Tankeledere
Hvorfor AI i helsevesenet blir tatt i bruk på feil sted

Viktige punkterAI bør først ta for seg administrative oppgaver som journalføring for å frigjøre…
Vis mer
- AI bør først ta for seg administrative oppgaver som journalføring for å frigjøre klinikernes tid til pasientbehandling.
- Helse-AI må bruke kliniske data og bevare legeovervåkning for å sikre sikkerhet og etterlevelse.
- Automatisering av rutinemessige fornyelser av resepter kan utvide tilgangen mer effektivt enn å strebe etter full klinisk autonomi.
Bransjen jakter på feil problem
Diskusjonen om AI i helsevesenet i dag handler om autonomi. Kan AI diagnostisere sykdommer? Kan det skrive ut medisiner? Kan det til slutt erstatte legen?
Vi trenger ikke lenger å spekulere over disse hva-om-scenarioene fordi vi nå har virkelige eksempler på AI-applikasjoner i helsevesenet. Utah har allerede åpnet døren for autonom AI i fornyelse av resepter gjennom sin regulatoriske sandkasse. Andre delstater følger med for å se om disse tidlige pilotprosjektene viser akseptabel sikkerhet og effektivitet.
Men jeg tror at å undre seg over om AI kan erstatte legen er feil sted for bransjen å starte.
Før vi spør hvor mye av den kliniske relasjonen AI kan absorbere, bør vi håndtere det mye enklere og mer umiddelbare problemet som sitter foran oss. Klinikere er overveldet av administrativt arbeid. Pasienter kan fortsatt ikke få timer i tide fordi tilgangen er begrenset mindre av manglende pasientetterspørsel enn av manglende brukbar legetid. Det er der køen starter, og det er der AI er nødvendig for å lette operasjonelle byrder.
Dette er særlig tydelig i psykisk helsevern. Rundt 22 millioner amerikanere lever med ADHD, og angstlidelser rammer omtrent 19% av voksne i USA i løpet av ett år. Det er omtrent 31% over en livstid. Begge tilstander er i stor grad mulige å behandle, men millioner mottar ikke retningslinje-anbefalt behandling. Problemet er ikke manglende bevissthet, for selv en overflatisk gjennomgang av markedet vil vise en rekke selvhjelpsverktøy, innhold, sporingsverktøy og ADHD-vennlige apper. Det faktiske gapet er tilgangen til faktisk klinisk behandling, diagnose og medikamentbehandling når det er nødvendig.
Denne artikkelen argumenterer for et enklere utgangspunkt. AI-rollen med høyest avkastning på investeringen i helsevesenet i dag er administrativ. Å bruke det for tidlig i den kliniske settingen kan skape flere problemer enn fordeler. Hvis vi ønsker at AI skal bli en pålitelig del av omsorgen, må vi ta det i bruk først der byrden er tyngst og gevinsten er umiddelbar.
Dataene avslører hvor AI kan være mer effektiv
Det finnes et mønster som avsløres svært raskt når du bygger i helsevesenet. Uansett hvilken kliniker du ansetter, vil den klinikeren være fullt booket innen noen måneder. Vi har sett dette gjentatte ganger. Det handler ikke bare om en abstrakt mangel på behandlere, men om hvordan behandlerens tid brukes når pasientlisten begynner å fylles.
I psykiatri er omtrent 80 % av konsultasjonene rutinemessige oppfølgingskonsultasjoner. Disse er ikke alle komplekse diagnostiske møter. Mange er stabile pasienter som fortsetter den samme behandlingen, sjekker inn, gjennomgår symptomer og fornyer medisiner hvis alt fortsatt er passende. Likevel bærer disse avtalene den fulle vekten av dokumentasjon, verifisering, gjennomgang av sykehistorien, kontroller i reseptovervåkingssystemet (PDMP) og arbeidsflyt for forskrivning. Behandlere bruker i gjennomsnitt 16 timer per uke på slikt administrativt arbeid. Det er tid som kunne ha gått til nye pasienter eller bare bedre klinisk oppmerksomhet til pasienter og komplekse saker.
Dette er der mye AI-diskusjon blir frakoblet fra operasjonell virkelighet. Bransjen spør om AI kan overta legens rolle når i virkeligheten en stor andel av kapasitetstap kommer fra oppgaver som ikke krever mye klinisk dømmekraft fra først av. Disse kan være oppgaver som journalføring, verifisering, gjennomgang av journaler og arbeidsflyt for oppfølging. Disse er nettopp de typene prosesser AI allerede kan støtte på en nyttig og målbar måte.
