Liderzy opinii
Dlaczego AI w ochronie zdrowia jest wdrażana w niewłaściwym miejscu

Kluczowe punktySztuczna inteligencja powinna najpierw zająć się zadaniami administracyjnymi, takimi…
Zobacz więcej
- Sztuczna inteligencja powinna najpierw zająć się zadaniami administracyjnymi, takimi jak prowadzenie dokumentacji medycznej, aby odciążyć personel medyczny i dać mu więcej czasu na opiekę nad pacjentami.
- Sztuczna inteligencja w ochronie zdrowia musi wykorzystywać dane kliniczne i zachować nadzór lekarza, aby zapewnić bezpieczeństwo i zgodność z przepisami.
- Automatyzacja rutynowych odnowień recept może skuteczniej zwiększyć dostęp do opieki zdrowotnej niż dążenie do pełnej autonomii klinicznej.
Branża próbuje rozwiązać niewłaściwy problem
Rozmowa o AI w ochronie zdrowia krąży wokół autonomii. Czy AI może diagnozować choroby? Czy może przepisać leki? Czy w końcu może zastąpić lekarza?
Nie musimy już rozważać tych “co-jeśli”, ponieważ mamy już prawdziwe przypadki zastosowania AI w ochronie zdrowia. Utah już otworzyło drzwi do autonomicznej AI w odnawianiu recept przez swoją piaskownicę regulacyjną. Inne stany obserwują, czy te pierwsze pilotaże pokazują akceptowalny poziom bezpieczeństwa i efektywności.
Ale myślę, że zastanawianie się, czy AI może zastąpić lekarza, jest niewłaściwym miejscem do rozpoczęcia.
Zanim zapytamy, jak dużą część relacji terapeutycznej może przejąć AI, powinniśmy rozwiązać znacznie prostszy i bardziej pilny problem, który stoi przed nami. Klinicyści są przytłoczeni pracą administracyjną. Pacjenci nadal nie mogą uzyskać terminów wizyt, ponieważ dostęp ogranicza w mniejszym stopniu brak zapotrzebowania ze strony pacjentów niż brak dostępnego czasu personelu klinicznego. To jest miejsce, w którym zaczyna się zator, i to jest miejsce, w którym AI jest pilnie potrzebne, aby zmniejszyć obciążenia operacyjne.
To jest szczególnie odczuwalne w opiece nad zdrowiem psychicznym. Około 22 milionów Amerykanów żyje z ADHD, a zaburzenia lękowe dotykają około 19% dorosłych Amerykanów w ciągu roku. To jest około 31% w ciągu całego życia. Oba zaburzenia można skutecznie leczyć, jednak miliony ludzi nie otrzymują opieki zalecanej w wytycznych. Problemem nie jest brak świadomości, ponieważ nawet pobieżne spojrzenie na rynek pokaże różnorodne narzędzia samopomocy, treści, narzędzia do monitorowania oraz aplikacje przyjazne osobom z ADHD. Rzeczywistą luką jest dostęp do rzeczywistej opieki klinicznej, diagnozy i zarządzania lekami, gdy jest to odpowiednie.
Ten artykuł opowiada się za prostszym punktem startu. Obecnie najwyższy zwrot z inwestycji w AI w ochronie zdrowia zapewnia jej rola administracyjna. Używanie go zbyt wcześnie w środowisku klinicznym może stworzyć więcej problemów niż korzyści. Jeśli chcemy, aby AI stało się zaufaną częścią opieki, musimy je wdrożyć najpierw tam, gdzie ciężar jest największy, a zysk jest natychmiastowy.
Dane ujawniają, gdzie AI może być bardziej wydajne
Istnieje wzorzec, który ujawnia się bardzo szybko, gdy budujesz w ochronie zdrowia. Niezależnie od tego, jakiego klinicystę zatrudnisz, w ciągu kilku miesięcy ten klinicysta jest w pełni obłożony wizytami. Widzieliśmy to wielokrotnie. Nie chodzi jedynie o abstrakcyjny niedobór personelu, lecz o to, jak zużywany jest czas klinicysty, gdy jego lista pacjentów zaczyna się zapełniać.
