医療におけるAIの導入が間違った場所で行われている理由

業界は間違った問題を追っている

現在の医療AIの話題は、自律性についてです。AIは疾患を診断できるか。薬を処方できるか。最終的に医師を置き換えることができるか。

これらのもしもを考える必要はもうありません。医療におけるAIの応用の実例が現実に存在するからです。ユタ州はすでに、規制サンドボックスを通じて、処方の更新における自律AIの扉を開けています。他の州は、初期のパイロットが受け入れられる安全性と効率性を示すかどうかを見守っています。

しかし、私は、業界が最初に医師の置き換えに焦点を当てるべきではないと思います。

私たちが、臨床関係においてAIがどれだけの役割を果たすことができるかを問う前に、よりシンプルで緊急な問題に取り組むべきです。臨床医は行政作業で忙殺されています。患者は、患者数の不足ではなく、利用可能な臨床医の時間の不足によって、タイムリーな予約が取れないままです。那がボトルネックの始まりであり、そこがAIが運用負荷を軽減するために必要とされる場所です。

これは特に、精神保健で顕著です。約2200万のアメリカ人がADHDと共生しています。うつ病は、約19%のアメリカ人の大人のうち、1年に1回は発症します。つまり、生涯で約31%になります。これらの状態は、高い治療効果がありますが、数百万人が、ガイドラインに基づいたケアを受けていません。問題は、認識の欠如ではなく、市場には自己管理ツール、コンテンツ、トラッカー、ADHD対応アプリが豊富にあります。実際のギャップは、適切な臨床ケア、診断、薬物管理へのアクセスです。

この記事は、よりシンプルな出発点を主張しています。医療におけるAIの最高のROIの役割は、行政的なものです。AIを臨床現場で早期に導入すると、メリットよりも問題が生じる可能性があります。AIを信頼できるケアの一部にするためには、負担が最も大きく、利益が即時の場所に最初に導入する必要があります。

データは、AIがより効率的に働ける場所を明らかにする

医療で働くときにすぐに明らかになるパターンがあります。どの臨床医を雇用しても、数ヶ月以内に、完全に予約されます。これは、提供者不足があるということではなく、パネルの予約が埋まると、提供者の時間がどのように消費されるかを示しています。

精神科では、約80%の予約は、ルーチンワークのフォローアップです。これらはすべて複雑な診断エンカウントではありません。多くは、安定した患者が同じ治療コースを続け、症状を確認し、薬を更新するためのものです。ただし、これらの訪問は、文書化、検証、履歴の確認、PDMPチェック、処方ワークフローの完全な重量を担います。提供者は、平均して1週間あたり16時間を行政作業に費やします。これは、新しい患者や複雑な症例に費やすことができる時間です。

これは、AIに関する議論が、運用の現実から切り離されていることを示しています。業界は、AIが医師の役割を果たすことができるかどうかを尋ね続けています。実際、多くの能力の喪失は、最初から多くの臨床的判断を必要としないタスクから来ています。チャーティング、検証、レコードの確認、フォローアップワークフローなどのタスクです。これらは、AIがすでに有用で測定可能な方法でサポートできるプロセスです。

その時間を取り戻すと、提供者への負担を減らし、スケジュールをより多くの患者に開放することができます。待ち時間は、医療アクセスの重要な問題です。患者は、専門家に会うために数週間待たなければなりません。アクセスは、地域によっても不均等です。HHSは、農村や辺境地域が、提供者や行動保健サポートの不足に直面していることを指摘し、テレヘルスを、精神保健ケアへのアクセスを大幅に増やす方法として挙げています。

医療はなぜAIで自動化するのが最も難しい業界なのか

医療は、外から見ると標準化されているように見えます。実際、標準化と変数の両方が存在します。

確かに、ガイドライン、規制、文書化ルールがあります。ただし、各臨床医も、前の環境によって形成された習慣、ワークフロー、プロトコルを持っています。2人の提供者が同じ状態を同じ法的枠組みの下で治療していても、ルーチンワークに大きく異なるアプローチで取り組む可能性があります。AIは、標準的なケアから逸脱することなく、その変数を考慮する必要があります。那は、デモでうまく機能するモデルを構築するよりもはるかに難しいことです。

規制については、コンプライアンスは主に層状です。州ライセンス委員会、連邦機関、HIPAA、処方監視システム、州データベース、内部の臨床SOPがすべて交差します。1つの州ではコンプライアントな行動が別の州では非コンプライアントになる可能性があります。製品の観点からは無害なワークフローは、処方、患者ID、レコードの保持、監査可能性について考慮すると、リスクになる可能性があります。プロセスには構造的な複雑さが含まれています。

データ部分も、予想通りではありません。医療では、単に一般的なツールを接続してユーザーの行動から学習を開始することはできません。HIPAA規制により、標準的な分析ツールやデータパイプラインが適切ではない場合があります。データがどのように保存、処理、監査、ワークフロー内で提示されるかについて、カスタムインフラストラクチャが必要になることがよくあります。多くの企業は、これを軽視し、ビルディングプロセスの中で大きな問題に直面するまで気づきません。

しかし、私が最も問題視するのは、医療におけるミスのコストが非常に高くつくことです。

不完全な出力は、他の業界では不便さを生み出すだけですが、医療では治療の質、患者安全、処方行為、規制への影響をもたらす可能性があります。人間の健康は、AIモデルを改善するために遊び道具にすることができないものです。これは、医療業界でAIを導入する際の指針となるべき原則です。