Hvis du gjenvinner denne tiden, reduserer du ikke bare byrden på behandleren, men åpner også opp for flere pasienter. Ventetid er et betydelig problem for tilgangen til helsehjelp. Pasienter venter ofte i ukevis på å få time hos en fagperson, og tilgangen er fortsatt ujevn over ulike regioner. HHS fortsetter å bemerke at distrikts- og utkantssamfunn møter for få behandlere og for lite støtte innen psykisk helse og atferdshelse, og henviser til telehelse som en måte å øke tilgangen til psykisk helsehjelp betydelig på.
Hvorfor helsevesenet er den vanskeligste bransjen å automatisere med AI
Helsevesenet kan se standardisert ut fra utsiden. I virkeligheten er det både standardisert og variabelt på samme tid.
Det finnes uten tvil visse retningslinjer, reguleringer og dokumentasjonsregler. Likevel bringer hver kliniker også med seg vaner, arbeidsflyt og protokoller formet av tidligere settinger. To behandlere kan behandle samme tilstand under samme juridiske rammeverk, mens de likevel nærmer seg rutinemessig omsorg på vesentlig forskjellige måter. AI må ta hensyn til denne variasjonen uten å gli bort fra behandlingsstandarden. Det er en langt vanskeligere oppgave enn å bygge en modell som fungerer bra i en demo.
Når det gjelder regulering, er kravene til etterlevelse hovedsakelig flerlags. Delstatenes lisensorganer, føderale etater, HIPAA, reseptovervåkingssystemer, delstatsdatabaser og interne kliniske standardprosedyrer (SOP-er) overlapper hverandre. En handling som oppfyller kravene i én delstat, kan bryte dem i en annen. En arbeidsflyt som ser harmløs ut fra et produktperspektiv kan bli risikabel når det kommer til å skrive ut resepter, pasientidentitet, journaloppbevaring eller granskning. Det er strukturell kompleksitet involvert i prosessen.
Datadelen er heller ikke like enkel som man skulle tro. I helsevesenet kan du ikke bare koble sammen vanlige verktøy og starte å lære fra brukeratferd. Noen standardverktøy for analyse og datapipelines er ikke egnet på grunn av HIPAA-reguleringer, med mindre de er fundamentalt endret. Du trenger ofte tilpasset infrastruktur fra bunnen av. Ting som hvordan data lagres, prosesseres, granskes og presenteres i arbeidsflyten. Et overraskende antall selskaper undervurderer dette til de er dypt inni byggeprosessen og må deretter endre hele arbeidet.
Men mer enn noe annet ville jeg si at det største problemet er at kostnadene ved å gjøre en feil i helsevesenet er ganske høye.
Et feilaktig resultat kan bare skape ulemper i andre industrier, men i helsevesenet kan det påvirke behandlingskvalitet, pasientsikkerhet, forskrivningspraksis eller reguleringseksponering. Menneskets helse er ikke noe vi kan leke med for å forbedre våre AI-modeller, og slik skal det være. Dette bør brukes som det styrende prinsippet for å hjelpe oss å forstå hvor AI kunne bli introdusert først i denne industrien.
AI gir høyest avkastning i helsevesenets administrative lag
Jeg håper jeg har overbevist leseren om viktigheten av å flytte fokus fra å erstatte legen med AI til å rydde den operative friksjonen rundt legen. Her vil jeg utdype hva dette innebærer i praksis.
Generering av journalnotater. AI kan transkribere og bygge dokumentasjon i sanntid under avtalene. Dette reduserer journalføringsbyrden, forkorter arbeid etter ordinær arbeidstid og gjør det mer realistisk å fullføre på samme dag. I MEDvidi sitt interne rammeverk oppdaterer journalgeneratoren dokumentasjonen kontinuerlig under møtet og er designet for å kutte journalføringstiden betydelig.
Gjennomgang av journaler. AI kan også gjennomgå journaler opp mot interne SOP-er og flagge avvik før de når forskrivningsstadiet. De fleste kvalitetsgjennomgangene i helsevesenet er fortsatt delvise og manuelle; derfor blir etterlevelsen mer synlig og mer konsistent ved å gjennomgå hver enkelt konsultasjon i stedet for et lite utvalg.
Automatisering før konsultasjonen. En stor del av behandlerens tid brukes før den faktiske kliniske beslutningen på ting som identitetskontroll, kryssjekking av statlige databaser, gjennomgang av medisinsk historie, søking etter potensielle kontraindikasjoner eller screening for mønstre som kan antyde legemiddelsøkende atferd eller mangler i dokumentasjonen. Ingen av disse erstatter dømmekraft, men alt dette tar tid, og derfor kan AI hjelpe med å prosessere disse lagene før klinikeren trår inn.
