Grant Lunney, dyrektor ds. produktu w EverHealth – cykl wywiadów

Grant Lunney jest dyrektorem ds. produktu w EverHealth i ma blisko dwudziestoletnie doświadczenie w dziedzinie technologii medycznych, operacji klinicznych i strategii produktowej. Jego kariera obejmuje pracę w Boulder Community Health, OTTO Health, NextGen Healthcare i CrowdHealth, a jej głównym obszarem była opieka ambulatoryjna oraz praktyczne wyzwania, z którymi mierzą się placówki medyczne. W EverHealth zajmuje się wdrażaniem sztucznej inteligencji w dokumentacji klinicznej i procesach pracy placówek, aby dać klinicystom więcej czasu na opiekę nad pacjentami.

EverHealth dostarcza technologie medyczne obejmujące elektroniczną dokumentację medyczną, zarządzanie placówką, rozliczenia medyczne i komunikację z pacjentami. EverHealth Scribe wykorzystuje sztuczną inteligencję działającą w tle, aby przekształcać rozmowy między pacjentami a świadczeniodawcami w projekty notatek klinicznych w systemie elektronicznej dokumentacji medycznej, które klinicysta może sprawdzić i zatwierdzić. W tym wywiadzie Lunney opowiada o dokumentacji w obszarze zdrowia behawioralnego, zgodzie pacjentów i ochronie prywatności, nadzorze klinicznym oraz o tym, jak sztuczna inteligencja może ograniczyć obciążenie administracyjne niezależnych placówek.

Twoja kariera w dziedzinie technologii medycznych trwa blisko dwie dekady – od pracy w obszarze operacji klinicznych i strategii w Boulder Community Health, przez kierowanie rozwojem produktów w OTTO Health, NextGen Healthcare i CrowdHealth, aż po obecną rolę w EverHealth. Jak te doświadczenia ukształtowały Twoje spojrzenie na rolę, jaką sztuczna inteligencja powinna odgrywać w opiece zdrowotnej? Co skłoniło Cię do objęcia stanowiska, na którym kierujesz innowacjami produktowymi w EverHealth?

Przez większą część ostatnich dwóch dekad pracowałem w branży technologii medycznych, przede wszystkim w obszarze opieki ambulatoryjnej. W tym czasie obserwowałem niezwykły rozwój narzędzi, które udostępniliśmy lekarzom, aby ułatwić im wykonywanie zawodu. Pamiętam, kiedy e-recepty były czymś przełomowym. Możliwość elektronicznego wysłania recepty przez lekarza tak, by była gotowa, gdy pacjent dotrze do apteki, stanowiła istotny postęp. Od tamtej pory wprowadziliśmy coraz bardziej zaawansowane systemy elektronicznej dokumentacji medycznej, automatyzację procesów, rozwiązania zapewniające interoperacyjność oraz wiele innych narzędzi, które mają zwiększać efektywność opieki zdrowotnej.

Podobnie myślę o sztucznej inteligencji. Niezależnie od tego, czy mówimy o dużych modelach językowych, generatywnej sztucznej inteligencji czy modelach predykcyjnych, są to kolejne narzędzia w naszym zestawie. Cel pozostaje ten sam: zwiększać efektywność pracy klinicystów, a ostatecznie poprawiać jakość świadczonej przez nich opieki.

Wyobraźmy sobie lekarza podstawowej opieki zdrowotnej, który ma pod opieką 2500 lub 3000 pacjentów. Większość jego dnia pochłaniają wizyty związane z nagłymi dolegliwościami, zarządzanie farmakoterapią i opieka nad pacjentami cierpiącymi na kilka chorób przewlekłych. Ale ani przez chwilę nie wierzę, że ci lekarze nie chcieliby poświęcać więcej czasu na działania wyprzedzające problemy zdrowotne i pracę z pacjentami. Rozmawiać o odżywianiu, aktywności fizycznej, zdrowiu behawioralnym i społecznych uwarunkowaniach wpływających na zdrowie. Pomagać ludziom wprowadzać istotne zmiany, które mogłyby zapobiec rozwojowi kolejnej choroby przewlekłej. Właśnie dlatego wybrali studia medyczne.

