AIの戦略的側面：臨床医と患者にとってのテクノロジーの活用

5年前、リアルタイムの臨床的意思決定支援と、自動で文書化されるドキュメントは、科学技術の話のように聞こえました。しかし、今日、これらの機能は実際の製品に実装されています。何が可能かと何が実用的かとの間のギャップはなくなり、AIの採用についてまだ議論しているヘルスケアのリーダーたちは、既に遅れをとっています。現在の質問は、組織がこのテクノロジーを責任を持ってどれくらいの速さで実装できるかです。

ヘルスケアシステムが実験を超えて進むには、AIが真正な価値を創造する場所についての戦略的明確さ、ワークフローの統合についての計画、そしてそれが実際に役立っているかどうかの測定が必要です。AIの「見せかけ」と「実質」の違いが、どの組織がリーダーになるか、そしてどの組織が後れを取るかを決定します。

適切なユースケースの選択

すべてのAIイニシアチブが等しい価値を提供するわけではありません。成功的に拡大する組織は、共通のパターンを共有しています。彼らは、デモで印象的なテクノロジーの機能ではなく、臨床医が実際に感じるワークフローの痛み点から始めます。文書化の負担は、最も測定可能な例です。 調査 によると、臨床医は仕事のほぼ半分をEHRと机上の仕事に費やしており、直接の患者ケアの時間の2倍の時間を文書化に費やしています。リハビリテーション療法では、 70% のセラピストが文書化の速度をバーンアウトの最大の要因として報告しています。文書化の負担を軽減するAIは、臨床医に患者との時間を与え、疲れ切った労働力を維持するのに役立ちます。

しかし、リーダーは「AI支援文書化」が実際に何を意味するかについて、慎重な判断を下す必要があります。ほとんどのアンビエント文書化ベンダーは、現在、ナラティブクリニカルノートを生成しています：EHRのノートセクションに貼られたSOAPサマリー。これは有用な出発点ですが、そこに真正の価値があるわけではありません。次のフロンティアは、クリニカル会話から構造化データを抽出するAIです。例えば、運動範囲、筋力スコア、運動の詳細などを抽出して、離散的なクリニカルフィールドに直接入力します。AIが段落を書くこととAIが47の構造化クリニカルフィールドを入力することの違いは、便利さと変革の違いです。

費用対効果の観点も、よく無視されがちです。病後ケア施設や個人の開業医は、極めて薄い利益率で運営されています。AIへの投資は、数年ではなく、数ヶ月以内にリターンを示す必要があります。AIは、10億ドルのIT予算を持つヘルスケアシステムだけが利用できるものではありません。AIは、10人のプロバイダーがいる熟練看護施設や、農村の外来診療所でも利用できる必要があります。組織が、収益サイクル効率と文書化生産性に焦点を当てて、より雄大な臨床アプリケーションに拡大する基盤を構築します。

ネイティブAI vs. ボルトオンソリューション

最も重大な決定の1つは、AIをクリニカルシステム内にネイティブに埋め込むか、ポイントソリューションとしてボルトオンするかです。ポイントソリューションは、私が「スイベルチェアAI」と呼ぶものを作成します。つまり、臨床医はシステムを切り替え、スクリーン間で出力をコピーし、別々のログインを管理します。各統合シームは摩擦点です。 AIがクリニカルワークフロー外部に存在 する場合、インサイトはコンテキスト外で到着し、フィードバックループが壊れ、臨床医への認知負荷が実際に増加します。ボルトオンAIは機能ですが、ネイティブAIはプラットフォーム機能です。

ネイティブAIには、外部パートナーが再現できないコンテキストがあります。AIがEHR内に埋め込まれている場合、患者履歴、現在のワークフローの状態、臨床医の文書化の好みをすべて、APIコールやデータハンドオフなしに理解しています。ガバナンスの利点もあります。完全な監査トレイル、モデル更新、データ居住性を制御します。また、ネイティブ統合は、AIを改善するフィードバックループを閉じます。AIは提案し、臨床医は行動し、結果はキャプチャされ、ソリューションは改善されます。最も優れたAIはワークフローに消え込み、そしてその不可視性は、AIがすでに存在するシステムに組み込まれている場合にのみ達成可能です。

