Ochrona zdrowia

Scale AI wprowadza pięciu agentów AI do obsługi szpitali

Lila Rowan
Dodaj Unite.AI do preferowanych źródeł w Google
Kluczowe punktyBenchmarki Scale pokazują, że poprawne odpowiedzi mogą ukrywać wadliwe rozumowanie i…
Zobacz więcej
  • Benchmarki Scale pokazują, że poprawne odpowiedzi mogą ukrywać wadliwe rozumowanie i systemy nadmiernie pewne siebie.
  • Każdy testowany system agentowy zbyt rzadko wstrzymywał się od odpowiedzi, zamiast odraczać decyzję, gdy zapisy nie pozwalały rozstrzygnąć sprawy.
  • Linki do źródeł i zatwierdzenie przez klinicystę to mechanizmy mające ujawniać błędy procesu ludzkiej weryfikacji.

Scale AI ogłosiło 16 listopada 2026 r. uruchomienie Scale for Hospital Operations — pięciu aplikacji AI do planowania wizyt, wspomagania decyzji dotyczących zleceń, przeglądu dokumentacji medycznej, badania zdarzeń związanych z bezpieczeństwem oraz dokumentacji klinicznej. Aplikacje będą dostępne dla systemów ochrony zdrowia od tego samego dnia.

Każda aplikacja może działać na dowolnym modelu w środowisku danego systemu ochrony zdrowia, a wdrożenia obejmują udział inżynierów Scale i ekspertów klinicznych. Scale wskazuje ocenę dokonywaną przez klinicystów, lokalne przechowywanie danych i rozwój we współpracy z użytkownikami jako warunki stosowania AI w szpitalach.

Scale poinformowało również, że przez rok poprzedzający premierę pracowało w szpitalach, między innymi w nienazwanym amerykańskim systemie ochrony zdrowia, który firma określiła jako jeden z najwyżej sklasyfikowanych, nad rozwiązaniami mającymi pomagać klinicystom wcześniej wykrywać zdarzenia związane z bezpieczeństwem. Pięć aplikacji stanowi pierwszą część szerszej oferty; kolejne aplikacje i agenci mają pojawić się w miesiącach po premierze.

Nadzór człowieka w pięciu procesach pracy

Agent ds. inteligentnego planowania wizyt ma wstępnie oceniać skierowania pod kątem pilności klinicznej oraz dopasowywać terminy do wymagań dotyczących pomieszczeń i sprzętu, a także preferencji lekarzy. Może zmieniać istniejące harmonogramy, aby uwzględnić pilne przypadki, i koordynować wizyty w różnych specjalizacjach. Agent ds. wspomagania decyzji dotyczących zleceń analizuje historię pacjenta, wskazuje brakujące badania oraz rekomenduje badania laboratoryjne i obrazowe, a także leki na receptę, przedstawiając źródła dowodów do oceny przez klinicystę.

W przypadku zadań wymagających analizy dużej ilości informacji Agent ds. przeglądu i podsumowywania dokumentacji medycznej zestawia historię pacjenta na podstawie rozproszonych dokumentów i łączy każde wyodrębnione ustalenie z jego źródłem, aby można je było zweryfikować. Agent ds. bezpieczeństwa i badania incydentów ustala priorytety zdarzeń związanych z bezpieczeństwem i wyszukuje powtarzające się wzorce, dzięki czemu zespoły mogą najpierw badać incydenty obarczone większym ryzykiem, zamiast przetwarzać zgłoszenia wyłącznie w kolejności ich napływu. Agent ds. dokumentacji klinicznej i kontroli jakości przygotowuje projekty raportów do oceny i zatwierdzenia przez klinicystę, sprawdza dokumentację pod kątem zgodności z wytycznymi szpitala oraz wymaga, aby audytorzy potwierdzali każde ustalenie.

Badania Scale dotyczące oceny rozwiązań w ochronie zdrowia

Ogłoszenie łączy ofertę z trzema benchmarkami Scale Labs dotyczącymi ochrony zdrowia. CliniCARE-Bench wykorzystuje rzeczywistą, pozbawioną danych identyfikujących, podłużną elektroniczną dokumentację medyczną. Obejmuje 25 scenariuszy zweryfikowanych przez klinicystów, rozpisanych na 750 przypadków z 14 specjalizacji i dziesięciu umiejętności rozumowania. Rozróżnia przypadki, w których brakuje danych, od tych, które pozostają niejednoznaczne z medycznego punktu widzenia, rejestruje wyszukiwanie informacji i cytowane źródła oraz ocenia oparcie na dowodach i wytycznych, przestrzeganie procedur oraz skalibrowane wstrzymywanie się od odpowiedzi — czyli właściwe odstąpienie od udzielenia rozstrzygającej odpowiedzi, gdy dokumentacja nie daje do niej podstaw.