To właśnie ekscytuje mnie w sztucznej inteligencji. Zaczynamy tworzyć technologie, które potrafią przejąć znaczną część pracy administracyjnej i przetwarzania informacji, odciążając klinicystów i dając im więcej czasu na praktykowanie medycyny.

Do EverHealth przyciągnęła mnie możliwość stopniowego wdrażania tej technologii w całej placówce medycznej. Głęboko wierzę, że należy najpierw wyjątkowo dobrze rozwiązać jeden problem, a następnie przejść do kolejnego. Możemy usprawnić dokumentację kliniczną, potem rozpoznawanie diagnoz, następnie kodowanie, zlecenia, recepty i zarządzanie placówką. Z czasem te usprawnienia zaczynają ze sobą współdziałać.

EverHealth Scribe wykorzystuje sztuczną inteligencję do przekształcania rozmów między pacjentami a świadczeniodawcami w uporządkowaną dokumentację kliniczną. Czy możesz opowiedzieć, jak działa ta technologia — od rejestrowania wizyty po sporządzenie notatki klinicznej — i wyjaśnić, co wyróżnia Wasze podejście na tle innych rozwiązań do dokumentacji medycznej opartych na sztucznej inteligencji?

W najprostszym ujęciu asystent AI do dokumentacji medycznej nasłuchuje rozmowy pacjenta z klinicystą, wykorzystuje rozpoznawanie mowy, by ustalić, co mówi każda z osób, a następnie używa dużego modelu językowego do uporządkowania istotnych klinicznie informacji w ustrukturyzowaną notatkę. Klinicysta sprawdza te informacje, wprowadza potrzebne poprawki i zatwierdza ostateczną dokumentację.

Myślę, że zbliżamy się do momentu, w którym większość dobrych systemów AI do sporządzania dokumentacji medycznej, działających w tle, będzie bardzo sprawnie realizować to podstawowe zadanie. Modele różnią się zaawansowaniem i dokładnością, ale uważam, że coraz większe możliwości wyróżnienia się będą wynikać z tego, co dzieje się wokół całego procesu.

Dla nas punktem wyjścia jest pytanie, jaką większą część pracy klinicysty możemy wykonać po sporządzeniu notatki. Dodaliśmy już rekomendacje dotyczące diagnoz i kodów CPT, a teraz rozszerzamy funkcjonalność o zlecenia i recepty — wszystko bezpośrednio wbudowane w system elektronicznej dokumentacji medycznej. Uwzględniamy też informacje z poprzednich wizyt, historię choroby i dokumentację sporządzoną przed wizytą, ponieważ piętnastominutowa rozmowa to tylko niewielki fragment znacznie szerszej historii klinicznej. Ponadto opracowujemy adnotacje, które rejestrują obserwacje i notatki sporządzane przez klinicystów, ale niewypowiadane na głos.

Zadbaliśmy również o niezawodność wszystkich tych funkcji. Jeśli klinicysta spędzi z pacjentem 30 minut, a potem okaże się, że nagranie się nie powiodło, będzie to katastrofalne doświadczenie. Dlatego musimy uwzględniać wszystko — od ustawienia mikrofonu po niestabilne połączenie Wi-Fi.

Jeśli wszystko to dobrze zorganizujemy, po zakończeniu wizyty klinicyście pozostanie do wykonania bardzo niewiele pracy związanej z dokumentacją. Będzie musiał jedynie sprawdzić treść kliniczną, dokonać własnej oceny i wdrożyć zalecenia, które uzna za właściwe.

Rozmowy dotyczące zdrowia psychicznego często obejmują bardzo osobiste tematy, niuanse emocjonalne i wrażliwe zwierzenia. Jakie szczególne wyzwania techniczne wiążą się z opracowaniem asystenta AI do sporządzania dokumentacji z zakresu zdrowia psychicznego i jak dbacie o to, by system dokładnie rejestrował informacje istotne klinicznie, nie wyciągając błędnych wniosków z kontekstu ani nie zapisując niepotrzebnych szczegółów osobistych?

