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 przepisywać leki? Czy może ostatecznie zastąpić lekarza?

Nie musimy już rozważać tych możliwości, ponieważ mamy już przypadki zastosowania AI w ochronie zdrowia. Utah już otworzył drzwi do autonomicznego AI w odnawianiu recept przez swoją piaskownicę regulacyjną. Inne stanów obserwują, czy te pierwsze pilotażowe programy pokazują akceptowalną bezpieczeństwo i wydajność.

Ale myślę, że zastanawianie się nad zastąpieniem lekarza przez AI jest niewłaściwym miejscem do rozpoczęcia przez branżę.

Zanim zapytamy, jak dużo relacji klinicznej AI może wchłonąć, powinniśmy rozwiązać znacznie prostszy i pilniejszy problem, który siedzi przed nami. Klinicyści są przytłoczeni pracą administracyjną. Pacjenci nadal nie mogą uzyskać terminu wizyty, ponieważ dostęp jest ograniczony nie przez brak popytu pacjentów, ale przez brak czasu klinicystów. To jest miejsce, w którym zaczyna się zator, i to jest miejsce, w którym AI jest pilnie potrzebne, aby ułatwić obciążenie operacyjne.

Jest to 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 wysoko wyleczalne, jednak miliony nie otrzymują zalecanej opieki. Problemem nie jest brak świadomości, nawet pobieżny rzut oka na rynek pokaże różnorodne narzędzia samopomocy, treści, śledzenie i aplikacje przyjazne dla ADHD. Rzeczywistą luką jest dostęp do rzeczywistej opieki klinicznej, diagnozy i zarządzania lekami, gdy jest to odpowiednie.

Ten artykuł opowiada za prostszym punktem startu. Najwyższa stopa zwrotu z inwestycji 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 efektywne

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 zarezerwowany. Widzieliśmy to wielokrotnie. Nie oznacza to, że jest tylko brak dostępu do świadczeniodawców w abstrakcji, ale jak czas świadczeniodawcy zostaje spożytkowany, 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 kontynuujący ten sam przebieg leczenia, sprawdzający objawy i odnawiający leki, jeśli wszystko jest nadal odpowiednie. Jednak te wizyty niosą pełny ciężar dokumentacji, weryfikacji, przeglądu historii, kontroli PDMP i przepisywania leków. Świadczeniodawcy spędzają średnio 16 godzin tygodniowo na takiej pracy administracyjnej. To jest czas, który mógłby być poświęcony nowym pacjentom lub po prostu lepszej uwadze klinicznej pacjentów i skomplikowanych przypadków.

To jest miejsce, w którym wiele dyskusji o AI staje się niepołączone z rzeczywistością operacyjną. Branża nadal pyta, czy AI może przejąć 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 przepływ pracy. Są to exactly te rodzaje procesów, które AI może już wspierać w użyteczny i mierzalny sposób.

Jeśli odzyskasz ten czas, nie tylko zmniejszasz obciążenie świadczeniodawcy, ale także znowu otwierasz harmonogram na więcej pacjentów. Czas oczekiwania jest znaczącym problemem dostępu do opieki zdrowia. Pacjenci często czekają tygodnie, aby zobaczyć specjalistę, a dostęp pozostaje nierówny w różnych regionach. HHS nadal zauważa, że społeczności wiejskie i pionierskie mają zbyt mało świadczeniodawców i zbyt mało wsparcia zdrowia psychicznego, cytując telezdrowie jako sposób na znaczące zwiększenie dostępu do opieki zdrowia psychicznego.

Dlaczego ochrona zdrowia jest najtrudniejszym przemysłem do zautomatyzowania z AI

Ochrona zdrowia może wyglądać na zunifikowaną z zewnątrz. W rzeczywistości jest zunifikowana i zmienna jednocześnie.

Istnieją niewątpliwie pewne wytyczne, przepisy i reguły dokumentacji. Jednak każdy klinicysta również przywozi zwyczaje, przepływy pracy i protokoły ukształtowane przez poprzednie środowiska. Dwa świadczeniodawcy mogą leczyć ten sam stan w ramach tego samego prawnego systemu, podczas gdy nadal podejmują rutynową opiekę w znacząco różny sposób. AI musi uwzględnić tę zmienność bez oddalania się od standardu opieki. To jest o wiele trudniejsze niż budowanie modelu, który działa dobrze w demo.

Gdy chodzi o regulację, zgodność jest głównie warstwowa. Państwowe rady licencyjne, federalne agencje, HIPAA, systemy monitorowania recept, państwowe bazy danych i wewnętrzne procedury operacyjne kliniczne wszystkie się nakładają. Zgodna akcja w jednym stanie może być niezgodna w innym. Przepływ pracy, który wydaje się nieszkodliwy z punktu widzenia produktu, może stać się ryzykowny, gdy przychodzi do przepisywania, tożsamości pacjenta, przechowywania rekordów lub audytowalności. Istnieje strukturalna złożoność zaangażowana w tym procesie.

Część danych nie jest również tak prosta, jak by się mogło wydawać. 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 zostaną podstawowo zmienione. Często potrzebujesz niestandardowej infrastruktury od podstaw. Rzeczy takie jak sposób, w jaki dane są przechowywane, przetwarzane, audytowane i wyświetlane w przepływie pracy. Duża liczba firm niedocenia tego, dopóki nie są głęboko w procesie budowania, a następnie muszą odwrócić całą swoją pracę.

