Лидеры мнений

Почему ИИ в здравоохранении внедряют не там, где нужно

Vasili Razhnou
Добавьте Unite.AI в избранные источники в Google
Ключевые моментыИИ должен в первую очередь решать административные задачи, такие как ведение…
Показать больше
  • ИИ должен в первую очередь решать административные задачи, такие как ведение документации, чтобы освободить время врачей для ухода за пациентами.
  • Медицинский ИИ должен использовать клинические данные и сохранять врачебный контроль для обеспечения безопасности и соответствия требованиям.
  • Автоматизация рутинного продления рецептов может расширить доступ к медицинской помощи эффективнее, чем достижение полной клинической автономии ИИ.

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 об 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 свою регуляторную песочницу. Другие штаты наблюдают, чтобы увидеть, показывают ли эти ранние пилотные проекты приемлемую безопасность и эффективность.

Но я думаю, что рассуждения о замене клиницистов ИИ — неверная отправная точка для отрасли.

Прежде чем мы спросим, какую часть отношений между врачом и пациентом может взять на себя ИИ, 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 в меньшей степени недостатком спроса со стороны пациентов, чем недостатком доступного времени клиницистов. Вот где начинается задержка, и вот где ИИ необходим для облегчения операционных нагрузок.

Это особенно ощутимо в помощи в области психического здоровья. Около 22 миллионов американцев живут с СДВГ, и тревожные расстройства поражают примерно 19% взрослых жителей США в течение года. Это примерно 31% за всю жизнь. Оба состояния хорошо поддаются лечению, но миллионы не получают помощи, рекомендованной клиническими руководствами. 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. Сегодня наибольшую отдачу от инвестиций в ИИ в здравоохранении обеспечивает административная работа. 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. Какого бы клинициста вы ни наняли, в течение нескольких месяцев этот врач полностью загружен. Мы видели это неоднократно. Речь не только об абстрактной нехватке медицинских специалистов, но и о том, на что уходит их время, когда список пациентов начинает заполняться.

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, проверок программы мониторинга рецептурных препаратов (PDMP) и рабочего процесса назначения. Медицинские специалисты 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 утраченной возможности принимать пациентов 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 медицинского специалиста, 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 отдалённые сообщества сталкиваются с нехваткой медицинских специалистов и поддержки поведенческого 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 медицинских специалиста могут лечить одно и то же состояние в рамках одной и той же правовой системы, но при этом существенно по-разному подходят к повседневной помощи. 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, требования к соблюдению норм в основном многоуровневые. Лицензионные органы штатов, федеральные агентства, HIPAA, системы мониторинга рецептов, базы данных штатов и внутренние клинические стандартные операционные процедуры (SOP) пересекаются. Действие, соответствующее нормам в одном штате, может нарушать их 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 структурная 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 конвейеры обработки 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 регуляторные риски. 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.

Административный уровень обеспечивает наибольшую отдачу от внедрения ИИ в здравоохранении

Я надеюсь, что я убедил читателя в важности смены нашего внимания с замены врача ИИ на очистку операционного трения вокруг врача. Далее я подробнее объясню, как 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 работу после окончания рабочего дня 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 существенного сокращения времени ведения медицинских карт.

Обзор карт. ИИ также может проверять медицинские карты на соответствие внутренним стандартным операционным процедурам (SOP) и отмечать 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 процедур до приёма. Большая часть времени медицинского специалиста тратится до фактического клинического решения на такие вещи, как верификация личности, сверка с базами данных штатов, обзор медицинской истории, поиск потенциальных противопоказаний или скрининг на закономерности, которые могут указывать на поведение, связанное со стремлением получить лекарства, 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 местом с наибольшей отдачей для первоначального внедрения ИИ.

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 — усиление возможностей клинициста с сохранением врача в центре медицинской помощи.

В рамках такой архитектуры врач имеет окончательное слово в каждом клиническом решении и назначении. Планы лечения все еще будут просматриваться и утверждаться медицинским специалистом с соответствующей лицензией. 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 недостаточны. 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 проверкой со стороны медицинского специалиста и соблюдением SOP, встроенными 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 столь важная отрасль явно испытывает трудности.

Заключение

Когда люди жалуются на то, что их медицинский специалист невнимателен, они замечают реальную проблему. Подумайте об энергии вашего медицинского специалиста 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, особенно в здравоохранении, использовать технологию для решения слоев работы, с которыми люди борются. То, что делает ИИ так выгодным, – это его неутомимость – то, чем человеческие врачи не обладают.

Понятно, почему здравоохранение трудно автоматизировать из-за сложных правил, вариативности поведения медицинских специалистов, необходимости в инфраструктуре, созданной с нуля, и огромной стоимости ошибок. Однако существует реальная административная пробка, которую можно исправить с помощью этой технологии, которая 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 болезни, 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.

Васили Ражноу — генеральный директор и основатель MEDvidi, платформы психического здоровья, работающей на основе искусственного интеллекта. Как серийный основатель с опытом работы более 15 лет в сфере здравоохранения и бизнеса, он создал пять технологических стартапов. В MEDvidi Васили руководит разработкой клинических инструментов на основе искусственного интеллекта, которые снижают административную нагрузку и позволяют поставщикам медицинских услуг оказывать более быструю и последовательную помощь. Под его руководством компания достигла 30 млн долларов годовой регулярной выручки (ARR).