ritroso. Quali informazioni occorre registrare? Come vanno organizzate? Qual è il livello di dettaglio clinicamente appropriato? E come deve essere la nota finale perché il professionista sia certo che rappresenti accuratamente l’incontro?

Una volta stabilito questo, possiamo iniziare a configurare e perfezionare l’IA affinché produca una documentazione in linea con tali aspettative. L’obiettivo è condensare una conversazione che potrebbe essere molto lunga, complessa e profondamente personale, ricavandone le informazioni cliniche effettivamente pertinenti all’assistenza del paziente.

E credo che questo sia particolarmente importante nell’ambito della salute mentale. Il fatto che qualcosa venga detto durante una seduta non significa automaticamente che debba entrare nella cartella clinica permanente del paziente. Il modello deve anche interpretare correttamente il significato clinico e, in ambito di salute mentale, una stessa affermazione può assumere significati molto diversi a seconda del contesto. Ecco perché la verifica e il giudizio del clinico restano essenziali.

Parliamo spesso di quanto siano intelligenti questi modelli, ma credo che parte del lavoro più importante avvenga prima ancora che il modello generi una nota. Si tratta di definire come si presenta un risultato clinico valido e poi migliorare continuamente l’affidabilità con cui lo produciamo.

In poche parole, il nostro processo consiste nel definire che cosa significa fare un buon lavoro, procedere a ritroso partendo da lì e lasciare al clinico l’ultima parola nel valutare se ci siamo riusciti.

Una ricerca di KFF ha rilevato che il 77% degli adulti statunitensi è preoccupato per la privacy delle informazioni sanitarie condivise con strumenti di IA. In che modo EverHealth affronta queste preoccupazioni, in particolare per quanto riguarda la conservazione dei dati dei pazienti, l’accesso di terze parti e l’uso di informazioni sensibili per addestrare o migliorare i modelli di IA?

La preoccupazione è legittima e non credo che i pazienti debbano essere costretti a rinunciare alla privacy per ricevere cure migliori. Allo stesso tempo, un’azienda tecnologica non dovrebbe chiedere loro di fidarsi ciecamente delle sue misure di protezione. I pazienti e gli studi medici meritano risposte chiare su quali informazioni utilizziamo, chi può accedervi e per quanto tempo le conserviamo.

Con EverHealth Scribe, le informazioni dei pazienti vengono trattate per supportare la documentazione clinica e la continuità delle cure. Collaboriamo con partner tecnologici, tra cui CarePilot, adottando tutele contrattuali come gli accordi di associazione commerciale, che disciplinano il trattamento delle informazioni sanitarie protette. Utilizziamo inoltre la crittografia e controlli degli accessi, e le informazioni che consentono di identificare i pazienti non vengono usate per addestrare modelli di IA. Le trascrizioni di Scribe sono disponibili per un massimo di 180 giorni, così i clinici possono consultare nuovamente il contesto pertinente tra un incontro e l’altro; gli studi medici possono anche richiederne la cancellazione.

In definitiva, non possiamo aggiungere la tutela della privacy all’innovazione a posteriori. Deve orientare le decisioni su ciò che sviluppiamo, a cui ci colleghiamo e che conserviamo.

Mentavi Health, che ha implementato EverHealth Scribe, raccoglie il consenso dei pazienti sia durante la fase di accettazione sia prima di ogni visita. Quanto è importante questo modello di consenso continuativo per instaurare un rapporto di fiducia con i pazienti e cosa dovrebbe accadere quando un paziente rifiuta la documentazione assistita dall’IA o revoca il consenso durante una seduta?

Il metodo adottato da Mentavi, che prevede di raccogliere il consenso durante la fase di accettazione e di nuovo prima di ogni visita, ribadisce che spetta al paziente decidere come ricevere assistenza.

Ho trascorso gran parte della mia carriera nella telemedicina e credo quindi che, in genere, i pazienti siano ben disposti verso la tecnologia quando ne vedono i vantaggi. Idealmente, possono mantenere più spesso il contatto visivo, interagire più direttamente e avere davanti un clinico davvero concentrato sulla conversazione, anziché seduto dietro un portatile o intento a digitare a una postazione di lavoro. È una proposta di valore piuttosto convincente.

Naturalmente, questo valore deve accompagnarsi alla possibilità di scegliere. I pazienti dovrebbero capire come viene utilizzata la tecnologia e sentirsi liberi di rifiutarla. Se qualcuno revoca il consenso durante una visita, la registrazione dovrebbe interrompersi e il clinico dovrebbe poter proseguire l’incontro e documentarlo seguendo la propria normale procedura. Le informazioni già raccolte devono essere trattate nel rispetto dei requisiti applicabili in materia di consenso e privacy.