Ale więcej niż cokolwiek, powiedziałbym, że największym problemem jest po prostu fakt, że koszt popełnienia błędu w ochronie zdrowia jest dość strome.

Wadliwy wynik może powodować tylko niedogodności w innych branżach, ale w ochronie zdrowia może wpływać na jakość leczenia, bezpieczeństwo pacjentów, zachowanie przepisywania lub narażenie regulacyjne. Zdrowie ludzkie nie jest czymś, z czym możemy po prostu bawić się, aby poprawić nasze możliwości modelu AI, i słusznie tak. To powinno być użyte jako zasada przewodnia w pomocy nam zrozumieć, gdzie AI mogą być wprowadzone najpierw w tej branży.

Najwyższa stopa zwrotu z inwestycji AI w ochronie zdrowia jest warstwą administracyjną

Mam nadzieję, że wywarłem na czytelnika wrażenie na temat ważności przesunięcia naszego uwagi od zastąpienia lekarza przez AI do rozwiązania 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 staje się 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 wobec wewnętrznych procedur operacyjnych i flagować odchylenia przed tym, jak dotrą do etapu przepisywania. Większość przeglądów jakości opieki zdrowia 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 część czasu świadczeniodawcy jest spędzana przed rzeczywistą decyzją kliniczną na rzeczach takich jak weryfikacja tożsamości, sprawdzanie baz danych stanowych, przeglądanie historii medycznej, szukanie potencjalnych przeciwwskazań lub przesiewanie wzorców, które mogą sugerować zachowania związane z poszukiwaniem leków lub luki w dokumentacji. Żadne z tego nie zastępuje osądu, ale wszystko to pochłania czas, dlatego AI może pomóc w przetworzeniu tych warstw przed wejściem klinicysty.

Zarządzanie receptami rutynowymi. Opieka follow-up dla stabilnych pacjentów jest miejscem, w którym AI może być szczególnie użyteczne. Dla pacjentów, których leczenie pozostaje spójne, AI może pomóc zarządzać przepływem odnawiania recept i przygotować rekord, podczas gdy lekarz nadal przegląda i zatwierdza ostateczną decyzję. To jest zupełnie inny model niż w pełni autonomiczna opieka, ponieważ jest węższy, bezpieczniejszy i znacznie 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 widzę warstwę administracyjną jako miejsce o najwyższej stopie zwrotu, w którym należy wdrożyć AI najpierw.

Prawidłowa architektura AI dla środowisk klinicznych

Zastąpienie lekarza przez AI to kolejna z tych historii o AI, które tworzą sensacyjne nagłówki i wprowadzają niepokój w umysły profesjonalistów. Bardziej praktyczny, korzystny i niezastąpiony model to uzupełnienie lekarza w ochronie zdrowia.

W ramach takiej architektury klinicysta ma ostateczne słowo w każdej decyzji klinicznej, receptie. Plany leczenia nadal będą przeglądane i zatwierdzane przez licencjonowanego świadczeniodawcę. 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 ogólnych 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 świadczeniodawcy i zgodnością z procedurami operacyjnymi wbudowanymi w przepływ 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 w ogólnych możliwościach modelu.

Dla klinicystów ta architektura zmniejsza liczbę godzin straconych na pracę administracyjną i rezerwuje więcej czasu dla nowych pacjentów i skomplikowanych przypadków. Dla pacjentów zapewnia szybszy dostęp do opieki zdrowia przy niższych kosztach, w połączeniu z większą spójnością w dokumentowaniu i dostarczaniu opieki. Regulatorzy również korzystają, mając większą widoczność, ponieważ obecny system często ukrywa niekonsekwencję w rozproszonych przepływach pracy. Właściwe wdrożenie AI sprawia, że przepływy pracy stają się bardziej czytelne i przeglądnalne. Sam przegląd jest o wiele łatwiejszy do audytu niż dokumentacja stworzona przez ludzi.

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 świadczeniodawca medyczny jest nieuwagi, zauważają prawdziwy problem. Pomyśl o energii Twojego świadczeniodawcy medycznego jako o balonie, który jest kłuty 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 nie posiadają ludzcy klinicyści.

Rozumiem, dlaczego ochrona zdrowia jest trudna do zautomatyzowania z powodu złożonych regulacji, zmienności w zachowaniu świadczeniodawców, potrzeby niestandardowej infrastruktury i ogromnych kosztów błędów. Jednak istnieje prawdziwy zator administracyjny, który może być naprawiony przez tę technologię, którą mamy pod ręką. Wdrożmy ją.

Bez rozpoczęcia od zatoru administracyjnego AI w ochronie zdrowia będzie się borykać, aby zdobyć zaufanie ludzi na większą skalę, gdy jego możliwości rozwiną się poza to, co może dzisiaj.

Myślę, że model krótkoterminowy jest prosty. AI przegląda historię, sprawdza przeciwwskazania, weryfikuje tożsamość, generuje dokumentację i przygotowuje przepływ recepty. Lekarz przegląda pełen obraz i zatwierdza ostateczną decyzję. To, co wymagało pełnej 20-minutowej wizyty dla stabilnego follow-up, może stać się krótszym, czystszym i bezpieczniejszym procesem.

Może się wydawać nieistotne na papierze, ale jest to główna przebudowa w systemie, który pozostawał ręczny przez tak długo i wpływa na każdego.