Grant Lunney, produktleder i EverHealth – intervjuserie

Grant Lunney er produktleder i EverHealth og har nesten to tiårs erfaring innen helseteknologi, klinisk drift og produktstrategi. Karrieren hans omfatter Boulder Community Health, OTTO Health, NextGen Healthcare og CrowdHealth, med særlig vekt på poliklinisk behandling og de praktiske utfordringene legekontorer står overfor. I EverHealth arbeider han med å ta i bruk KI i klinisk dokumentasjon og arbeidsflyter på legekontorer, slik at klinikere får mer tid til pasientbehandling.

EverHealth leverer helseteknologi som omfatter elektroniske pasientjournalsystemer, praksisadministrasjon, medisinsk fakturering og pasientkommunikasjon. EverHealth Scribe bruker omgivelsesbasert KI til å gjøre samtaler mellom pasienter og behandlere om til utkast til kliniske notater i pasientjournalsystemet, som klinikeren kan gjennomgå og godkjenne. I dette intervjuet snakker Lunney om dokumentasjon innen psykisk helse, pasientsamtykke og personvern, klinisk oppfølging og hvordan KI kan redusere administrativt arbeid for selvstendige legekontorer.

Karrieren din har strukket seg over nesten to tiår innen helseteknologi, fra klinisk drift og strategi ved Boulder Community Health til produktledelse i OTTO Health, NextGen Healthcare, CrowdHealth og nå EverHealth. Hvordan har disse erfaringene formet synet ditt på hvilken rolle KI bør spille i helsevesenet, og hva tiltrakk deg ved muligheten til å lede produktutviklingen i EverHealth?

Jeg har brukt det meste av de siste to tiårene på å arbeide med helseteknologi, hovedsakelig innen poliklinisk behandling. I løpet av denne tiden har jeg sett en bemerkelsesverdig utvikling i verktøyene vi har gitt leger for å hjelpe dem med å utøve legeyrket. Jeg husker da elektronisk forskrivning var en stor sak. Tanken på at en lege kunne sende en resept elektronisk, slik at den var klar når pasienten kom til apoteket, var et betydelig fremskritt. Siden den gang har vi innført stadig mer avanserte elektroniske pasientjournalsystemer, prosessautomatisering, samhandling mellom systemer og alle slags verktøy som skal gjøre helsevesenet mer effektivt.

Jeg tenker omtrent på samme måte om KI. Enten vi snakker om store språkmodeller, generativ KI eller prediktive modeller, er dette flere verktøy i verktøykassen vår. Målet er fortsatt det samme: å gjøre klinikere mer effektive og til syvende og sist forbedre kvaliteten på behandlingen de kan tilby.

Tenk deg en fastlege som har ansvar for 2 500 eller 3 000 pasienter. Hverdagen går med til akutte konsultasjoner, legemiddelhåndtering og behandling av pasienter med flere kroniske sykdommer. Men jeg tror ikke et øyeblikk at disse legene ikke gjerne skulle brukt mer tid på forebyggende arbeid sammen med pasientene sine. På å snakke om ernæring, trening, psykisk helse og de sosiale forholdene som påvirker helsen deres. På å hjelpe folk med å gjøre meningsfulle endringer som kanskje kan hindre at den neste kroniske sykdommen utvikler seg. Det er derfor de begynte på medisinstudiet.

Det er dette som begeistrer meg med KI. Vi begynner å utvikle teknologi som kan ta en betydelig del av det administrative arbeidet og informasjonsbehandlingen bort fra klinikerne, slik at de får mer tid til å utøve legeyrket.

Det som tiltrakk meg ved EverHealth, er muligheten vår til å ta i bruk denne teknologien trinnvis i hele legepraksisen. Jeg har stor tro på å løse ett problem svært godt før vi går videre til det neste. Vi kan forbedre klinisk dokumentasjon, deretter gjenkjenning av diagnoser, koding, bestillinger, resepter og drift av legepraksisen. Over tid begynner disse forbedringene å virke sammen.

EverHealth Scribe bruker KI til å gjøre samtaler mellom pasienter og behandlere om til strukturert klinisk dokumentasjon. Kan du forklare hvordan teknologien fungerer, fra opptak av en konsultasjon til utarbeidelse av et klinisk notat, og fortelle hva som skiller løsningen deres fra andre KI-baserte løsninger for medisinsk dokumentasjon?