In definitiva, credo che la fiducia nasca dalla capacità di offrire valore con costanza. Se aiutiamo i clinici a dedicare più tempo ai pazienti e questi ultimi riescono davvero a percepire la differenza, significa che stiamo facendo qualcosa di giusto.

Le note cliniche generate dall’IA comportano rischi potenziali, tra cui informazioni inventate, dettagli omessi e interpretazioni imprecise delle dichiarazioni dei pazienti. Quali misure di sicurezza ha adottato EverHealth per individuare questi errori e come garantite che i medici mantengano un’effettiva supervisione, invece di limitarsi ad approvare la documentazione generata dall’IA?

I medici collaborano a stretto contatto con l’assistente alla documentazione clinica e sono responsabili della revisione e della modifica delle note generate dall’IA prima di inserirle nella cartella clinica, così da ridurre al minimo il rischio di discrepanze nel risultato.

Prima che le informazioni vengano inserite nella cartella clinica, il medico deve esaminarle e modificarle. Resta comunque sua responsabilità stabilire se la nota descriva accuratamente la visita e se sia stato tralasciato o interpretato male qualcosa di importante.

L’altro elemento fondamentale è il feedback continuo. Dopo ogni visita chiediamo ai medici se la documentazione è stata utile e oltre il 96% delle risposte è stato positivo. È un segnale incoraggiante del fatto che riusciamo a offrire valore con regolarità.

Quando un medico segnala un problema, il nostro team interviene direttamente per capire che cosa è successo, individuare la causa e stabilire come migliorare l’esperienza. Il rapporto diretto con chi utilizza la tecnologia è una componente estremamente importante del modo in cui sviluppiamo e perfezioniamo il prodotto.

In definitiva, credo che sia così che si costruisce la fiducia nella documentazione supportata dall’IA: rendendo accessibili le informazioni alla base, mantenendo un’effettiva supervisione clinica e valutando costantemente se la tecnologia sia davvero d’aiuto.

Mentavi Health ha recentemente riferito di un’implementazione graduale che ha coinvolto oltre 30 medici abilitati e prodotto più di 14.000 note cliniche assistite dall’IA, con miglioramenti nella documentazione strutturata e nella registrazione dei codici diagnostici. Quali sono stati i risultati più significativi di questa implementazione e come valutate se gli strumenti di documentazione clinica basati sull’IA migliorino davvero la produttività dei medici, l’accuratezza della documentazione e l’assistenza ai pazienti?

Una delle lezioni più importanti emerse dall’implementazione di Mentavi è che il successo dell’adozione dipende da molto più della sola tecnologia. Mentavi ha riunito competenze cliniche, amministrative e tecnologiche per definire gli standard di documentazione, stabilire misure di qualità e introdurre con attenzione nuove funzionalità. È proprio questo il tipo di collaborazione che dovrebbe caratterizzare un’innovazione responsabile nel settore sanitario.

Con Scribe cerchiamo di risolvere un problema semplice: i medici dedicano troppo tempo alla documentazione delle visite. Quanto tempo e lavoro possiamo quindi eliminare?

Valutiamo il tempo necessario per la documentazione, la soddisfazione dei medici e l’efficacia con cui funzionalità come il riconoscimento delle diagnosi e i suggerimenti dei codici CPT eliminano passaggi aggiuntivi nel flusso di lavoro. Quando estenderemo il servizio a prescrizioni e ordini, applicheremo lo stesso approccio. Ogni funzionalità dovrebbe togliere ai medici un’altra parte significativa del lavoro quotidiano.

Il miglioramento nella registrazione dei codici diagnostici è stato particolarmente entusiasmante. Nella valutazione, le visite documentate con Scribe hanno raggiunto un tasso di registrazione dei codici diagnostici di quasi l’80%, rispetto a circa il 26% senza lo strumento. Si tratta di un notevole miglioramento della coerenza della documentazione clinica strutturata e di un ottimo esempio di come l’IA possa generare valore che va oltre la semplice stesura di una nota.

Il numero di note generate è incoraggiante, ma i risultati che contano sono la quantità di lavoro che riusciamo a eliminare e la qualità e la coerenza della documentazione che contribuiamo a produrre.

Gli studi medici e di salute mentale indipendenti dispongono spesso di risorse amministrative limitate rispetto ai sistemi sanitari più grandi. In che modo la documentazione basata sull’IA può aiutare gli studi più piccoli a competere e quali ostacoli relativi ai costi di implementazione, all’integrazione nei flussi di lavoro o all’adozione della tecnologia restano da superare?

Credo che la maggiore opportunità per gli studi indipendenti sia poter scegliere. Sollevando medici e personale dalle incombenze amministrative, diamo agli studi la libertà di decidere meglio come impiegare il proprio tempo e le proprie risorse. Un medico potrebbe voler visitare più pazienti. Oppure potrebbe voler dedicare più tempo ai pazienti che già segue. O magari desidera semplicemente concludere l’ultima visita alle cinque, passare 15 minuti a rivedere la documentazione e tornare a casa, anziché trascorrere altre due ore a recuperare il lavoro arretrato. Sono tutti risultati preziosi e dovrebbe essere lo studio a decidere quale sia il più importante.

