Sztuczna inteligencja w ochronie zdrowia: Od obietnicy do praktyki

Ochrona zdrowia nigdy nie miała więcej technologicznych obietnic ani więcej presji, aby je spełnić, niż ma to miejsce dzisiaj.

Innowacje z technologią są oszałamiające. Sztuczna inteligencja generatywna opracowuje odwołania, podsumowuje notatki kliniczne, napędza narzędzia ambientowe i umożliwia zaangażowanie pacjentów w domu. Ponad 96% szpitali w Stanach Zjednoczonych z pacjentami już teraz używa systemów EHR. To powinno być era bezproblemowej, inteligentnej opieki. Ale gdzieś pomiędzy potencjałem a praktyką, impet się traci.

Infrastruktura dziedzictwa, fragmentaryzacja zarządzania, zmęczenie personelu i rozszerzające się luki w zasobach nadal spowalniają postęp. Jeszcze bardziej wyzwaniem jest fakt, że płatnicy, dostawcy i pacjenci, rozwijają się w własnym tempie, każdy budując zdolności cyfrowe bez wspólnego rytmu.

Tymczasem presja na zapewnienie lepszej opieki za mniej rośnie. Ponad 700 szpitali w Stanach Zjednoczonych, wiele z nich w obszarach wiejskich, jest narażonych na zamknięcie. Zmiany legislacyjne mogą dalej zmniejszyć pokrycie dla milionów.

W tym momencie to nie są rozwiązania punktowe, ale innowacje na dużą skalę, które mogą naprawdę przekształcić opiekę. Aby zrównoważyć innowacje w sposób zrównoważony, ochrona zdrowia musi wbudować ją w rzeczywiste przepływy pracy, oprzeć ją na interoperacyjności, zarządzać nią z zamiarem i budować na zgodności w całym systemie.

Wszyscy innowują. Dlaczego nadal wydaje się to niepołączone?

Problem zaczyna się, gdy innowacja zachodzi w izolacji. Systemy zdrowia eksperymentują z GenAI i narzędziami cyfrowymi, ale bez wspólnej infrastruktury lub wytycznych na poziomie przedsiębiorstwa, te pilotażowe rzadko się skalują.

Tylko jeden na czterech systemów ma modele zarządzania, które odpowiedzialnie zarządzają użyciem GenAI, a większość nadal boryka się z fragmentaryzowanymi środowiskami danych. Zamiast upraszczać opiekę, często dodaje to więcej złożoności do sposobu, w jaki pracują klinicyści.

Weźmy na przykład cykl przychodów, AI może teraz generować odwołania w ciągu kilku minut, a jednak płatnicy nadal przetwarzają je ręcznie. Tworzy to asymetrię i zwiększa koszty administracyjne.

Co jest potrzebne do skalowania AI w ochronie zdrowia

Aby ruszyć do przodu, liderzy muszą zaprojektować konwergencję. Oznacza to czynienie innowacji częścią tego, jak działa opieka: łączenie punktów między zespołami i zapewnienie, że każdy wysiłek przynosi lepsze wyniki dla wszystkich kluczowych interesariuszy.

Oto, jak wygląda ta zmiana w działaniu:

1. Przebudowanie siły roboczej, a nie jej zastąpienie

Innowacja w ochronie zdrowia na dużą skalę zaczyna się od twardej prawdy: systemy zdrowia nie ruszą się z miejsca, chyba że przemyślą, jak działały zespoły opieki. W 2024 roku 57% wyższych urzędników systemów zdrowia wymienia braki siły roboczej jako główny problem strategiczny. Brak gotowości siły roboczej jest również wśród trzech głównych przeszkód do transformacji cyfrowej. To podkreśla powszechną lukę między wdrożeniem a gotowością ludzi na terenie.

Przyszłościowi dostawcy odpowiadają na to na różne sposoby:

• Inwestują w wytrzymałość siły roboczej. Pielęgniarki są przygotowywane do hybrydowych, wzmocnionych technologicznie ról, nie po to, aby zastąpić intuicję kliniczną, ale aby ją wzmocnić.
• Wdrożenie narzędzi GenAI, które redukują obciążenie poznawcze. Na przykład, dokumentacja ambientowa pomaga klinicykom zautomatyzować notatki i oznaczyć ryzyko readmisji. Podsumowania przed wizytą stają się również niezbędne, ponieważ ujawniają kontekst pacjenta przed wizytami, aby usprawnić dostarczanie opieki.
• Odzyskiwanie czasu i pojemności poprzez przebudowanie przepływów pracy. Przebudowa przepływu pracy, połączona z inteligentnym delegowaniem, ma potencjał dostarczyć 15-30% oszczędności czasu na zmianę, wystarczająco, aby zamknąć lukę niemal 300 000 pielęgniarek w szpitalach^[8].

To są umożliwienia bardziej zrównoważonego modelu opieki. Innowacja musi być oprzędna na doświadczeniu tych, którzy dostarczają opiekę, aby odnieść sukces.

2. Budowanie ram zarządzania zmianą dla AI

Nie ma jednego, uniwersalnego podejścia do wykorzystania AI w ochronie zdrowia. Ponieważ to nie jest po prostu kolejne wdrożenie technologii.

