Почему ИИ в здравоохранении развертывается не в том месте

Отрасль гонится за неправильной проблемой

Главная тема в области ИИ в здравоохранении в последнее время – автономность. Может ли ИИ диагностировать заболевания? Может ли он назначать лекарства? Может ли он в конечном итоге заменить врача?

Нам больше не нужно размышлять о этих “что если”, потому что у нас уже есть реальные примеры применения ИИ в здравоохранении. Юта уже открыла дверь к автономному ИИ в продлении рецептов через свой регуляторный песочницу. Другие штаты наблюдают, чтобы увидеть, показывают ли эти ранние пилотные проекты приемлемую безопасность и эффективность.

Но я думаю, что размышление о замене врача ИИ – это неправильное место для начала отрасли.

Прежде чем мы спросим, сколько клинических отношений ИИ может поглотить, мы должны решить гораздо более простую и насущную проблему, которая стоит перед нами. Врачи перегружены административной работой. Пациенты все еще не могут получить своевременные приемы, потому что доступ ограничен не отсутствием спроса со стороны пациентов, а отсутствием времени врача. Вот где начинается задержка, и вот где ИИ необходим для облегчения операционных нагрузок.

Это особенно ощутимо в психиатрической помощи. Около 22 миллионов американцев живут с СДВГ, и тревожные расстройства поражают примерно 19% взрослых в течение года. Это примерно 31% за всю жизнь. Оба состояния хорошо поддаются лечению, но миллионы не получают рекомендованного ухода. Проблема не в отсутствии осведомленности, поскольку даже беглый взгляд на рынок показывает разнообразие инструментов для самопомощи, контента, отслеживания и приложений, дружественных к СДВГ. Фактическая проблема заключается в доступе к фактической клинической помощи, диагностике и управлению лекарствами, когда это уместно.

Эта статья выступает за более простую отправную точку. Самая высокая роль ИИ в здравоохранении сегодня – административная. Использование его слишком рано в клинической обстановке может создать больше проблем, чем преимуществ. Если мы хотим, чтобы ИИ стал доверенным компонентом ухода, мы должны развернуть его сначала там, где бремя наиболее тяжелое, а выгода немедленная.

Данные показывают, где ИИ может быть более эффективным

Существует закономерность, которая быстро раскрывается, когда вы строите в здравоохранении. Какой бы врач вы ни наняли, в течение нескольких месяцев этот врач полностью загружен. Мы видели это повторно. Это не означает, что существует только нехватка поставщиков в абстрактном смысле, но как время поставщика потребляется, когда начинается заполнение панели.

В психиатрии около 80% приемов – это обычные повторные приемы. Это не все сложные диагностические встречи. Многие из них – стабильные пациенты, продолжающие тот же курс лечения, проверяющие симптомы и продлевающие лекарства, если все еще уместно. Однако эти посещения несут полный вес документации, верификации, обзора истории, проверки ПДМП и рабочего процесса назначения. Поставщики тратят в среднем 16 часов в неделю на такую административную работу. Это время, которое могло бы быть потрачено на новых пациентов или просто на лучшее клиническое внимание к пациентам и сложным случаям.

Это то место, где много обсуждений об ИИ отрывается от операционной реальности. Отрасль продолжает спрашивать, может ли ИИ взять на себя роль врача, когда на самом деле большая часть потерянной емкости исходит от задач, которые не требуют много клинического суждения. Это могут быть задачи, такие как ведение карт, верификация, обзор записей и рабочие процессы повторных приемов. Это именно те процессы, которые ИИ может уже поддерживать полезным и измеримым образом.

Если вы восстановите это время, вы не только снижаете нагрузку на поставщика, но и открываете график для большего количества пациентов. Время ожидания – значительная проблема доступа к здравоохранению. Пациенты часто ждут недели, чтобы увидеть специалиста, и доступ остается неравномерным в разных регионах. HHS продолжает отмечать, что сельские и пограничные сообщества сталкиваются с слишком少ими поставщиками и слишком мало поддержкой психического здоровья, цитируя телездоровье как способ существенно увеличить доступ к помощи в области психического здоровья.

