Sztuczna inteligencja w ochronie zdrowia: Od obietnicy do praktyki

Ochrona zdrowia nigdy nie miała większych technologicznych obietnic ani większej presji, by je spełnić, niż ma to miejsce dzisiaj.

Innowacje technologiczne są oszałamiające. Sztuczna inteligencja generuje odwołania, podsumowuje notatki kliniczne, napędza narzędzia ambientowe i umożliwia zaangażowanie pacjentów w domu. Ponad 96% szpitali w Stanach Zjednoczonych korzysta obecnie z systemów EHR. To powinno być erą bezproblemowej, inteligentnej opieki. Ale gdzieś pomiędzy potencjałem a praktyką, impet się traci.

Starsza infrastruktura, fragmentaryzacja zarządzania, zmęczenie personelu i rosnące luki w zasobach nadal hamują postęp. Jeszcze bardziej wymagające jest to, że płatnicy, dostawcy i pacjenci rozwijają się w swoim własnym tempie, każdy budując cyfrowe możliwości bez wspólnej kadencji.

Tymczasem presja, by zapewnić lepszą opiekę przy mniejszych nakładach, rośnie. Ponad 700 szpitali w Stanach Zjednoczonych, wiele z nich w obszarach wiejskich, jest narażonych na zamknięcie. Zmiany legislacyjne mogą również ograniczyć pokrycie ubezpieczeniowe dla milionów ludzi.

W tym momencie to nie rozwiązania punktowe, ale innowacje w skali, mogą naprawdę przekształcić opiekę. Aby innowacje były zrównoważone, ochrona zdrowia musi je wbudować w rzeczywiste procesy robocze, opierać je na interoperacyjności, zarządzać nimi z zamiarem i budować je w celu uzgodnienia na całym systemie.

Wszyscy innowują. Dlaczego więc nadal czuje się to jako niepołączone?

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

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

Weźmy na przykład cykl przychodów, na przykład AI może teraz generować odwołania w ciągu kilku minut, ale 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, że innowacje muszą być częścią tego, jak opieka naprawdę działa: łączenie punktów między zespołami i zapewnienie, że każdy wysiłek przynosi lepsze wyniki dla wszystkich kluczowych interesariuszy.

Oto jak wygląda ten przełom w działaniu:

1. Przebudowanie siły roboczej, a nie jej zastępowanie

Innowacje w ochronie zdrowia zaczynają się od twardej prawdy: systemy zdrowia nie ruszą się z miejsca, jeśli nie przebudują, jak naprawdę pracują zespoły opieki. W 2024 roku 57% dyrektorów wykonawczych systemów zdrowia wymienia braki siły roboczej jako główny problem strategiczny. Brak gotowości siły roboczej jest również jednym z trzech głównych przeszkód w transformacji cyfrowej. To podkreśla powszechną lukę między wdrożeniem a gotowością ludzi na miejscu.

Przewidujący dostawcy reagują na to na różne sposoby:

• Inwestują w gotowość siły roboczej. Pielęgniarki są przygotowywane do hybrydowych, technicznie wspomaganych ról, nie po to, by zastąpić intuicję kliniczną, ale po to, by ją wzmocnić.
• Wdrożenie narzędzi GenAI, które redukują obciążenie poznawcze. Na przykład, ambientna dokumentacja 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 procesów roboczych. Przebudowa procesów roboczych, połączona z inteligentnym delegowaniem, ma potencjał dostarczyć 15-30% oszczędności czasu na zmianę, co wystarcza, by zapełnić lukę niemal 300 000 pielęgniarek w szpitalach^[8].

To są umożliwienia bardziej zrównoważonego modelu opieki. Innowacje muszą być uzasadnione doświadczeniem 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 chmurowych, 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 zrozumieć.

Te centra formalizują zarządzanie, uzgadniają procesy robocze i zapewniają bezpieczeństwo, równość i zaufanie w wdrożeniu. Bez nich innowacje ryzykują zatrzymanie się na powierzchni, użyteczne w teorii, ale oderwane od praktyki opieki.

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

3. Przebudowanie zaufania w klinicznej AI

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

To nie oznacza, że innowacje kliniczne powinny się zatrzymać. Oznacza to, że muszą być prowadzone inaczej.

Aby AI mogło naprawdę różnicować się w praktyce klinicznej, musi ono ułatwić pracę klinicystom. Szansa leży w wspieraniu klinicystów w zadaniach takich jak stratyfikacja ryzyka zdrowia populacji, nadzór i zarządzanie pojemnością. Kiedy AI uzupełnia podejmowanie decyzji, 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. Kiedy definiujemy ROI przez oszczędności kosztów i cięcia budżetowe, możemy pominąć to, co jest naprawdę ważne. Sukces powinien pokazywać 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 on uwzględniać odzyskany czas, zaufanie i staranniej dostarczaną opiekę.

Przewidujące systemy zdrowia zaczynają zmieniać rozmowę. Koncentrują się na tym, co poprawia opiekę, a nie mierzą 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 front dla AI w ochronie zdrowia to jego rozszerzenie. Systemy przechodzą od automatyzacji tyłowej do inteligencji zorientowanej na pacjenta, wykorzystując AI, które pomaga rezerwować opiekę, triage objawy 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% dyrektorów generalnych ochrony zdrowia obecnie klasyfikuje GenAI jako najwyższy priorytet inwestycyjny, a 79% pozostaje optymistycznych co do długoterminowego wzrostu. Nadal 70% wymienia niepewność regulacyjną jako kluczową barierę do skali.

Ścieżka do przodu wymaga odważnego przywództwa dostawców. Postęp nie przyjdzie z efektownych wdrożeń czy szybkich zwycięstw. Przyjdzie z robienia pracy, która naprawdę przesuwa system do przodu. Obejmuje to eliminowanie systemowych odpadów, tworzenie wspólnych fundamentów danych między płatnikami a dostawcami, wdrażanie silnych ram zarządzania zmianą i koncentrowanie się na mierzalnej wartości, zarówno finansowej, jak i niefinansowej.

To czas, aby zacząć kształtować AI w coś bardziej podstawowego, niezawodnego, przejrzystego i głęboko dostrojonego do rzeczywistości opieki. Wpływ AI leży w tym, aby cicho i bezproblemowo umożliwić każdy proces roboczy, każdą decyzję, każdą interakcję. A na końcu prawdziwy postęp polega na tym, jak znacząco przybliżamy technologię do ludzi, którym ma służyć.