Rutinemessig resepthåndtering. Stabil oppfølgingsbehandling er der AI kan være spesielt nyttig. For pasienter hvis behandling har forblitt konsekvent, kan AI hjelpe med å forvalte arbeidsflyten for reseptfornyelse og forberede journalen, mens legen fortsatt gjennomgår og godkjenner den endelige avgjørelsen. Det er en helt annen modell enn fullt autonom omsorg fordi den har et snevrere omfang, er tryggere og er mer relevant for den faktiske flaskehalsen i systemet.
Hvert av disse brukstilfellene har noe til felles. De sparer tid på en måte som utvider omsorgskapasiteten. Det er mitt sentrale argument for hvorfor jeg ser det administrative laget som stedet med høyest avkastning for den første innføringen av AI.
Den riktige AI-arkitekturen for kliniske settinger
Historien om at leger erstattes, er enda et AI-skremselsbilde som skaper sensasjonelle overskrifter og uro blant fagfolk. En langt mer praktisk, nyttig og uunnværlig modell er støtte med legen i sentrum i helsevesenet.
Innenfor en slik arkitektur har klinikeren den endelige avgjørelsen på hver kliniske beslutning og resept. Behandlingsplaner vil fortsatt bli gjennomgått og godkjent av autorisert helsepersonell. AI håndterer bare det praktiske av dokumentasjon, verifisering, gjennomgangslaget og repetitive oppgaver rundt avtalen. Det er den tryggeste måten å forbedre effektiviteten og opprettholde ansvar.
AI i helsevesenet trenger også faktiske kliniske data, siden standard-modeller og generiske datasett ikke er nok. Kliniske arbeidsflyter er for spesifikke, regelverket har for mange lag, og feilmarginen er for liten. Et AI-system trent på et proprietært datasett av pasientkonsultasjoner per måned, med gjennomgang av behandler og SOP-overholdelse bygget inn i arbeidsflyten, bør være grunnlaget for ethvert system som går inn i dette feltet. Kjernen i det er at helse-AI må være grunnlagt i virkelige kliniske operasjoner i stedet for å være en generell modellkapasitet.
For klinikere kutter denne arkitekturen ned på de timene som går tapt til administrativt arbeid og reserverer mer tid for nye pasienter og komplekse saker. For pasienter tilbyr det raskere tilgang til helsevesenet til en lavere kostnad, kombinert med mer konsistens i hvordan omsorgen dokumenteres og leveres. Tilsynsmyndigheter har også nytte av å ha mer synlighet, siden det nåværende systemet ofte skjuler inkonsistens inni spredte arbeidsflyter. Den riktige innføringen av AI gjør arbeidsflytene mer leselige og lettere å gjennomgå. Gjennomgangen i seg selv er mye enklere å granske enn menneskeskapt dokumentasjon.
Ved å bli pålitelig innenfor en målbar arbeidsflyt, blir AI et pålitelig verktøy for å forbedre et område som en så viktig industri åpenbart sliter med.
Konklusjon
Når folk klager over at deres behandler er uoppmerksom, har de merket seg et virkelig problem. Tenk på din behandlers energi som en ballong som punkteres fra alle kanter av hverdagslige, gjentakende oppgaver. Selvfølgelig har de ikke tid eller mental kapasitet til å håndtere deg oppmerksomt.
I stedet for å hoppe på skrekktoget om hvem som blir sagt opp først på grunn av AI, er det mer fornuftig, særlig i helsevesenet, å bruke teknologien til å fikse lag av arbeid som mennesker sliter med. Det som gjør AI så fordelaktig er dens uutmattelighet – noe menneskelige klinikere ikke besitter.
Det er forståelig hvorfor helsevesenet er vanskelig å automatisere på grunn av kompleks regulering, variasjon i behandlernes arbeidsmåter, behovet for tilpasset infrastruktur og de enorme kostnadene ved feil. Likevel er det en virkelig administrativ propp som kan fikses av denne teknologien vi har lett tilgjengelig. La oss sette den i bruk.
Uten å starte med den administrative proppen, vil klinisk AI slite med å tjene tillit hos folk i større skala når dens evner utvikler seg utover hva den kan gjøre i dag.
Jeg tror den kortsiktige modellen er enkel. AI gjennomgår sykehistorien, sjekker for kontraindikasjoner, verifiserer identitet, genererer journalnotatet og forbereder arbeidsflyten for forskrivning. Legen gjennomgår det fulle bildet og godkjenner den endelige avgjørelsen. Det som tidligere krevde en full 20-minutters avtale for en stabil oppfølgingsavtale kan bli en kortere, renere, tryggere prosess.
Det kan virke beskjedent på papiret, men dette er en stor omveltning i et system som har vært manuelt i så lenge og berører alle.