W przeciwieństwie do migracji chmury, gdzie infrastruktura prowadzi, AI wymaga, abyśmy najpierw zrozumieli pracę, co wymaga poznania, co tworzy tarcie, i gdzie wsparcie jest najbardziej potrzebne. Centra Doskonałości pomagają dostawcom to zrobić.

Te centra formalizują zarządzanie, wytyczają przepływy pracy i zapewniają bezpieczeństwo, równość i zaufanie w wdrożeniu. Bez nich innowacja ryzykuje zatrzymania na powierzchni, użyteczna w teorii, ale oderwana od praktyki opieki.

W Johns Hopkins, przewidywalny dashboard zarządzania łóżkami, współprojektowany z zespołami z pierwszej linii, stał się integralną częścią codziennych decyzji. To jest to, co nazywamy integracją. Aby AI się skalowało, musi najpierw wpasować się w rytm opieki.

3. Przebudowanie luki zaufania w klinicznej AI

Innowacja nie jest jednolicie witana w całym przedsiębiorstwie ochrony zdrowia. AI znalazło swoje miejsce w biurze tylnym ochrony zdrowia, ale w klinicznych ustawieniach, nadal znajduje swoje miejsce. Automatyzacja rośnie szybko tam, gdzie stawki są niższe, jak rozliczenia i odwołania, ale gdy chodzi o diagnozę, triage lub planowanie opieki, wahanie jest głębsze. To jest zrozumiałe; klinicyści z pierwszej linii są proszeni o zaufanie narzędziom, których nie pomogli zbudować, w środowiskach, gdzie błędy niosą prawdziwe koszty ludzkie.

To nie oznacza, że innowacja kliniczna powinna się zatrzymać. Oznacza to, że musi być prowadzona inaczej.

Dla AI, aby zrobić prawdziwą różnicę w praktyce klinicznej, musi to ułatwić pracę klinicystom. Możliwość leży w wspieraniu klinicystów w zadaniach, takich jak stratyfikacja ryzyka zdrowia publicznego i nadzór, podsumowanie historii pacjenta i zarządzanie pojemnością. Gdy AI uzupełnia procesy decyzyjne, redukuje zmęczenie poznawcze i wpasowuje się naturalnie w sposób, w jaki opieka jest dostarczana, buduje zaufanie.

4. Przebudowanie ROI poza dolarami

Musimy patrzeć na ROI z szerszej perspektywy, jeśli chcemy skalować AI w ochronie zdrowia. Gdy definiujemy ROI przez oszczędności kosztów i cięcia budżetowe, możemy pominąć to, co jest naprawdę ważne. Sukces powinien pokazać lepsze wyniki i silniejsze połączenie między klinicystami a pacjentami.

W środowisku, w którym tak wiele pracy, która ma znaczenie, takiej jak koordynacja opieki, podsumowanie kliniczne i zaangażowanie pacjentów, nie jest bezpośrednio rozliczalne, zwrot z inwestycji nie może być mierzony tylko w dolarach. Musi uwzględniać odzyskany czas, zaufanie zbudowane i opiekę dostarczoną w bardziej przemyślany sposób.

Przyszłościowi systemy zdrowia zaczynają zmieniać rozmowę. Koncentrują się na tym, co poprawia opiekę, a nie na mierzeniu sukcesu tylko tym, co zostaje zautomatyzowane. Czy robimy codzienne zadania łatwiejszymi dla klinicystów? Czy zwiększamy czas, aby być obecnym z pacjentami? To są pytania, które muszą być odpowiedzią z wyjaśnieniem każdego dnia.

Przebudowanie AI w ochronie zdrowia poprzez opiekę prowadzoną przez ludzi

Następny kierunek dla AI w ochronie zdrowia to jego uzupełnienie. Systemy przechodzą od automatyzacji tyłowej do inteligencji zorientowanej na pacjenta, wykorzystując AI, która pomaga zarezerwować opiekę, triage objawów i interpretować rekordy w celu poinformowania decyzji. Zaprojektowane prawidłowo, te narzędzia budują zaufanie, redukują obciążenie poznawcze, poprawiają dostęp i zwiększają czas na połączenie z pacjentem.

Niemal 60% CEO ochrony zdrowia teraz klasyfikuje GenAI jako priorytet inwestycyjny, a 79% pozostaje optymistycznych co do długoterminowego wzrostu. Jednak 70% wymienia niepewność regulacyjną jako kluczną barierę do skali.

Droga do przodu wymaga odważnego przywództwa dostawców. Postęp nie przyjdzie z efektownymi wdrożeniami lub szybkimi zwycięstwami. Przyszedł czas, aby zacząć kształtować AI w coś bardziej podstawowego, niezawodnego, przejrzystego i głęboko dostosowanego do realiów opieki. Wpływ AI leży w cichym i bezproblemowym umożliwieniu każdego przepływu pracy, każdej decyzji, każdej interakcji. A w końcu, prawdziwy postęp to, jak znacząco przybliżamy technologię do ludzi, którym ma służyć.