Pięćdziesięciominutowa sesja psychoterapii, piętnastominutowa konsultacja dotycząca zdrowia psychicznego i siedmiominutowa wizyta internistyczna to trzy zupełnie różne rozmowy. Dokumentacja sporządzona po każdej z nich również powinna wyglądać inaczej.

Zaczynamy więc od potrzeb klinicysty i od nich cofamy się do wcześniejszych etapów. Jakie informacje trzeba uwzględnić? Jak należy je uporządkować? Jaki poziom szczegółowości jest właściwy z klinicznego punktu widzenia? Jak powinna wyglądać gotowa notatka, by osoba udzielająca świadczeń miała pewność, że dokładnie odzwierciedla przebieg wizyty?

Kiedy już to ustalimy, możemy zacząć konfigurować i udoskonalać AI tak, by tworzyła dokumentację zgodną z tymi oczekiwaniami. Chcemy przekształcić potencjalnie bardzo długą, złożoną i głęboko osobistą rozmowę w zestaw informacji klinicznych, które rzeczywiście mają znaczenie dla opieki nad pacjentem.

Uważam, że ma to szczególne znaczenie w opiece nad zdrowiem psychicznym. To, że coś zostało powiedziane podczas sesji, nie oznacza automatycznie, że powinno trafić do stałej dokumentacji medycznej pacjenta. Model musi też właściwie interpretować znaczenie kliniczne wypowiedzi, a w obszarze zdrowia psychicznego to samo zdanie może mieć zupełnie różne znaczenie w zależności od kontekstu. Dlatego kontrola i ocena klinicysty pozostają niezbędne.

Dużo mówimy o tym, jak inteligentne są te modele, ale moim zdaniem część najważniejszej pracy wykonuje się, zanim model wygeneruje jakąkolwiek notatkę. Trzeba określić, jak powinna wyglądać prawidłowa dokumentacja kliniczna, a następnie stale doskonalić proces jej rzetelnego tworzenia.

Mówiąc najprościej, określamy, jak wygląda dobry rezultat, i od niego cofamy się do wcześniejszych etapów, a ostateczną ocenę tego, czy udało nam się go osiągnąć, pozostawiamy klinicyście.

Badanie KFF wykazało, że 77% dorosłych mieszkańców USA obawia się o prywatność informacji medycznych udostępnianych narzędziom AI. W jaki sposób EverHealth odpowiada na te obawy, zwłaszcza w kwestiach przechowywania danych pacjentów, dostępu podmiotów zewnętrznych oraz wykorzystywania wrażliwych informacji do trenowania lub ulepszania modeli AI?

Te obawy są uzasadnione i nie uważam, by pacjenci musieli wybierać między prywatnością a lepszą opieką. Jednocześnie firma technologiczna nie powinna oczekiwać, że zaufają jej zabezpieczeniom bez dowodów. Pacjenci i placówki medyczne zasługują na jasne odpowiedzi na pytania o to, jakich informacji używamy, kto ma do nich dostęp i jak długo je przechowujemy.

W EverHealth Scribe informacje o pacjentach są przetwarzane w celu wspierania dokumentacji klinicznej i zapewnienia ciągłości opieki. Współpracujemy z partnerami technologicznymi, w tym z CarePilot, na podstawie zabezpieczeń umownych, takich jak umowy z partnerami biznesowymi, które regulują sposób postępowania z chronionymi informacjami zdrowotnymi. Stosujemy również szyfrowanie i kontrolę dostępu, a dane umożliwiające identyfikację pacjenta nie są wykorzystywane do trenowania modeli AI. Transkrypcje w Scribe są dostępne przez okres do 180 dni, dzięki czemu klinicyści mogą wracać do istotnych informacji z wcześniejszych wizyt; placówki mogą jednak również zażądać usunięcia transkrypcji.

Prywatności nie da się po prostu dodać do innowacji po fakcie. Musi ona wpływać na decyzje dotyczące tego, co tworzymy, z czym się integrujemy i jakie informacje przechowujemy.

Mentavi Health, które wdrożyło EverHealth Scribe, uzyskuje zgodę pacjentów podczas przyjęcia do placówki, a następnie przed każdą wizytą. Jak ważne jest takie odnawianie zgody dla budowania zaufania pacjentów i co powinno się wydarzyć, gdy pacjent odmówi korzystania z dokumentacji wspomaganej przez AI lub wycofa zgodę podczas sesji?