Per quanto riguarda l’implementazione, siamo già il fornitore tecnologico dello studio, quindi l’integrazione nei flussi di lavoro è responsabilità nostra, non loro. Scribe funziona sui dispositivi che i medici già possiedono e per iniziare possono bastare una o due sessioni di formazione. Detto questo, uno studio piccolo ha pochissimo margine per far fronte ai problemi tecnici. Perciò puntiamo a rendere la configurazione il più possibile autonoma.

In definitiva, credo che l’IA dia agli studi indipendenti accesso a funzionalità ed efficienze operative che in passato erano alla portata soltanto di organizzazioni molto più grandi. Altrettanto importante, offre a chi lavora in questi studi un maggiore controllo su come impiegare il proprio tempo.

Con gli Stati che introducono normative sempre più eterogenee sull’IA in ambito sanitario, in particolare nella salute comportamentale, in che modo EverHealth si orienta in questo contesto normativo frammentato? Quali difficoltà si presentano nello sviluppo di un prodotto di IA che deve soddisfare requisiti diversi in materia di consenso dei pazienti, tutela della privacy dei dati e supervisione da parte dei professionisti sanitari nelle varie giurisdizioni?

Mi sembra di aver già visto questo film. Prima del COVID, ho trascorso gran parte della mia carriera nella telemedicina, affrontando le differenze da uno Stato all’altro in materia di licenze, luogo in cui si trova il paziente, consenso, prescrizioni e rimborsi. Poi, quasi da un giorno all’altro, le regole sono cambiate e abbiamo dovuto crescere mentre continuavano a cambiare.

Il panorama dell’IA mi sembra simile. Ci impegniamo a restare al passo con le proposte legislative, a comprendere le specificità normative statali e federali e a sviluppare il prodotto in modo che possa adattarsi.

Questo è particolarmente importante nella telemedicina per la salute comportamentale, dove un singolo professionista può seguire pazienti in molti Stati. Il consenso, la privacy e la supervisione clinica devono essere elementi fondamentali configurabili del servizio.

La vera lezione di quell’esperienza è che il prodotto deve essere progettato fin dall’inizio per adattarsi ai cambiamenti normativi. È questa la filosofia che adottiamo per l’IA in EverHealth. Il nostro compito è assorbire quanta più complessità possibile, così che i professionisti sanitari possano concentrarsi sull’assistenza.

Guardando al futuro, le capacità dell’IA si stanno estendendo rapidamente oltre la documentazione, fino al supporto alle decisioni cliniche, al coinvolgimento dei pazienti e a flussi di lavoro sanitari sempre più autonomi. Dove ritiene che debba rimanere il confine tra l’assistenza dell’IA e il giudizio clinico umano, soprattutto nell’ambito della salute mentale, e come immagina che la tecnologia di EverHealth evolverà nei prossimi tre-cinque anni?

L’IA può ascoltare, organizzare, far emergere informazioni pertinenti e formulare suggerimenti. Ma il giudizio clinico spetta al professionista sanitario.

Questo è particolarmente importante nella salute mentale, dove la storia del paziente, un cambiamento di tono o persino ciò che non viene detto possono essere significativi quanto le parole stesse. La tecnologia dovrebbe permettere ai professionisti sanitari di essere più presenti in quei momenti, non meno.

Nei prossimi tre-cinque anni, le opportunità andranno ben oltre uno strumento di documentazione clinica più intelligente. La nostra visione in EverHealth è un percorso intelligente di assistenza ambulatoriale, in cui la tecnologia contribuisce a collegare i momenti prima, durante e dopo una visita.

Immaginate una clinica che ricorda ciò che conta: le informazioni rilevanti sul paziente sono disponibili quando servono, i professionisti sanitari possono concentrarsi sul paziente invece di ricomporre informazioni frammentate e le decisioni cliniche confluiscono in modo più coerente nella documentazione, nella codifica, nel coordinamento dell’assistenza e nel follow-up. Non vogliamo semplicemente rendere più rapide le singole attività. Vogliamo ridurre gli ostacoli che si frappongono tra l’una e l’altra.

La nostra stella polare in tutto ciò che facciamo è fare in modo che ogni paziente si senta pienamente ascoltato e che ogni professionista sanitario abbia la chiarezza necessaria per offrire un’assistenza sicura e integrata.

Grazie per questa splendida intervista. I lettori che desiderano approfondire la documentazione clinica assistita dall’IA e i flussi di lavoro sanitari integrati possono visitare EverHealth.