Почему здравоохранение – самая трудная отрасль для автоматизации с помощью ИИ

Здравоохранение может выглядеть стандартизированным снаружи. На самом деле, оно стандартизировано и переменно одновременно.

Существуют, безусловно, определенные руководящие принципы, правила и правила документации. Однако каждый врач также приносит привычки, рабочие процессы и протоколы, сформированные предыдущими условиями. Два поставщика могут лечить одно и то же состояние в рамках одного и того же правового框ма, но все еще подойти к обычной помощи значительно разными способами. ИИ должен учитывать эту вариативность, не отходя от стандартов ухода. Это гораздо более сложное достижение, чем построение модели, которая работает хорошо в демонстрации.

Когда речь идет о регулировании, соблюдение в основном слоистое. Государственные лицензионные советы, федеральные агентства, HIPAA, системы мониторинга рецептов, государственные базы данных и внутренние клинические стандарты операционной деятельности пересекаются. Соблюдение в одном штате может быть несовместимым в другом. Рабочий процесс, который кажется безобидным с точки зрения продукта, может стать рискованным, когда речь идет о назначении, идентификации пациента, хранении записей или аудиторской проверке. Есть структурированная сложность, связанная с этим процессом.

Данные также не так просты, как можно было бы ожидать. В здравоохранении вы не просто соединяете обычные инструменты вместе и начинаете учиться на поведении пользователей. Некоторые стандартные инструменты аналитики и трубопроводы данных не подходят из-за правил HIPAA, если они не изменены фундаментально. Часто вам нужна инфраструктура, созданная с нуля. Такие вещи, как то, как хранятся данные, обрабатываются, проверяются и представляются внутри рабочего процесса. Ошеломляющее количество компаний недооценивают это, пока они не оказываются в середине процесса создания и не должны полностью изменить свою работу.

Но больше всего я бы сказал, что самой большой проблемой является просто то, что стоимость совершения ошибки в здравоохранении довольно высока.

Неправильный вывод может создать неудобства в других отраслях, но в здравоохранении он может повлиять на качество лечения, безопасность пациентов, поведение при назначении или регулируемую экспозицию. Человеческое здоровье – это не то, с чем можно просто поиграть, чтобы улучшить наши модели ИИ, и это правильно. Это должно быть руководящим принципом, помогающим нам понять, где ИИ можно ввести сначала в этой отрасли.

Самая высокая роль ИИ в здравоохранении – административный слой

Я надеюсь, что я убедил читателя в важности смены нашего внимания с замены врача ИИ на очистку операционного трения вокруг врача. Я расширю здесь, что это выглядит на практике.

Генерация карт. ИИ может транскрибировать и создавать документацию в режиме реального времени во время приемов. Это снижает нагрузку на ведение карт, сокращает послечасовую работу и делает завершение в тот же день гораздо более реальным. Во внутренней структуре MEDvidi генератор карт обновляет документацию непрерывно во время встречи и предназначен для сокращения времени ведения карт существенно.

Обзор карт. ИИ также может просматривать карты против внутренних стандартов операционной деятельности и флагировать отклонения до того, как они достигнут стадии назначения. Большинство обзоров качества здравоохранения все еще частичны и ручны; поэтому, просматривая каждую встречу, а не небольшую выборку, соблюдение становится более видимым и более последовательным.

Автоматизация доапемного рабочего процесса. Большая часть времени поставщика тратится до фактического клинического решения на такие вещи, как верификация личности, проверка государственных баз данных, обзор медицинской истории, поиск потенциальных противопоказаний или скрининг на закономерности, которые могут указывать на поведение, связанное с поиском наркотиков, или пробелы в документации. Ни одна из этих вещей не заменяет суждение, но все они потребляют время, которое является причиной, по которой ИИ может помочь обработать эти слои до того, как врач вмешается.

Управление рецептами. Стабильный уход в повторных приемах – это то место, где ИИ может быть особенно полезен. Для пациентов, чье лечение оставалось последовательным, ИИ может помочь управлять рабочим процессом продления и подготовить запись, в то время как врач все еще просматривает и утверждает окончательное решение. Это очень другая модель, чем полностью автономный уход, потому что она уже, безопаснее и гораздо более актуальна для фактического узла в системе.