Uzyskiwanie przez Mentavi zgody podczas przyjęcia do placówki, a następnie przed każdą wizytą, podkreśla, że pacjent ma wpływ na sposób udzielania mu świadczeń.

Znaczną część kariery zawodowej spędziłem w telemedycynie, dlatego uważam, że pacjenci na ogół dobrze przyjmują technologię, jeśli dostrzegają korzyści, jakie przynosi. W idealnej sytuacji pacjenci widzą, że klinicysta częściej utrzymuje z nimi kontakt wzrokowy, poświęca im więcej uwagi i rzeczywiście skupia się na rozmowie, zamiast siedzieć za laptopem lub wpisywać informacje do komputera. To naprawdę przekonująca korzyść.

Oczywiście pacjent musi mieć wybór. Powinien wiedzieć, w jaki sposób wykorzystywana jest technologia, i czuć się swobodnie, odmawiając jej użycia. Jeśli ktoś wycofa zgodę podczas wizyty, nagrywanie należy przerwać, a klinicysta powinien móc kontynuować spotkanie i sporządzić dokumentację w zwykłym trybie pracy. Wszelkie zebrane wcześniej informacje należy przetwarzać zgodnie z obowiązującymi wymogami dotyczącymi zgody i ochrony prywatności.

Ostatecznie uważam, że zaufanie buduje się przez konsekwentne dostarczanie korzyści. Jeśli pomagamy klinicystom poświęcać więcej czasu pacjentom, a pacjenci rzeczywiście odczuwają różnicę, to znaczy, że robimy coś dobrze.

Notatki kliniczne generowane przez AI wiążą się z potencjalnymi zagrożeniami, takimi jak zmyślone informacje, pominięte szczegóły i nieprawidłowa interpretacja wypowiedzi pacjentów. Jakie zabezpieczenia wdrożyła firma EverHealth, aby wykrywać takie błędy, i jak dbacie o to, by lekarze zachowywali rzeczywisty nadzór nad dokumentacją, zamiast jedynie zatwierdzać treści wygenerowane przez AI?

Lekarze ściśle współpracują z asystentem i odpowiadają za edytowanie notatek wygenerowanych przez AI przed dodaniem ich do dokumentacji medycznej, aby ostatecznie ograniczyć ryzyko niezgodności w wynikach.

Lekarz musi sprawdzić i poprawić informacje, zanim zostaną zapisane w dokumentacji medycznej. Ostatecznie to on odpowiada za ustalenie, czy notatka wiernie odzwierciedla przebieg wizyty oraz czy niczego ważnego nie pominięto ani nie zinterpretowano błędnie.

Drugim istotnym elementem jest ciągłe zbieranie informacji zwrotnych. Po każdej wizycie pytamy lekarzy, czy dokumentacja była pomocna, a ponad 96% odpowiedzi jest pozytywnych. To napawający optymizmem sygnał, że konsekwentnie dostarczamy wartość.

Gdy lekarz zgłasza problem, nasz zespół bezpośrednio z nim rozmawia, aby zrozumieć, co się wydarzyło, ustalić przyczynę i określić, jak możemy poprawić jego doświadczenia. Bezpośredni kontakt z osobami korzystającymi z tej technologii ma ogromne znaczenie dla tego, jak rozwijamy i udoskonalamy produkt.

Uważam, że właśnie w ten sposób buduje się zaufanie do dokumentacji wspomaganej przez AI. Trzeba zapewnić dostęp do informacji źródłowych, zachować rzeczywisty nadzór kliniczny i stale oceniać, czy technologia faktycznie pomaga.

Firma Mentavi Health poinformowała niedawno o etapowym wdrożeniu obejmującym ponad 30 licencjonowanych lekarzy i ponad 14 000 notatek klinicznych sporządzonych z pomocą AI, które przyniosło poprawę w zakresie ustrukturyzowanej dokumentacji i rejestrowania kodów rozpoznań. Jakie były najważniejsze wnioski z tego wdrożenia i jak oceniacie, czy asystenci AI do sporządzania dokumentacji rzeczywiście zwiększają produktywność lekarzy, dokładność dokumentacji i jakość opieki nad pacjentami?