W psychiatrii około 80% wizyt to rutynowe kontrole. Nie są to wszystkie skomplikowane spotkania diagnostyczne. Wiele z nich to stabilni pacjenci, którzy kontynuują ten sam przebieg leczenia, zgłaszają się na kontrolę, omawiają objawy i odnawiają leki, jeśli wszystko jest nadal odpowiednie. Jednak te wizyty niosą pełny ciężar dokumentacji, weryfikacji, przeglądu historii choroby, kontroli w systemie monitorowania leków na receptę (PDMP) i procedur wystawiania recept. Pracownicy kliniczni poświęcają średnio 16 godzin tygodniowo na taką pracę administracyjną. To jest czas, który mógłby zostać wykorzystany na nowych pacjentów lub po prostu bardziej uważną opiekę kliniczną nad pacjentami i skomplikowanymi przypadkami.
To jest miejsce, w którym wiele dyskusji o AI odrywa się od rzeczywistości operacyjnej. Branża ciągle pyta, czy AI może zastąpić rolę lekarza, podczas gdy w rzeczywistości duża część utraconych możliwości przyjmowania pacjentów pochodzi z zadań, które nie wymagają dużo osądu klinicznego. Mogą to być zadania takie jak dokumentacja, weryfikacja, przeglądanie dokumentacji i procedury wizyt kontrolnych. Są to właśnie te rodzaje procesów, które AI może już wspierać w użyteczny i mierzalny sposób.
Jeśli odzyskamy ten czas, nie tylko zmniejszamy obciążenie klinicysty, ale także otwieramy harmonogram na więcej pacjentów. Czas oczekiwania jest znaczącym problemem dostępu do opieki zdrowotnej. Pacjenci często czekają tygodnie, aby zobaczyć specjalistę, a dostęp pozostaje nierówny w różnych regionach. HHS nadal zauważa, że społeczności wiejskie i z odległych, słabo zaludnionych obszarów mają zbyt mało personelu i zbyt mało wsparcia zdrowia psychicznego, cytując telezdrowie jako sposób na znaczące zwiększenie dostępu do opieki zdrowia psychicznego.
Dlaczego ochrona zdrowia jest najtrudniejszą branżą do zautomatyzowania z AI
Ochrona zdrowia może wyglądać na ujednoliconą z zewnątrz. W rzeczywistości jest ujednolicona i zmienna jednocześnie.
Istnieją pewne wytyczne, przepisy i zasady dokumentacji. Jednak każdy klinicysta również wnosi nawyki, przepływy pracy i protokoły ukształtowane przez poprzednie środowiska. Dwóch klinicystów może leczyć tę samą chorobę w ramach tego samego prawnego systemu, podczas gdy nadal podchodzą do rutynowej opieki w znacznie różny sposób. AI musi uwzględnić tę zmienność, nie odbiegając od standardu opieki. To jest o wiele trudniejszy wyczyn niż budowanie modelu, który działa dobrze w demo.
Gdy chodzi o regulację, zgodność jest warstwowa. Stanowe organy licencyjne, federalne agencje, HIPAA, systemy monitorowania recept, stanowe bazy danych i wewnętrzne procedury kliniczne wszystkie się nakładają. Działanie zgodne z wymogami w jednym stanie może być niezgodne w innym. Przepływ pracy, który wydaje się nieszkodliwy z perspektywy produktu, może stać się ryzykowny, gdy chodzi o wystawianie recept, tożsamość pacjenta, przechowywanie dokumentacji lub możliwość audytu. Istnieje strukturalna złożoność w tym procesie.
Kwestia danych też nie jest tak prosta, jak się można spodziewać. W ochronie zdrowia nie łączysz po prostu powszechnie używanych narzędzi i nie zaczynasz uczenia się z zachowania użytkownika. Niektóre standardowe narzędzia analityczne i potoki danych nie są odpowiednie z powodu przepisów HIPAA, chyba że są fundamentalnie zmienione. Często potrzebna jest niestandardowa infrastruktura od podstaw. Rzeczy takie jak sposób, w jaki dane są przechowywane, przetwarzane, audytowane i wyświetlane w przepływie pracy. Zaskakująco duża liczba firm nie docenia tego problemu, dopóki nie są w połowie swojego procesu budowania, a potem muszą odwrócić całą swoją pracę.