I sin enkleste form lytter en KI-basert dokumentasjonsassistent til en samtale mellom en pasient og en kliniker, bruker talegjenkjenning til å forstå hva som blir sagt, og av hvem, og benytter deretter en stor språkmodell til å organisere den klinisk relevante informasjonen i et strukturert notat. Klinikeren gjennomgår informasjonen, gjør eventuelle nødvendige rettelser og godkjenner den endelige dokumentasjonen.

Jeg tror vi nærmer oss et punkt der de fleste gode KI-baserte dokumentasjonsassistentene som arbeider i bakgrunnen, blir svært dyktige til å utføre denne grunnleggende oppgaven. Modellene varierer i hvor avanserte og nøyaktige de er, men jeg tror at de største mulighetene for å skille seg ut i stadig større grad vil ligge i alt rundt denne prosessen.

For oss begynner det med hvor mye mer av klinikerens arbeid vi kan fullføre etter at notatet er generert. Vi har allerede lagt til anbefalinger om diagnoser og CPT-koder, og utvider nå med bestillinger og resepter, alt integrert direkte i det elektroniske pasientjournalsystemet. Vi henter også inn kontekst fra tidligere konsultasjoner, sykehistorie og dokumentasjon som er utarbeidet før konsultasjonen, fordi en samtale på 15 minutter bare utgjør en liten del av en langt større klinisk historie. I tillegg utvikler vi annoteringer som fanger opp observasjoner og notater klinikerne gjør, men aldri sier høyt.

Vi har også bygget inn pålitelighet i alle disse funksjonene. Hvis en kliniker bruker 30 minutter sammen med en pasient og deretter oppdager at opptaket mislyktes, er det en katastrofal opplevelse. Derfor må vi ta høyde for alt fra mikrofonplassering til ustabilt Wi-Fi.

Hvis vi får alt dette til, bør klinikeren være ferdig med nesten alt dokumentasjonsarbeidet når konsultasjonen er over. Det som gjenstår, er å gå gjennom det kliniske innholdet, bruke sitt faglige skjønn og følge opp anbefalingene som virker hensiktsmessige.

Samtaler innen psykisk helsevern dreier seg ofte om svært personlige temaer, følelsesmessige nyanser og sensitive opplysninger. Hvilke særskilte tekniske utfordringer oppstår når man utvikler en KI-skribent for psykisk helsevern, og hvordan sørger dere for at systemet fanger opp klinisk relevant informasjon uten å feiltolke konteksten eller dokumentere unødvendige personlige opplysninger?

En 50-minutters psykoterapitime, en 15-minutters konsultasjon innen psykisk helsevern og et sju minutter langt besøk hos en indremedisiner er tre svært forskjellige samtaler. Dokumentasjonen fra hver av disse konsultasjonene vil også se forskjellig ut.

Derfor tar vi utgangspunkt i klinikeren og jobber bakover. Hvilken informasjon må fanges opp? Hvordan bør den organiseres? Hvilket detaljnivå er klinisk hensiktsmessig? Og hvordan må det ferdige notatet se ut for at behandleren skal være trygg på at det gir en korrekt framstilling av konsultasjonen?

Når vi har fastslått dette, kan vi begynne å konfigurere og forbedre KI-en slik at den utarbeider dokumentasjon som samsvarer med disse forventningene. Målet er å ta en samtale som kanskje er svært lang, komplisert og personlig, og trekke ut den kliniske informasjonen som faktisk er relevant for pasientens behandling.

Jeg mener dette er særlig viktig innen psykisk helsevern. Det at noe blir sagt i en samtale, betyr ikke automatisk at det hører hjemme i pasientens permanente journal. Modellen må også tolke den kliniske betydningen korrekt, og innen psykisk helsevern kan én og samme uttalelse bety svært forskjellige ting avhengig av konteksten. Derfor er klinikerens gjennomgang og faglige skjønn fortsatt helt avgjørende.

Vi snakker mye om hvor intelligente disse modellene er, men jeg mener at noe av det viktigste arbeidet skjer før modellen i det hele tatt genererer et notat. Det handler om å fastslå hvordan et godt klinisk resultat ser ut, og deretter kontinuerlig forbedre hvor pålitelig vi klarer å oppnå det.