Jedną z najważniejszych lekcji płynących z wdrożenia w Mentavi jest to, że powodzenie adopcji zależy od znacznie więcej niż samej technologii. Zespół Mentavi połączył wiedzę kliniczną, administracyjną i technologiczną, aby określić standardy dokumentacji, ustalić mierniki jakości i przemyślanie wprowadzać nowe funkcje. Właśnie tak powinna wyglądać odpowiedzialna innowacja w ochronie zdrowia.

W przypadku Scribe problem, który próbujemy rozwiązać, jest prosty: lekarze poświęcają zbyt dużo czasu na dokumentowanie wizyty. Pytanie brzmi więc: ile tego czasu i wysiłku możemy im zaoszczędzić?

Analizujemy czas poświęcany na dokumentację, zadowolenie lekarzy oraz to, jak skutecznie takie funkcje jak rozpoznawanie diagnoz i sugerowanie kodów CPT eliminują dodatkowe etapy pracy. W miarę rozszerzania rozwiązania o zlecenia i recepty będziemy stosować to samo podejście. Każda funkcja powinna zdejmować z lekarza kolejną istotną część codziennych obowiązków.

Szczególnie cieszy poprawa w zakresie rejestrowania kodów rozpoznań. W badaniu wskaźnik rejestrowania kodów rozpoznań w przypadku wizyt obsługiwanych przez Scribe wyniósł niemal 80%, w porównaniu z około 26% bez tego rozwiązania. To znacząca poprawa spójności ustrukturyzowanej dokumentacji klinicznej i doskonały przykład tego, jak AI może przynosić korzyści wykraczające poza samo generowanie notatki.

Liczba wygenerowanych notatek napawa optymizmem, ale najważniejsze są rezultaty: ilość pracy, którą pozwalamy wyeliminować, oraz jakość i spójność dokumentacji, którą pomagamy tworzyć.

Niezależne placówki medyczne i placówki zdrowia psychicznego często dysponują mniejszymi zasobami administracyjnymi niż duże systemy opieki zdrowotnej. Jak dokumentacja wspomagana przez AI może pomóc mniejszym placówkom konkurować z większymi i jakie przeszkody związane z kosztami wdrożenia, integracją z przepływem pracy lub adopcją technologii trzeba jeszcze pokonać?

Uważam, że największą szansą dla niezależnych placówek jest większa swoboda wyboru. Zdejmując z lekarzy i personelu obowiązki administracyjne, dajemy placówkom możliwość podejmowania lepszych decyzji dotyczących wykorzystania czasu i zasobów. Być może lekarz chce przyjmować więcej pacjentów. Być może chce poświęcać więcej czasu obecnym pacjentom. A może po prostu chce kończyć ostatnią wizytę o piątej, poświęcać 15 minut na przegląd dokumentacji i wracać do domu, zamiast spędzać kolejne dwie godziny na nadrabianiu zaległości. Każdy z tych rezultatów jest wartościowy, a to placówka powinna decydować, który z nich jest dla niej najważniejszy.

Jeśli chodzi o wdrożenie, już teraz zapewniamy placówce obsługę technologiczną, więc integracja z jej przepływem pracy leży po naszej stronie, a nie po stronie placówki. Scribe działa na urządzeniach, które lekarze już mają, a rozpoczęcie pracy może wymagać zaledwie jednej lub dwóch sesji szkoleniowych. Mała placówka ma jednak bardzo ograniczone możliwości radzenia sobie z problemami technicznymi. Dlatego dążymy do tego, by konfiguracja była możliwie najbliższa samoobsłudze.

Ostatecznie uważam, że AI zapewnia niezależnym placówkom dostęp do możliwości i efektywności operacyjnej, które dotąd wymagały znacznie większych organizacji. Co równie ważne, daje osobom pracującym w tych placówkach większą kontrolę nad tym, jak wykorzystują swój czas.