成功への戦略

最も優れたAIでも、組織が準備されていない場合は成功しません。臨床リーダーシップとワークフローの再設計が整っていないと、イニシアチブは失敗します。リーダーは、エグゼクティブの後援、臨床のチャンピオン、変更管理リソースなどの展開の前提条件を契約書に署名する前に要求する必要があります。

すべてのAIイニシアチブが等しい価値を提供するわけではありません。成功的に拡大する組織は、共通のパターンを共有しています。これらのシステムは、監査可能で、制御可能で、透明性があります。AIが特定の提案をした理由を説明できますか？AIが何をしたか、そして臨床医が何を決定したかについての変更不能のレコードはありますか？それをオフにしたり、しきい値を調整したり、特定の集団を除外したりできますか？それを説明したり、監査したり、制御したりできない場合は、展開しないでください。

同様に重要なのは、臨床環境でのAI出力は、常に下書きでなければならないということです。AI生成出力の安全性と正確性を確保するために、人間がループ内に留まることが不可欠です。

リーダーは、AIベンダーにさらに戦略的な質問をしなければなりません。 「あなたが間違った場合どうなるのですか？」 すべてのAIは間違いを犯します。ベンダーはエラーをどのように検出しますか。顧客に通知しますか。対処しますか。 「モデル改善サイクルは誰が所有していますか？」 あなたのデータはベンダーのモデルを改善していますか。改善から利益を得ていますか。 「失敗を示してください。」 100%の成功を主張するベンダーは、嘘を言っているか、または大規模に展開していないかのどちらかです。

専門医療の利点

専門医療、つまり、傷病治療、リハビリテーション療法、職業健康では、これらの原則はさらに重要性を持ちます。専門医療のワークフローは、総合的な急性ケアよりも構造化されています。したがって、専門医療データでトレーニングされたAIは、一サイズフィットオールソリューションよりも高い精度を達成します。

リハビリテラピーでのアンビエント文書化を考えてみましょう。AIがセッションを聞き、運動範囲の測定、手動筋力テストのスコア、運動の詳細などを離散的なクリニカルフィールドに直接入力できる場合、ナラティブサマリーを生成するのではなく、価値の式を根本的に変えます。アンビエントシステムがEHRに密接に結びついている場合、患者文書化の履歴と現在のトランスクリプトを統合し、各エンカウンターを個別に扱うのではなく、治療アークを理解した文書化を生成します。クリニカルワークフローとAIインテリジェンスレイヤーの両方を所有する専門医療EHRベンダーは、ボルトオンソリューションができない方法で、AIが提案したことと実際に患者に何が起こったか之间のループを閉じることができます。

未来への展望

近い将来はすでに明らかになってきています。エージェントAI、つまり、提案するだけでなく行動するシステムは、管理的なワークフローの重要な部分を処理することになります。自動で送信される事前の承認、人間のアセンブリなしでコンパイルされる参照パケット、臨床医の管理下で人間の労力なしで処理される処方薬更新を想像してください。2年以内に、手動での事前の承認は、ファックスを送ることと同じくらい古いものになります。

成功は、組織の目標と臨床の現実に合致するユースケースを選択し、AIをネイティブにワークフローに埋め込み、最先端の臨床医を設計と検証に参加させ、同じ厳格さで結果を測定することから始まります。テクノロジーは簡単な部分です。難しい部分は、組織へのコミットメント、ワークフローの再設計、測定の規律です。しかし、AIに慎重に取り組むヘルスケアシステムにとって、報酬は大きいです。より安全なケア、バーンアウトした臨床医が少ない、より良い患者の結果。AIは医療を行うために存在しません。医療をより良く行うために、臨床医が疲れるものを除去し、患者を治療することにエネルギーを注ぐことができるように支援するために存在します。