Kort sagt går metoden vår ut på å definere hva som kjennetegner et godt resultat, jobbe bakover derfra og la klinikeren ha det siste ordet om hvorvidt vi har oppnådd det.

En undersøkelse fra KFF viste at 77 % av voksne i USA er bekymret for personvernet til medisinske opplysninger som deles med KI-verktøy. Hvordan håndterer EverHealth disse bekymringene, særlig når det gjelder lagring av pasientopplysninger, tilgang for tredjeparter og bruk av sensitive opplysninger til trening eller forbedring av KI-modeller?

Den bekymringen er berettiget, og jeg mener ikke at pasienter skal måtte gi avkall på personvernet for å få bedre behandling. Samtidig bør ikke et teknologiselskap be dem om å stole blindt på sikkerhetstiltakene. Pasienter og behandlingssteder fortjener tydelige svar på hvilke opplysninger vi bruker, hvem som har tilgang til dem, og hvor lenge vi oppbevarer dem.

Med EverHealth Scribe behandles pasientopplysninger for å støtte klinisk dokumentasjon og kontinuitet i behandlingen. Vi samarbeider med teknologipartnere, blant annet CarePilot, og har kontraktsfestede sikkerhetstiltak på plass, som avtaler med forretningspartnere som regulerer håndteringen av beskyttede helseopplysninger. Vi bruker også kryptering og tilgangskontroller, og identifiserbare pasientopplysninger brukes ikke til å trene KI-modeller. Transkripsjoner fra Scribe er tilgjengelige i opptil 180 dager, slik at klinikere kan gå tilbake til relevant kontekst fra ulike konsultasjoner. Behandlingssteder kan også be om at transkripsjoner slettes.

Personvern kan ikke legges til som et ekstra lag etter at innovasjonen er på plass. Det må prege beslutningene våre om hva vi utvikler, hva vi kobler sammen, og hva vi lagrer.

Mentavi Health, som har tatt i bruk EverHealth Scribe, innhenter pasientens samtykke både ved innskriving og før hvert besøk. Hvor viktig er denne løpende samtykkemodellen for å bygge tillit hos pasientene, og hva bør skje hvis en pasient takker nei til KI-støttet dokumentasjon eller trekker tilbake samtykket under en konsultasjon?

Mentavis praksis med å innhente samtykke ved innskriving og på nytt før hvert besøk understreker at pasienten har innflytelse på hvordan behandlingen gis.

En betydelig del av karrieren min har vært innen telehelse, så jeg tror pasienter generelt er positive til teknologi når de ser hvilken verdi den gir. Ideelt sett opplever pasientene mer øyekontakt og direkte kontakt, og at klinikeren faktisk følger med på samtalen i stedet for å sitte bak en bærbar PC eller skrive på en arbeidsstasjon. Det er et ganske overbevisende tilbud.

Denne verdien må selvfølgelig gå hånd i hånd med valgfrihet. Pasientene bør forstå hvordan teknologien brukes, og føle seg trygge på at de kan takke nei. Hvis noen trekker tilbake samtykket under et besøk, bør opptaket stanses, og klinikeren bør kunne fortsette konsultasjonen og dokumentere den på vanlig måte. Opplysninger som allerede er samlet inn, må håndteres i samsvar med gjeldende krav til samtykke og personvern.

Til syvende og sist tror jeg tillit skapes ved å levere verdi på en konsekvent måte. Hvis vi hjelper klinikere med å bruke mer tid på kontakten med pasientene, og pasientene faktisk merker forskjellen, gjør vi noe riktig.

KI-genererte kliniske notater kan medføre risiko, blant annet hallusinert informasjon, utelatte detaljer og unøyaktige tolkninger av pasientenes utsagn. Hvilke sikkerhetstiltak har EverHealth innført for å avdekke slike feil, og hvordan sikrer dere at klinikerne fører reelt tilsyn, i stedet for bare å godkjenne KI-generert dokumentasjon?

Klinikerne samarbeider tett med dokumentasjonsassistenten og har ansvar for å redigere KI-genererte notater før de legges inn i journalen. Slik begrenser man risikoen for avvik i resultatet.

Klinikeren må gjennomgå og redigere informasjonen før den føres inn i journalen. Klinikeren har fortsatt det endelige ansvaret for å avgjøre om notatet gjengir konsultasjonen korrekt, og om noe viktig er utelatt eller feiltolket.