W obliczu coraz bardziej zróżnicowanych przepisów dotyczących wykorzystania AI w ochronie zdrowia, zwłaszcza w obszarze zdrowia psychicznego, jak EverHealth radzi sobie z tym rozdrobnionym otoczeniem regulacyjnym? Jakie wyzwania pojawiają się podczas tworzenia produktu AI, który musi uwzględniać różne wymogi dotyczące zgody pacjenta, ochrony danych i nadzoru klinicznego w wielu jurysdykcjach?

Mam wrażenie, jakbym już oglądał ten film. Przed pandemią COVID-19 znaczną część kariery poświęciłem telemedycynie, mierząc się z różnicami między poszczególnymi stanami w zakresie licencjonowania, miejsca pobytu pacjenta, zgody, przepisywania leków i refundacji. Potem przepisy zmieniły się niemal z dnia na dzień, a my musieliśmy rozwijać działalność, gdy one nadal się zmieniały.

Sytuacja związana z AI wydaje się podobna. Skupiamy się na tym, by wyprzedzać planowane zmiany legislacyjne, rozumieć różnice między przepisami stanowymi i federalnymi oraz tworzyć produkt, który można dostosowywać.

Ma to największe znaczenie w telemedycynie dotyczącej zdrowia psychicznego, gdzie jeden klinicysta może przyjmować pacjentów z wielu stanów. Zgoda, prywatność i nadzór kliniczny muszą stanowić konfigurowalne podstawy usługi.

Najważniejsza nauka płynąca z tego doświadczenia jest taka, że produkt od samego początku musi być tworzony z myślą o dostosowywaniu do przepisów. Takie podejście przyjmujemy w EverHealth wobec AI. Naszym zadaniem jest przejąć na siebie jak najwięcej tej złożoności, aby klinicyści mogli skupić się na zapewnianiu opieki.

Możliwości AI szybko wykraczają poza dokumentację i obejmują wspomaganie podejmowania decyzji klinicznych, angażowanie pacjentów oraz coraz bardziej autonomiczne procesy opieki zdrowotnej. Gdzie, Pana zdaniem, powinna przebiegać granica między wsparciem ze strony AI a ludzką oceną kliniczną, zwłaszcza w obszarze zdrowia psychicznego, i jak wyobraża Pan sobie rozwój technologii EverHealth w ciągu najbliższych trzech do pięciu lat?

AI może słuchać, porządkować informacje, wychwytywać istotny kontekst i podsuwać sugestie. Ocena kliniczna należy jednak do klinicysty.

Jest to szczególnie ważne w obszarze zdrowia psychicznego, gdzie historia pacjenta, zmiana tonu głosu, a nawet to, co pozostaje niewypowiedziane, może mieć takie samo znaczenie jak same słowa. Technologia powinna pomagać klinicystom być bardziej obecnymi w takich chwilach, a nie mniej.

W ciągu najbliższych trzech do pięciu lat możliwości będą znacznie większe niż stworzenie inteligentniejszego narzędzia do sporządzania notatek. Naszą wizją w EverHealth jest inteligentna ścieżka opieki ambulatoryjnej, w której technologia pomaga łączyć etapy przed wizytą, w jej trakcie i po niej.

Wyobraźmy sobie przychodnię, która pamięta o tym, co ważne: istotne informacje z historii pacjenta są dostępne wtedy, gdy są potrzebne, klinicyści mogą skupić się na pacjencie zamiast składać w całość rozproszone informacje, a decyzje kliniczne płynnie przekładają się na dokumentację, kodowanie, koordynację opieki i dalsze działania. Nie chodzi nam tylko o przyspieszenie poszczególnych zadań. Chcemy ograniczyć utrudnienia między nimi.

Naszym nadrzędnym celem we wszystkim, co robimy, jest zapewnienie, by każdy pacjent czuł, że poświęca mu się pełną uwagę, a każdy świadczeniodawca miał jasność potrzebną do świadczenia opieki w sposób pewny i skoordynowany.

Dziękujemy za świetny wywiad. Czytelnicy, którzy chcą bliżej poznać dokumentację kliniczną wspieraną przez AI i zintegrowane procesy opieki zdrowotnej, mogą odwiedzić stronę EverHealth.