Por que a IA na saúde está sendo implantada no lugar errado

A indústria está perseguindo o problema errado

A conversa da cidade na IA de saúde nos dias de hoje é sobre autonomia. A IA pode diagnosticar doenças? Ela pode prescrever medicamentos? Ela pode eventualmente substituir o médico?

Não precisamos mais contemplar esses “e se” porque agora temos casos reais da aplicação da IA na saúde. Utah já abriu a porta para a IA autônoma em renovações de prescrições por meio de sua sandbox regulatória. Outros estados estão observando para ver se esses pilotos iniciais mostram segurança e eficiência aceitáveis.

Mas acho que se perguntar sobre a substituição do clínico pela IA é o lugar errado para a indústria começar.

Antes de perguntarmos quanto da relação clínica a IA pode absorver, devemos lidar com o problema muito mais simples e imediato que está diante de nós. Os clínicos estão sobrecarregados com o trabalho administrativo. Os pacientes ainda não podem obter consultas em tempo hábil porque o acesso é limitado menos pela falta de demanda do paciente do que pela falta de tempo clínico utilizável. É aí que começa a fila de espera, e é aí que a IA é desesperadamente necessária para aliviar as cargas operacionais.

Isso é especialmente palpável na saúde mental. Cerca de 22 milhões de americanos vivem com TDAH, e os distúrbios de ansiedade afetam aproximadamente 19% dos adultos americanos em um ano determinado. Isso é cerca de 31% durante a vida. Ambas as condições são altamente tratáveis, no entanto milhões não recebem cuidados recomendados pelas diretrizes. O problema não é a falta de conscientização, pois mesmo um olhar superficial no mercado mostrará uma variedade de ferramentas de autoajuda, conteúdo, rastreadores e aplicativos amigáveis ao TDAH. A lacuna real é o acesso a cuidados clínicos reais, diagnóstico e gerenciamento de medicamentos quando apropriado.

Este artigo argumenta a favor de um ponto de partida mais simples. O papel de maior ROI da IA na saúde hoje é administrativo. Usar a IA muito cedo no ambiente clínico pode criar mais problemas do que benefícios. Se queremos que a IA se torne uma parte confiável dos cuidados, precisamos implantá-la primeiro onde a carga é mais pesada e o ganho é imediato.

Os dados revelam onde a IA pode ser mais eficiente

Há um padrão que se revela muito rapidamente quando você constrói na saúde. Qualquer clínico que você contrate, dentro de alguns meses, esse clínico estará totalmente agendado. Já vimos isso repetidamente. Isso não significa que há apenas uma escassez de provedores no abstrato, mas como o tempo do provedor é consumido uma vez que um painel começa a ser preenchido.

Na psiquiatria, cerca de 80% das consultas são acompanhamentos de rotina. Essas não são todas encontros diagnósticos complexos. Muitas são pacientes estáveis que continuam o mesmo curso de tratamento, verificando sintomas e renovando medicamentos, se tudo ainda for apropriado. No entanto, essas visitas carregam o peso total da documentação, verificação, revisão de histórico, verificação do PDMP e fluxo de trabalho de prescrição. Os provedores gastam uma média de 16 horas por semana nesse trabalho administrativo. Isso é tempo que poderia ter ido para novos pacientes ou simplesmente para uma atenção clínica melhor para pacientes e casos complexos.

Isso é onde muita discussão sobre IA se desconecta da realidade operacional. A indústria continua perguntando se a IA pode assumir o papel do médico, quando na verdade, uma grande parcela da capacidade perdida vem de tarefas que não exigem muito julgamento clínico para começar. Essas podem ser tarefas como registro, verificação, revisão de registros e fluxos de trabalho de acompanhamento. Essas são exatamente as espécies de processos que a IA já pode apoiar de uma maneira útil e mensurável.

Se você recuperar esse tempo, não está apenas reduzindo a carga no provedor, mas também reabrindo a agenda para mais pacientes. O tempo de espera é um problema significativo de acesso à saúde. Os pacientes muitas vezes esperam semanas para ver um profissional, e o acesso permanece desigual em diferentes regiões. HHS continua a notar que as comunidades rurais e de fronteira enfrentam muito poucos provedores e muito pouco apoio à saúde comportamental, citando a telemedicina como uma maneira de aumentar materialmente o acesso aos cuidados de saúde mental.