医療におけるAIの最高のROIの導入先は行政レイヤー

私は、読者に、医師の置き換えに焦点を当てるのではなく、医師の周りの運用の摩擦を除去することの重要性を強調したいと思います。ここでは、実際的な意味で何を見ているのかについて説明します。

チャート生成。 AIは、訪問中にリアルタイムで文書化とチャートを構築できます。これにより、チャーティングの負担が軽減され、午後の仕事が短縮され、同じ日の完了がより現実的になります。MEDvidiの内部フレームワークでは、チャートジェネレーターはエンカウント中に継続的に文書化を更新し、チャーティング時間を大幅に削減するように設計されています。

チャートレビュー。 AIは、処方ステージに到達する前に、内部SOPに対するチャートをレビューし、逸脱をフラグ付けできます。ほとんどのヘルスケア品質レビューはまだ部分的で手動です。したがって、サンプルの代わりに各エンカウントをレビューすることで、コンプライアンスがより明らかで一貫性のあるものになります。

事前訪問ワークフローの自動化。 提供者の多くの時間が、実際の臨床的決定よりも前に、IDの確認、州データベースの照合、医療歴の確認、潜在的な禁忌症の確認、またはドキュメンテーションギャップを示唆するパターンのスクリーンなどに費やされます。これらはすべて、判断を置き換えるのではなく、時間を消費します。したがって、AIは、臨床医が介入する前にこれらの層を処理するのに役立ちます。

ルーチンワークの処方管理。 安定したフォローアップケアは、AIが特に役立つ分野です。治療が一貫して同じままである患者に対して、AIは更新ワークフローを管理し、レコードを準備するのに役立ちますが、医師は最終的な決定をレビューして承認します。那は、完全に自律的なケアというよりも、より狭い、より安全で、システムのボトルネックに実際に関連するモデルです。

これらのユースケースすべてに共通するものがあります。時間を節約することで、ケアの容量を拡大します。那が、私が行政レイヤーをAIの最高のROIの導入先と見なす理由です。

臨床設定のための適切なAIアーキテクチャ

医師の置き換えは、センセーショナルなヘッドラインを生み出し、専門家の心に不安を生み出す別のAIのボギーマン話です。より実用的で役立つモデルは、医師中心の増強です。

このアーキテクチャでは、臨床医がすべての臨床的決定、処方について最終的な判断を下します。治療計画は、依然としてライセンスを持つ医療提供者によってレビューおよび承認されます。AIは、文書化、検証、レビューレイヤー、訪問周りの繰り返しのタスクのみを処理します。那が、効率性を向上し、説明責任を維持する最も安全な方法です。

医療におけるAIは、実際の臨床データが必要です。オフザシェルフのモデルや汎用的なデータセットは十分ではありません。臨床ワークフローは非常に特定的で、規制は層状で、エラーの余地は小さすぎます。毎月の患者訪問の独自データセットでトレーニングされたAIシステムで、提供者のレビューとSOPの遵守がワークフローに組み込まれていることが、医療分野への進出の基盤となるべきです。那が、医療AIは、汎用的なモデル機能ではなく、現実世界の臨床運用に根ざしている必要があることを示しています。

臨床医にとって、このアーキテクチャは、行政作業に費やされる時間を短縮し、新しい患者や複雑な症例に時間を割くことができます。患者にとっては、医療へのアクセスが速くなり、コストが下がり、ケアの文書化や提供がより一貫性のあるものになります。規制当局も、ワークフローがより読みやすく、監査可能になるため、利益を得ます。AIの正しい導入により、ワークフローがより読みやすく、監査可能になるからです。

結論

人々が医療提供者が無神経であると不満を言っている場合、実際の問題を指摘しています。医療提供者のエネルギーを、退屈な繰り返しのタスクで穴をあけられている風船と考えてみてください。当然、彼らはあなたに注意を向ける時間や精神的バンド幅がありません。

AIが最初に解雇される人を心配するのではなく、特に医療業界では、人間が苦労する作業の層を修正するためにテクノロジーを使用する方が、より実用的です。AIがあまりに有利になるのは、その非疲労性です。人間の臨床医が持たないものです。

医療が、複雑な規制、提供者の行動の変数、カスタムインフラストラクチャの必要性、ミスのコストが巨大であるという理由で、AIで自動化するのが最も難しい業界であることは理解できます。ただし、行政的なボトルネックがこのテクノロジーで修正できるのです。私たちが利用可能なテクノロジーを活用しましょう。

行政的なボトルネックに取り組まなければ、臨床AIは、将来の能力が開発されるまで、より広範なスケールで信頼を得るのに苦労するでしょう。

近期的なモデルは、シンプルです。AIは歴史をレビューし、禁忌症を確認し、IDを検証し、チャートを生成し、処方ワークフローを準備します。医師は全体像をレビューし、最終的な決定を承認します。安定したフォローアップのために20分間の訪問が必要だったものが、より短く、よりクリーンで、より安全なプロセスになるのです。

紙上では些細なことのように思えるかもしれませんが、これは、長い間手動で行われてきたシステムにおける大きな転換です。すべての人に影響を及ぼします。