Przede wszystkim jednak powiedziałbym, że największym problemem jest po prostu to, że koszt popełnienia błędu w ochronie zdrowia jest dość wysoki.
Wadliwy wynik może stworzyć tylko niedogodność w innych branżach, ale w ochronie zdrowia może wpłynąć na jakość leczenia, bezpieczeństwo pacjenta, praktykę przepisywania leków lub narażenie regulacyjne. Zdrowie ludzkie nie jest czymś, czym możemy się po prostu bawić, aby udoskonalić nasze możliwości AI, i słusznie. To powinno być użyte jako zasada przewodnia, aby pomóc nam zrozumieć, gdzie AI mogłoby być wprowadzone najpierw w tej branży.
Warstwa administracyjna zapewnia najwyższy zwrot z wdrożenia AI w ochronie zdrowia
Mam nadzieję, że przekonałem czytelnika, jak ważne jest przeniesienie uwagi z zastępowania lekarza przez AI na usuwanie przeszkód operacyjnych wokół jego pracy. Rozwinę to tutaj, aby pokazać, jak to wygląda w praktyce.
Generowanie dokumentacji. AI może transkrybować i tworzyć dokumentację w czasie rzeczywistym podczas wizyt. To redukuje obciążenie dokumentacji, skraca pracę po godzinach i sprawia, że ukończenie tego samego dnia jest o wiele bardziej realistyczne. W ramach wewnętrznej struktury MEDvidi generator dokumentacji aktualizuje dokumentację nieprzerwanie w trakcie spotkania i jest zaprojektowany, aby znacznie skrócić czas dokumentacji.
Przegląd dokumentacji. AI może również przeglądać dokumentację w stosunku do wewnętrznych procedur i flagować odchylenia przed osiągnięciem etapu wystawiania recept. Większość przeglądów jakości opieki zdrowotnej nadal jest częściowa i ręczna; dlatego też, przeglądając każde spotkanie, a nie tylko niewielką próbkę, zgodność staje się bardziej widoczna i bardziej spójna.
Automatyzacja przepływu pracy przed wizytą. Duża część czasu personelu klinicznego upływa przed rzeczywistą decyzją kliniczną na rzeczach takich jak weryfikacja tożsamości, sprawdzanie stanowych baz danych, przeglądanie historii medycznej, szukanie potencjalnych przeciwwskazań lub wykrywanie wzorców, które mogą sugerować zachowania związane z poszukiwaniem leków lub luki w dokumentacji. Żadne z nich nie zastępuje osądu, ale wszystkie pochłaniają czas, dlatego AI może pomóc przetworzyć te warstwy przed wejściem klinicysty.
Rutynowe zarządzanie receptami. Stabilna opieka podtrzymująca jest miejscem, w którym AI może być szczególnie przydatne. Dla pacjentów, których leczenie pozostaje spójne, AI może pomóc zarządzać przepływem odnawiania i przygotować dokumentację, podczas gdy lekarz nadal przegląda i zatwierdza ostateczną decyzję. To jest zupełnie inny model niż całkowicie autonomiczna opieka, ponieważ jest węższy, bezpieczniejszy i o wiele bardziej istotny dla rzeczywistego zatoru w systemie.
Każdy z tych przypadków użycia ma coś wspólnego. Oszczędzają czas w sposób, który zwiększa zdolność do świadczenia opieki. To jest mój centralny argument, dlaczego uważam, że warstwa administracyjna jest miejscem o najwyższej rentowności, aby wdrożyć AI najpierw.
Prawidłowa architektura AI dla środowisk klinicznych
Zastąpienie lekarza jest kolejną z tych straszących historii o AI, które tworzą sensacyjne nagłówki i wprowadzają dyskomfort w umysłach profesjonalistów. O wiele bardziej praktyczny, korzystny i niezastąpiony model to uzupełnienie lekarza w ochronie zdrowia.