Por que a saúde é a indústria mais difícil de automatizar com IA

A saúde pode parecer padronizada por fora. Na realidade, é padronizada e variável ao mesmo tempo.

Há, sem dúvida, certas diretrizes, regulamentos e regras de documentação. No entanto, cada clínico também traz hábitos, fluxos de trabalho e protocolos moldados por configurações anteriores. Dois provedores podem estar tratando da mesma condição sob o mesmo quadro legal, enquanto ainda abordam a atenção de rotina de maneiras significativamente diferentes. A IA precisa levar em conta essa variação sem se afastar do padrão de cuidado. Isso é uma proeza muito mais difícil do que construir um modelo que se saia bem em uma demonstração.

Quando se trata de regulamentação, a conformidade é em grande parte em camadas. Conselhos de licenciamento estaduais, agências federais, HIPAA, sistemas de monitoramento de prescrições, bancos de dados estaduais e SOPs clínicos internos todos se intersectam. Uma ação conformada em um estado pode ser não conformada em outro. Um fluxo de trabalho que parece inofensivo do ponto de vista do produto pode se tornar arriscado uma vez que chega à prescrição, identidade do paciente, retenção de registros ou auditoria. Há complexidade estrutural envolvida no processo.

A parte de dados também não é tão direta quanto se poderia esperar. Na saúde, você não simplesmente conecta ferramentas comuns juntas e começa a aprender com o comportamento do usuário. Algumas ferramentas de análise padrão e pipelines de dados não são adequados devido às regulamentações da HIPAA, a menos que sejam fundamentalmente alterados. Você muitas vezes precisa de infraestrutura personalizada a partir do zero. Coisas como como os dados são armazenados, processados, auditados e exibidos dentro do fluxo de trabalho. Um número surpreendente de empresas subestima isso até que estejam profundamente envolvidas em seu processo de construção e então precisam derrubar todo o seu trabalho.

Mas mais do que qualquer outra coisa, eu diria que o maior problema é simplesmente que o custo de cometer um erro na saúde é bastante acentuado.

Uma saída defeituosa pode criar apenas inconveniência em outras indústrias, mas na saúde, pode afetar a qualidade do tratamento, a segurança do paciente, o comportamento de prescrição ou a exposição regulatória. A saúde humana não é algo com que possamos brincar para melhorar nossos modelos de IA e, justificadamente, não é. Isso deve ser usado como o princípio orientador para nos ajudar a entender onde a IA poderia ser introduzida primeiro nessa indústria.

A implantação de maior ROI da IA na saúde é a camada administrativa

Espero ter impressionado o leitor sobre a importância de mudar nosso foco de substituir o médico pela IA para, em vez disso, limpar a fricção operacional ao redor do médico. Vou expandir aqui sobre como isso parece na prática.

Geração de gráficos. A IA pode transcrever e construir documentação em tempo real durante as visitas. Isso reduz a carga de registro, encurta o trabalho após o expediente e torna a conclusão no mesmo dia muito mais realista. No framework interno da MEDvidi, o gerador de gráficos atualiza a documentação continuamente durante o encontro e é projetado para cortar substancialmente o tempo de registro.

Revisão de gráficos. A IA também pode revisar gráficos contra SOPs internos e sinalizar desvios antes que eles alcancem a etapa de prescrição. A maioria das revisões de qualidade de saúde ainda é parcial e manual; portanto, ao revisar cada encontro em vez de uma pequena amostra, a conformidade se torna mais visível e mais consistente.

Automação de fluxo de trabalho pré-consulta. Uma grande quantidade de tempo do provedor é gasta antes da decisão clínica real em coisas como verificação de identidade, verificação de bancos de dados estaduais, revisão de histórico médico, busca por contraindicações potenciais ou triagem de padrões que podem sugerir comportamento de busca de drogas ou lacunas de documentação. Nenhum disso substitui o julgamento, mas tudo isso consome tempo, o que é por que a IA pode ajudar a processar essas camadas antes que o clínico entre.

Gerenciamento de prescrição de rotina. A atenção de acompanhamento estável é onde a IA pode ser especialmente útil. Para pacientes cujo tratamento permaneceu consistente, a IA pode ajudar a gerenciar o fluxo de trabalho de renovação e preparar o registro, enquanto o médico ainda revisa e aprova a decisão final. Esse é um modelo muito diferente do cuidado totalmente autônomo, pois é mais estreito, mais seguro e muito mais relevante para o gargalo real no sistema.

