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

A indústria está perseguindo o problema errado

O assunto mais discutido na área de inteligência artificial (IA) na saúde atualmente é a autonomia. A IA pode diagnosticar doenças? Pode prescrever medicamentos? Pode eventualmente substituir o médico?

Não precisamos mais contemplar esses “e se” porque agora temos casos reais de 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 primeiros pilotos mostram segurança e eficiência aceitáveis.

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

Antes de perguntar 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 conseguem obter consultas oportunas porque o acesso é limitado menos pela falta de demanda do paciente do que pela falta de tempo do clínico. 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% ao longo da 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 defende um ponto de partida mais simples. O papel de maior retorno sobre o investimento (ROI) da IA na saúde hoje é administrativo. Usar a IA cedo demais no ambiente clínico pode criar mais problemas do que benefícios. Se queremos que a IA se torne uma parte confiável do cuidado, precisamos implantá-la primeiro onde a carga é mais pesada e o ganho é imediato.

O dado revela 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 completamente 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 assim que um painel começa a ser preenchido.

Na psiquiatria, cerca de 80% das consultas são follow-ups de rotina. Essas não são todas encontros diagnósticos complexos. Muitas são pacientes estáveis continuando o mesmo curso de tratamento, verificando, revisando sintomas e renovando medicamentos se tudo ainda for apropriado. No entanto, essas visitas carregam o peso total da documentação, verificação, revisão da história, verificação do PDMP e fluxo 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.

É aqui que 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 parte 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 follow-up. São exatamente os tipos de processos que a IA já pode apoiar de forma útil e mensurável.

Se você recuperar esse tempo, não está apenas reduzindo a carga no provedor, mas também reabriu a agenda para mais pacientes. O tempo de espera é uma questão significativa 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 poucos provedores e pouco apoio à saúde comportamental, citando a telemedicina como uma forma de aumentar materialmente o acesso ao cuidado 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, regulamentações 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 a 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 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 conformidade em um estado pode ser não conformidade 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 dos dados também não é tão direta quanto se esperaria. Na saúde, você não apenas 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 apresentados dentro do fluxo de trabalho. Um número surpreendente de empresas subestima isso até que estejam profundamente envolvidas no processo de construção e então precisam mudar todo o trabalho.

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

Um resultado defeituoso 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, assim 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 IA com maior ROI na saúde é a camada administrativa

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

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

Revisão de registros. A IA também pode revisar registros 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 do 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 da história médica, busca por contraindicações potenciais ou triagem para padrões que possam sugerir comportamento de busca de drogas ou lacunas de documentação. Nenhum desses substitui o julgamento, mas todos consomem tempo, que é por que a IA pode ajudar a processar essas camadas antes que o clínico entre.

Gerenciamento de prescrições de rotina. O cuidado de follow-up 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 porque 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 cuidado. Essa é a minha argumentação central para por que vejo a camada administrativa como o lugar de maior retorno sobre o investimento para implantar a IA primeiro.

A arquitetura de IA certa para ambientes clínicos

A substituição do médico é outra dessas histórias de bicho-papão da 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 sobre 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, da 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 fora da prateleira 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. A essência 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 um acesso mais rápido à saúde a um custo menor, combinado com mais consistência na documentação e entrega do cuidado. 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 tão 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. 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, especialmente 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, a 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 a história, verifica contraindicações, verifica a identidade, gera o fluxo de trabalho da prescrição e prepara o registro, enquanto o médico revisa a imagem completa e aprova a decisão final. O que costumava exigir uma visita completa de 20 minutos para um follow-up 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 tanto tempo e afeta todos.