Каждый из этих случаев использования имеет что-то общее. Они экономят время, расширяя емкость ухода. Это мой центральный аргумент о том, почему я считаю административный слой самым высоким местом для развертывания ИИ сначала.

Правильная архитектура ИИ для клинических условий

Замена врача – еще одна из тех историй об ИИ, которые создают сенсационные заголовки и тревогу в умах профессионалов. Гораздо более практичная, полезная и необходимая модель – это центрированная на враче модель в здравоохранении.

В рамках такой архитектуры врач имеет окончательное слово в каждом клиническом решении, назначении. Планы лечения все еще будут просматриваться и утверждаться лицензированным медицинским поставщиком. ИИ просто занимается мелкими деталями документации, верификации, слоя обзора и повторяющихся задач вокруг встречи. Это самый безопасный способ улучшить эффективность и сохранить подотчетность.

ИИ в здравоохранении также нуждается в фактических клинических данных, поскольку готовые модели и общие наборы данных не достаточно. Клинические рабочие процессы слишком специфичны, правила слишком слоисты, а маржа ошибки слишком мала. Система ИИ, обученная на проприетарном наборе данных посещений пациентов в месяц, с обзором поставщика и соблюдением стандартов операционной деятельности, построенных в рабочий процесс, должна быть основой любой системы, входящей в эту область. Суть в том, что ИИ в здравоохранении должен быть основан на реальных клинических операциях, а не на общей возможности модели.

Для врачей эта архитектура сокращает количество часов, потерянных на административной работе, и сохраняет больше времени для новых пациентов и сложных случаев. Для пациентов это обеспечивает более быстрый доступ к здравоохранению по более низкой цене, в сочетании с большей последовательностью в том, как уход документируется и предоставляется. Регуляторы также выигрывают, имея больше видимости, поскольку текущая система часто скрывает несоответствия внутри разбросанных рабочих процессов. Правильное развертывание ИИ делает рабочие процессы более читаемыми и проверяемыми. Сам обзор гораздо легче проверить, чем документация, созданная человеком.

Становясь надежным внутри измеримого рабочего процесса, ИИ становится заслуживающим доверия инструментом для улучшения области, в которой такая важная отрасль явно борется.

Заключение

Когда люди жалуются на то, что их медицинский поставщик безразличен, они замечают реальную проблему. Подумайте об энергии вашего медицинского поставщика как о шаре, который прокалывается со всех сторон скучными, повторяющимися задачами. Конечно, у них нет времени или умственной емкости, чтобы заниматься вами внимательно.

Вместо того, чтобы прыгать на поезд страха о том, кто будет уволен первым из-за ИИ, более разумно использовать технологию для решения слоев работы, с которыми люди борются. То, что делает ИИ так выгодным, – это его неутомимость – то, чего не обладают человеческие врачи.

Понятно, почему здравоохранение трудно автоматизировать из-за сложных правил, вариативности поведения поставщиков, необходимости в инфраструктуре, созданной с нуля, и огромной стоимости ошибок. Однако существует реальная административная пробка, которую можно исправить с помощью этой технологии, которую у нас есть у нас под рукой. Давайте ее используем.

Без начала с административной пробки клинический ИИ будет бороться за завоевание доверия людей в большем масштабе, когда его возможности будут развиваться за пределами того, что он может делать сегодня.

Я думаю, что ближайшая модель проста. ИИ просматривает историю, проверяет на противопоказания, проверяет личность, генерирует карту и готовит рабочий процесс рецепта. Врач просматривает полную картину и утверждает окончательное решение. То, что раньше требовало полного 20-минутного приема для стабильного повторного приема, может стать более коротким, чистым и безопасным процессом.

Это может показаться незначительным на бумаге, но это значительный переворот в системе, которая оставалась ручной так долго и затрагивает всех.

kflow. Врач просматривает полную картину и утверждает окончательное решение. То, что раньше требовало полного 20-минутного приема для стабильного повторного приема, может стать более коротким, чистым и безопасным процессом. Это может показаться незначительным на бумаге, но это значительный переворот в системе, которая оставалась ручной так долго и затрагивает всех.