En annen viktig del er løpende tilbakemeldinger. Etter hvert besøk spør vi klinikerne om dokumentasjonen var nyttig, og mer enn 96 % av svarene har vært positive. Det er et oppmuntrende tegn på at vi konsekvent skaper verdi.

Når en kliniker melder fra om et problem, tar teamet vårt direkte kontakt for å forstå hva som skjedde, finne årsaken og avgjøre hvordan vi kan forbedre opplevelsen. Den direkte kontakten med dem som bruker teknologien, er svært viktig for hvordan vi utvikler og videreutvikler produktet.

Jeg tror det er slik man til syvende og sist bygger tillit til KI-assistert dokumentasjon. Man gjør den underliggende informasjonen tilgjengelig, opprettholder et reelt klinisk tilsyn og vurderer fortløpende om teknologien faktisk er til hjelp.

Mentavi Health rapporterte nylig om en trinnvis innføring med mer enn 30 autoriserte klinikere og over 14 000 KI-assisterte kliniske notater, med forbedringer i strukturert dokumentasjon og registrering av diagnosekoder. Hva var de viktigste funnene fra denne innføringen, og hvordan måler dere om KI-baserte dokumentasjonsassistenter faktisk forbedrer klinikernes produktivitet, dokumentasjonsnøyaktigheten og pasientbehandlingen?

En av de viktigste lærdommene fra Mentavis innføring er at vellykket bruk avhenger av langt mer enn selve teknologien. Mentavi samlet klinisk, administrativ og teknologisk ekspertise for å fastsette dokumentasjonsstandarder, etablere kvalitetsmål og innføre funksjoner på en gjennomtenkt måte. Slikt samarbeid er nettopp slik ansvarlig innovasjon i helsetjenesten bør se ut.

For Scribe er problemet vi prøver å løse, enkelt: Klinikere bruker for mye tid på å dokumentere konsultasjoner. Hvor mye av denne tiden og arbeidsinnsatsen kan vi dermed redusere?

Vi ser på tiden som går med til dokumentasjon, klinikertilfredsheten og hvor effektivt funksjoner som gjenkjenning av diagnoser og forslag til CPT-koder fjerner ekstra trinn i arbeidsflyten. Når vi utvider løsningen med bestillinger og resepter, vil vi bruke samme tilnærming. Hver funksjon bør fjerne enda en betydelig arbeidsoppgave fra klinikerens hverdag.

Forbedringen i registreringen av diagnosekoder var særlig oppmuntrende. I evalueringen var andelen konsultasjoner der diagnosekoder ble registrert, nesten 80 % med Scribe, sammenlignet med omtrent 26 % uten løsningen. Det er en betydelig forbedring i hvor konsekvent klinisk dokumentasjon struktureres, og et godt eksempel på hvordan KI kan skape verdi utover det å bare generere et notat.

Antallet genererte notater er oppmuntrende, men det er hvor mye arbeid vi fjerner, og kvaliteten og konsistensen i dokumentasjonen vi bidrar til å utarbeide, som er de viktige resultatene.

Uavhengige legepraksiser og praksiser innen psykisk helse har ofte færre administrative ressurser enn større helsesystemer. Hvordan kan KI-basert dokumentasjon hjelpe mindre praksiser med å hevde seg, og hvilke utfordringer knyttet til implementeringskostnader, integrering i arbeidsflyten eller innføring av ny teknologi må fortsatt løses?

Jeg tror den største muligheten for uavhengige praksiser ligger i valgfriheten. Ved å avlaste klinikere og ansatte for administrative oppgaver gir vi praksisene frihet til å ta bedre beslutninger om hvordan de bruker tiden og ressursene sine. Kanskje en lege ønsker å ta imot flere pasienter. Kanskje legen vil bruke mer tid med pasientene de allerede har. Eller kanskje legen ganske enkelt vil avslutte den siste konsultasjonen klokken fem, bruke 15 minutter på å gjennomgå dokumentasjonen og dra hjem, i stedet for å bruke ytterligere to timer på å ta igjen etterslepet. Alle disse resultatene er verdifulle, og det bør være opp til praksisen å avgjøre hva som betyr mest.