Cada um desses casos de uso tem algo em comum. Eles economizam tempo de uma maneira que expande a capacidade de cuidados. Essa é a minha argumentação central para por que vejo a camada administrativa como o lugar de maior retorno para implantar a IA primeiro.

A arquitetura de IA certa para ambientes clínicos

A substituição do médico é outro daqueles contos de IA que criam manchetes sensacionalistas e perturbam a mente dos profissionais. Um modelo muito mais prático, benéfico e indispensável é o de aumento centrado no médico na saúde.

Dentro de tal arquitetura, o clínico tem a palavra final em cada decisão clínica, prescrição. Planos de tratamento ainda serão revisados e aprovados por um provedor médico licenciado. A IA simplesmente lida com os detalhes da documentação, verificação, camada de revisão e tarefas repetitivas ao redor da consulta. Essa é a maneira mais segura de melhorar a eficiência e manter a responsabilidade.

A IA na saúde também precisa de dados clínicos reais, pois modelos e conjuntos de dados genéricos não são suficientes. Fluxos de trabalho clínicos são muito específicos, regulamentações são muito em camadas e a margem de erro é muito pequena. Um sistema de IA treinado em um conjunto de dados proprietário de visitas de pacientes por mês, com revisão do provedor e aderência às SOPs incorporadas ao fluxo de trabalho, deve ser a base de qualquer sistema que se aventura nesse campo. O cerne disso é que a IA na saúde deve ser fundamentada em operações clínicas do mundo real, em vez de ser uma capacidade de modelo de propósito geral.

Para os clínicos, essa arquitetura reduz as horas perdidas com o trabalho administrativo e reserva mais tempo para novos pacientes e casos complexos. Para os pacientes, fornece acesso mais rápido aos cuidados de saúde a um custo menor, combinado com mais consistência na forma como os cuidados são documentados e entregues. Os reguladores também se beneficiam ao ter mais visibilidade, pois o sistema atual muitas vezes esconde a inconsistência dentro de fluxos de trabalho dispersos. A implantação correta da IA torna os fluxos de trabalho mais legíveis e revisáveis. A revisão em si é muito mais fácil de auditar do que a documentação feita pelo homem.

Ao se tornar confiável dentro de um fluxo de trabalho mensurável, a IA se torna uma ferramenta confiável para melhorar uma área com que uma indústria vital claramente luta.

Conclusão

Quando as pessoas reclamam que seu provedor de saúde é inatento, elas estão identificando um problema real. Pense na energia do seu provedor de saúde como um balão que está sendo furado de todos os lados por tarefas mundanas e repetitivas. É claro que eles não têm tempo ou largura de banda mental para lidar com você atentamente.

Em vez de pular no trem do medo de quem será demitido primeiro por causa da IA, a coisa mais sensata a fazer, particularmente na saúde, é usar a tecnologia para consertar camadas de trabalho com as quais os humanos lutam. A própria coisa que torna a IA tão vantajosa é sua inexauribilidade — algo que os clínicos humanos não possuem.

É compreensível por que a saúde é difícil de automatizar devido à regulamentação complexa, variação no comportamento do provedor, necessidade de infraestrutura personalizada e o custo dos erros sendo enorme. No entanto, há um verdadeiro entupimento administrativo que pode ser consertado por essa tecnologia que temos ao nosso alcance. Vamos colocá-la em uso.

Sem começar no entupimento administrativo, a IA clínica lutará para ganhar a confiança das pessoas em uma escala maior quando suas capacidades se desenvolverem além do que pode fazer hoje.

Acho que o modelo de curto prazo é direto. A IA revisa o histórico, verifica contraindicações, verifica a identidade, gera o gráfico e prepara o fluxo de trabalho de prescrição. O médico revisa a imagem completa e aprova a decisão final. O que costumava exigir uma visita completa de 20 minutos para um acompanhamento estável pode se tornar um processo mais curto, mais limpo e mais seguro.

Pode parecer menor no papel, mas essa é uma reformulação importante em um sistema que permaneceu manual por muito tempo e afeta todos.