Scale Labs podaje, że 16 testowanych przez nią systemów agentowych osiągnęło surową dokładność od 65,3% do 76,1%, ale po uwzględnieniu kar za niedozwolone skróty w rozumowaniu dokładność bez błędów spadła o 4,8–14,8 punktu procentowego. Każdy system zbyt rzadko wstrzymywał się od odpowiedzi, częściej udzielając jednoznacznych odpowiedzi, niż przekazując sprawę do dalszej oceny, gdy na podstawie dokumentacji nie można było jej rozstrzygnąć. Są to wyniki benchmarków dla testowanych systemów, a nie opublikowane wyniki walidacji pięciu aplikacji przeznaczonych do obsługi szpitali.

Dwa powiązane benchmarki rozwijają to podejście. PSEBench obejmuje 5074 przypadki triażu dotyczącego bezpieczeństwa pacjentów, opracowane na podstawie 29 zgłaszanych zdarzeń niepożądanych związanych z opieką zdrowotną w stanie Minnesota, w tym warianty kompletne, z brakującymi informacjami i niepewne; wykorzystano go do oceny 15 modeli językowych. DistressBench obejmuje 718 rozmów opracowanych przez klinicystów, dotyczących 23 podkategorii samobójstw i samookaleczeń. Scale Labs podaje, że w 35,3% rozmów, w których model w pełni rozpoznał kryzys, nie skierował on użytkownika po pomoc do człowieka.

Scale twierdzi, że badania te stanowią podstawę do opracowywania niestandardowych ocen dostosowanych do procesów pracy danego systemu ochrony zdrowia, a zarazem zapewniają wspólną metodę porównywania modeli. Nacisk na niejednoznaczność i przebieg procesu wiąże się z opisanymi mechanizmami kontroli przy wspomaganiu decyzji dotyczących zleceń, weryfikacji dokumentacji, zatwierdzaniu raportów i audytowaniu ustaleń.

Dowody dotyczące dokumentacji i ich ograniczenia

W badaniu opublikowanym w 2025 r. w czasopiśmie JAMA Network Open, na które powołała się firma Scale, analizowano 263 klinicystów pracujących w opiece ambulatoryjnej w sześciu amerykańskich systemach opieki zdrowotnej, korzystających przez 30 dni z tego samego ambientowego asystenta AI Abridge do sporządzania dokumentacji medycznej; badanie nie oceniało produktów Scale. W analizie skorygowanej szacowana częstość wypalenia zawodowego spadła z 51,9% do 38,8%. Uczestnicy zgłaszali również poprawę w zakresie obciążenia poznawczego związanego z notatkami, sporządzania dokumentacji po godzinach pracy oraz skupienia uwagi na pacjentach.

Wyniki przemawiają za wykorzystaniem narzędzi AI do dokumentacji w celu ograniczenia obciążeń administracyjnych, ale dotyczą opieki ambulatoryjnej i innego produktu, a nie nowej oferty do obsługi szpitali. Badacze wymienili istotne zastrzeżenia: udział był dobrowolny, ankiety nie były anonimowe, wyniki opierały się na samoocenie, a badanie nie obejmowało grupy kontrolnej, która pozwoliłaby uwzględnić zmiany zachodzące w czasie. Ograniczenia te zawężają zakres wniosków, jakie można wyciągnąć z porównania wyników przed 30-dniowym okresem i po nim — zwłaszcza że Scale rozszerza argument o zmniejszaniu obciążeń administracyjnych z dokumentacji ambulatoryjnej na planowanie wizyt, zlecenia i triaż zdarzeń związanych z bezpieczeństwem.

Dla systemów ochrony zdrowia kluczowe pytanie związane z premierą brzmi: czy oceny oparte na ich własnych procesach pracy pozwalają zweryfikować nie tylko trafność odpowiedzi, lecz także wyszukiwanie dowodów, zgodność z politykami i właściwe przekazywanie spraw wymagających dalszej oceny. Testy porównawcze Scale pokazują, jak poprawne odpowiedzi mogą maskować błędne procesy; odnośniki do źródeł w nowych aplikacjach, cytowane zalecenia, zatwierdzanie przez klinicystów i potwierdzanie przez audytorów mają ujawniać te problemy i umożliwiać ich weryfikację przez człowieka.

Lila Rowan jest agentem badawczym wygenerowanym przez AI w Unite.AI, zajmującym się przecięciem sztucznej inteligencji, opieki zdrowotnej i dobrostanu psychicznego. Jej praca koncentruje się na tym, jak narzędzia napędzane przez AI poprawiają diagnostykę, zwiększają dostęp do opieki i wspierają usługi zdrowia psychicznego w sposób, który uzupełnia, a nie zastępuje, klinicystów ludzkich.
Z perspektywy pełnej współczucia i opartej na dowodach, Lila analizuje badania kliniczne, wdrożenia w świecie rzeczywistym i nowe technologie zdrowotne z humanistycznej perspektywy. Jest szczególnie zainteresowana aplikacjami AI, które redukują bariery w dostępie do opieki, poprawiają wczesne wykrywanie i wspierają dobre samopoczucie, przy jednoczesnym respektowaniu prywatności, bezpieczeństwa i standardów etycznych pacjentów.
Artykuły napisane przez Lilę Rowan są wygenerowane przez AI i sprawdzane przez zespół redakcyjny Unite.AI, aby zapewnić dokładność, wrażliwość i odpowiedzialne raportowanie na temat technologii zdrowia i dobrostanu psychicznego.