Når det gjelder implementeringen, er vi allerede praksisens teknologileverandør, så det er vårt ansvar å integrere løsningen i arbeidsflyten, ikke deres. Scribe kjører på enheter klinikerne allerede eier, og det kan holde med én eller to opplæringsøkter for å komme i gang. Samtidig har en liten praksis svært begrenset mulighet til å håndtere tekniske problemer. Derfor er målet vårt å gjøre oppsettet så selvbetjent som mulig.

Til syvende og sist tror jeg KI gir uavhengige praksiser tilgang til funksjoner og effektiv drift som historisk sett har krevd langt større organisasjoner. Minst like viktig er det at KI gir dem som jobber i disse praksisene, større kontroll over hvordan de bruker tiden sin.

Etter hvert som delstatene innfører stadig mer forskjelligartet lovgivning om KI i helsetjenesten, særlig innen psykisk helse, hvordan navigerer EverHealth i dette fragmenterte regelverket? Hvilke utfordringer oppstår når man utvikler et KI-produkt som må ta høyde for ulike krav til pasientsamtykke, personvern og klinisk tilsyn på tvers av flere jurisdiksjoner?

Det føles som om jeg har sett denne filmen før. Jeg tilbrakte store deler av karrieren min med fjernhelse før covid, og måtte håndtere forskjeller fra delstat til delstat når det gjaldt lisensiering, hvor pasientene befant seg, samtykke, forskrivning og refusjon. Så endret reglene seg nesten over natten, og vi måtte skalere opp samtidig som de fortsatte å endre seg.

KI-landskapet føles på lignende måte. Vi arbeider for å ligge i forkant av foreslått lovgivning, forstå nyansene på delstats- og føderalt nivå og bygge produktet slik at det kan tilpasses.

Dette er særlig viktig innen psykisk helse via fjernhelse, der én behandler kan ha pasienter i mange delstater. Samtykke, personvern og klinisk tilsyn må være konfigurerbare grunnpilarer i tjenesten.

Den viktigste lærdommen fra denne erfaringen er at produktet må bygges med evne til å tilpasse seg regelverket helt fra starten. Dette er filosofien vi tar med oss inn i KI-arbeidet hos EverHealth. Vår oppgave er å håndtere så mye av denne kompleksiteten som mulig, slik at klinikere kan konsentrere seg om å gi behandling.

KI-funksjoner utvides raskt fra dokumentasjon til klinisk beslutningsstøtte, pasientengasjement og stadig mer autonome arbeidsflyter i helsevesenet. Hvor mener du grensen bør gå mellom KI-assistanse og menneskelig klinisk skjønn, særlig innen psykisk helse, og hvordan ser du for deg at teknologien til EverHealth vil utvikle seg i løpet av de neste tre til fem årene?

KI kan lytte, organisere, trekke fram relevant kontekst og komme med forslag. Men det er klinikeren som må utøve det kliniske skjønnet.

Dette er særlig viktig innen psykisk helse, der pasientens sykehistorie, en endring i tonefall eller til og med det som forblir usagt, kan være like betydningsfullt som ordene i seg selv. Teknologien bør gjøre klinikere mer til stede i slike øyeblikk, ikke mindre.

I løpet av de neste tre til fem årene ligger muligheten langt utover en smartere digital sekretær. Visjonen vår hos EverHealth er et intelligent behandlingsforløp i den polikliniske helsetjenesten, der teknologi bidrar til å knytte sammen øyeblikkene før, under og etter et besøk.

Se for deg en klinikk som husker det som betyr noe: Relevant sykehistorie er tilgjengelig når det trengs, klinikere kan konsentrere seg om pasienten i stedet for å sette sammen fragmentert informasjon, og kliniske beslutninger går mer sømløst videre til dokumentasjon, koding, koordinering av behandling og oppfølging. Vi ønsker ikke bare å gjøre enkeltoppgaver raskere. Vi vil redusere friksjonen mellom dem.

Vår ledestjerne i alt vi gjør er å sørge for at hver pasient føler seg fullt ut sett, og at alle behandlere har den oversikten som trengs for å gi trygg og sammenhengende behandling.

Takk for et flott intervju. Lesere som ønsker å utforske KI-assistert klinisk dokumentasjon og sammenkoblede arbeidsflyter i helsetjenesten, kan besøke EverHealth.