Dlaczego AI w ochronie zdrowia jest wdrażany w niewłaściwym miejscu

Branża ściga się z niewłaścinym problemem

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 otworzył drzwi do autonomicznego AI w odnawianiu recept przez swoją piaskownicę regulacyjną. Inne stany obserwują, czy te pierwsze pilotaże pokazują akceptowalną bezpieczeństwo i wydajność.

Ale myślę, że zastanawianie się, czy AI może zastąpić lekarza, jest niewłaściwym miejscem do rozpoczęcia.

Zanim zapytamy, ile relacji klinicznych AI może pochłonąć, 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 jest ograniczony nie przez brak popytu, ale przez brak czasu lekarzy. To jest miejsce, w którym zaczyna się zator, i to jest miejsce, w którym AI jest pilnie potrzebne, aby ułatwić obciążenia operacyjne.

To jest szczególnie odczuwalne w opiece zdrowia psychicznego. 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. Obie choroby są łatwo leczalne, jednak miliony ludzi nie otrzymują zalecanej opieki. Problemem nie jest brak świadomości, ponieważ nawet pobieżne spojrzenie na rynek pokaże różnorodne narzędzia samopomocy, treści, śledzenia i aplikacji przyjaznych dla 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. Najwyższa rentowność AI w ochronie zdrowia dzisiaj jest 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 zajęty. Widzieliśmy to wielokrotnie. To nie oznacza, że jest tylko brak dostępu do lekarzy w abstrakcji, ale jak czas lekarza jest pochłaniany, gdy panel 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, sprawdzają się, przeglądają objawy i odnawiają leki, jeśli wszystko jest nadal odpowiednie. Jednak te wizyty niosą pełny ciężar dokumentacji, weryfikacji, przeglądu historii, kontroli PDMP i przepisów. Dostawcy spędzają średnio 16 godzin tygodniowo na takiej pracy administracyjnej. To jest czas, który mógłby zostać wykorzystany na nowych pacjentów lub po prostu lepszą uwagę kliniczną pacjentom i skomplikowanym przypadkom.

To jest miejsce, w którym wiele dyskusji o AI staje się niepołączone z rzeczywistością operacyjną. Branża ciągle pyta, czy AI może zastąpić rolę lekarza, podczas gdy w rzeczywistości duża część utraconej pojemności pochodzi z zadań, które nie wymagają dużo osądu klinicznego. Mogą to być zadania takie jak dokumentacja, weryfikacja, przeglądanie rekordów i przepływy pracy. Są to exactly te rodzaje procesów, które AI może już wspierać w użyteczny i mierzalny sposób.

Jeśli odzyskamy ten czas, nie tylko zmniejszamy obciążenie dostawcy, 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 pograniczne mają zbyt mało dostawców 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 zunifikowaną z zewnątrz. W rzeczywistości jest zunifikowana i zmienna jednocześnie.

Istnieją pewne wytyczne, przepisy i zasady dokumentacji. Jednak każdy klinicysta również przywozi zwyczaje, przepływy pracy i protokoły ukształtowane przez poprzednie środowiska. Dwóch dostawców może leczyć tę samą chorobę w ramach tego samego prawnego systemu, podczas gdy nadal podejmują rutynową opiekę 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. Państwowe rady licencyjne, federalne agencje, HIPAA, systemy monitorowania recept, państwowe bazy danych i wewnętrzne procedury kliniczne wszystkie się nakładają. Zgodna akcja w jednym stanie może być niezgodna w innym. Przepływ pracy, który wydaje się nieszkodliwy z perspektywy produktu, może stać się ryzykowny, gdy przychodzi do przepisów, tożsamości pacjenta, przechowywania rekordów lub audytu. Istnieje strukturalna złożoność w tym procesie.

Część danych nie jest tak prosta, jak się można spodziewać. W ochronie zdrowia nie łączysz po prostu wspólnych 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 zaniża to, dopóki nie są w połowie swojego procesu budowania, a potem muszą odwrócić całą swoją pracę.

Ale więcej niż cokolwiek, 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, zachowanie przepisów lub narażenie regulacyjne. Zdrowie ludzkie nie jest czymś, z czym możemy po prostu bawić się, aby udoskonalić nasze możliwości AI, i słusznie tak. To powinno być użyte jako zasada przewodnia, aby pomóc nam zrozumieć, gdzie AI mogłoby być wprowadzone najpierw w tej branży.

Najwyższa rentowność wdrożenia AI w ochronie zdrowia jest warstwą administracyjną

Mam nadzieję, że wywarłem na czytelnika wrażenie na temat znaczenia przesunięcia naszego uwagi z zastąpienia lekarza AI na usunięcie tarcia operacyjnego wokół lekarza. 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 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 przepisów. Większość przeglądów jakości opieki zdrowotnej nadal jest częściowa i ręczna; dlatego też, przeglądając każde spotkanie, a nie tylko niewielką próbę, zgodność staje się bardziej widoczna i bardziej spójna.

Automatyzacja przepływu pracy przed wizytą. Duża ilość czasu dostawców jest spędzana przed rzeczywistą decyzją kliniczną na rzeczach takich jak weryfikacja tożsamości, sprawdzanie stanowych baz danych, przeglądanie historii medycznej, szukanie potencjalnych przeciwwskazań lub przesiewanie na wzorce, 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 rekord, 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. Zmniejszają one czas w sposób, który zwiększa pojemność 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 kolejnym z tych strasznych 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, przepisie. Plany leczenia nadal będą przeglądane i zatwierdzane przez licencjonowanego dostawcę 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 do użycia modele i 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 dostawcy 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, a nie być ogólnym modelem.

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. Regulatorzy 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 taka ważna branża wyraźnie się boryka.

Podsumowanie

Gdy ludzie skarżą się, że ich dostawca medyczny jest nieuwagi, zauważają prawdziwy problem. Pomyśl o energii Twojego dostawcy medycznego jako o balonie, który jest przebity z wszystkich stron przez nudne, powtarzalne zadania. Oczywiście, nie mają czasu ani mentalnej pojemności, aby zajmować się Tobą uwagą.

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. To, co czyni AI tak korzystnym, jest jego niezmęczeniem – czymś, czego ludzcy klinicyści nie posiadają.

Można zrozumieć, dlaczego ochrona zdrowia jest trudna do zautomatyzowania z powodu złożonych przepisów, zmienności w zachowaniu dostawców, potrzeby niestandardowej infrastruktury i ogromnych kosztów błędów. Jednak istnieje prawdziwy zator administracyjny, który może być naprawiony przez tę technologię, którą mamy pod ręką. Wpuśćmy ją do użycia.

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, sprawdza przeciwwskazania, weryfikuje tożsamość, generuje dokumentację i przygotowuje przepływ recepty. 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 główna przebudowa w systemie, który pozostawał ręczny przez tak długi czas i wpływa na wszystkich.