W ramach takiej architektury klinicysta ma ostateczne słowo w każdej decyzji klinicznej i recepcie. Plany leczenia nadal będą przeglądane i zatwierdzane przez uprawnionego pracownika medycznego. AI po prostu zajmuje się drobnostkami dokumentacji, weryfikacji, warstwy przeglądu i powtarzalnych zadań wokół wizyty. To jest najbezpieczniejszy sposób, aby poprawić wydajność i utrzymać odpowiedzialność.
AI w ochronie zdrowia również potrzebuje rzeczywistych danych klinicznych, ponieważ gotowe modele i ogólne zestawy danych nie są wystarczające. Przepływy pracy kliniczne są zbyt szczegółowe, przepisy są zbyt warstwowe, a margines błędu jest zbyt mały. System AI szkolony na własnym zestawie danych wizyt pacjentów miesięcznie, z przeglądem przeprowadzanym przez klinicystę i zgodnością z procedurami włączoną do przepływu pracy, powinien być podstawą każdego systemu, który wkracza w tę dziedzinę. Sedno sprawy polega na tym, że AI w ochronie zdrowia musi być ugruntowane w rzeczywistych operacjach klinicznych, zamiast opierać się wyłącznie na możliwościach modelu ogólnego przeznaczenia.
Dla klinicystów ta architektura zmniejsza czas stracony na pracę administracyjną i rezerwuje więcej czasu na nowych pacjentów i skomplikowane przypadki. Dla pacjentów zapewnia szybszy dostęp do opieki zdrowotnej przy niższych kosztach, połączony z większą spójnością w dokumentowaniu i dostarczaniu opieki. Organy nadzoru również korzystają, mając większą widoczność, ponieważ obecny system często ukrywa niekonsekwencje w rozproszonych przepływach pracy. Prawidłowe wdrożenie AI sprawia, że przepływy pracy stają się bardziej czytelne i podlegające przeglądowi. Sam przegląd jest o wiele łatwiejszy do audytu niż dokumentacja stworzona przez człowieka.
Stając się niezawodnym w ramach mierzalnego przepływu pracy, AI staje się godnym zaufania narzędziem do poprawy obszaru, w którym tak ważna branża wyraźnie zmaga się z trudnościami.
Podsumowanie
Gdy ludzie skarżą się, że opiekujący się nimi pracownik medyczny jest nieuważny, zauważają prawdziwy problem. Pomyśl o energii opiekującego się Tobą pracownika medycznego jako o balonie, który jest przebity ze wszystkich stron przez nudne, powtarzalne zadania. Oczywiście, nie mają czasu ani mentalnej pojemności, aby poświęcić Ci należytą uwagę.
Zamiast skakać na pociąg strachu, kto straci pracę pierwszy z powodu AI, bardziej rozsądne jest, szczególnie w ochronie zdrowia, aby użyć tej technologii, aby naprawić warstwy pracy, z którymi ludzie się borykają. Tym, co daje AI tak dużą przewagę, jest jej niestrudzoność — cecha, której ludzkim klinicystom brakuje.
Można zrozumieć, dlaczego ochrona zdrowia jest trudna do zautomatyzowania z powodu złożonych przepisów, zmienności w zachowaniu personelu medycznego, potrzeby niestandardowej infrastruktury i ogromnych kosztów błędów. Jednak istnieje prawdziwy zator administracyjny, który może być naprawiony przez tę technologię, którą mamy pod ręką. Wykorzystajmy ją.
Bez rozpoczęcia od zatoru administracyjnego AI kliniczne będzie się borykać, aby zdobyć zaufanie ludzi na większą skalę, gdy jego możliwości rozwiną się poza to, co może dzisiaj.
Myślę, że model na najbliższy okres jest prosty. AI przegląda historię choroby, sprawdza przeciwwskazania, weryfikuje tożsamość, generuje dokumentację i przygotowuje procedurę wystawiania recept. Lekarz przegląda pełny obraz i zatwierdza ostateczną decyzję. To, co wymagało pełnej 20-minutowej wizyty na stabilną kontrolę, może stać się krótszym, czystszym i bezpieczniejszym procesem.
Może się wydawać nieistotne na papierze, ale to jest gruntowna przebudowa w systemie, który pozostawał ręczny przez tak długi czas i wpływa na wszystkich.












