Грант Ланни, руководитель продуктового направления в EverHealth — серия интервью

Грант Ланни — руководитель продуктового направления в EverHealth с почти двадцатилетним опытом работы в сфере медицинских технологий, клинической деятельности и продуктовой стратегии. В его карьере были Boulder Community Health, OTTO Health, NextGen Healthcare и CrowdHealth; он специализируется на амбулаторной помощи и практических задачах, с которыми сталкиваются медицинские учреждения. В EverHealth он занимается внедрением ИИ в клиническую документацию и рабочие процессы медицинских учреждений, чтобы у врачей оставалось больше времени на пациентов.

EverHealth разрабатывает медицинские технологии для ведения электронных медицинских карт, управления работой медицинских учреждений, выставления счетов за медицинские услуги и взаимодействия с пациентами. EverHealth Scribe использует ИИ для фонового прослушивания, преобразуя беседы пациентов и врачей в черновики клинических записей в электронной медицинской карте, которые врач проверяет и утверждает. В этом интервью Ланни рассказывает о документировании помощи в области психического здоровья, согласии пациентов и защите их конфиденциальности, клиническом контроле, а также о том, как ИИ может снизить административную нагрузку на независимые медицинские учреждения.

Ваша карьера в сфере медицинских технологий длится почти два десятилетия: от клинической деятельности и стратегического планирования в Boulder Community Health до руководящих должностей в продуктовом направлении в OTTO Health, NextGen Healthcare, CrowdHealth и теперь EverHealth. Как этот опыт сформировал ваше представление о роли ИИ в здравоохранении и что привлекло вас в возможности руководить инновациями в продуктовом направлении EverHealth?

Большую часть последних двух десятилетий я проработал в сфере медицинских технологий, преимущественно в амбулаторной медицине. За это время я наблюдал, как заметно совершенствовались инструменты, помогающие врачам заниматься медицинской практикой. Помню, когда электронное назначение лекарств считалось большим достижением. Возможность отправить рецепт в электронном виде, чтобы к приходу пациента в аптеку лекарство уже было готово, стала важным шагом вперёд. С тех пор появились всё более совершенные электронные медицинские карты, автоматизация процессов, интероперабельность и множество других инструментов, призванных сделать здравоохранение эффективнее.

Я думаю об ИИ примерно так же. Большие языковые модели, генеративный ИИ, предиктивные модели — всё это дополнительные инструменты в нашем арсенале. Цель остаётся прежней: повысить эффективность работы врачей и, в конечном счёте, улучшить качество оказываемой ими медицинской помощи.

Представьте врача первичного звена, который ведёт 2500 или 3000 пациентов. Его рабочий день уходит на приёмы по поводу острых состояний, подбор лекарственной терапии и помощь пациентам с несколькими хроническими заболеваниями. Но я ни секунды не сомневаюсь, что такие врачи хотели бы больше времени уделять профилактической работе с пациентами: обсуждать питание, физическую активность, психическое здоровье и социальные факторы, влияющие на здоровье человека. Помогать людям вносить значимые изменения в жизнь, которые, возможно, не дадут развиться следующему хроническому заболеванию. Именно ради этого они и пошли учиться в медицинский вуз.

Вот что меня воодушевляет в ИИ. Мы начинаем создавать технологии, способные взять на себя значительную часть административной работы и обработки информации, освободив врачам больше времени для медицинской практики.

Меня привлекла в EverHealth возможность постепенно внедрять эту технологию во все процессы медицинского учреждения. Я твёрдо убеждён: нужно сначала исключительно хорошо решить одну задачу, а затем переходить к следующей. Мы можем улучшить ведение клинической документации, затем распознавание диагнозов, кодирование, оформление назначений и рецептов, а также работу самого учреждения. Со временем эти улучшения начинают дополнять друг друга.

EverHealth Scribe использует ИИ, чтобы преобразовывать беседы пациентов и врачей в структурированную клиническую документацию. Расскажите, как работает эта технология — от записи приёма до подготовки клинической заметки, — и объясните, чем ваш подход отличается от других решений для медицинской документации на основе ИИ?

В самом простом варианте ИИ-система для ведения медицинской документации слушает беседу пациента с врачом, с помощью распознавания речи определяет, что и кто говорит, а затем использует большую языковую модель, чтобы структурировать клинически значимую информацию в виде записи. Врач проверяет её, вносит необходимые исправления и утверждает окончательный вариант документации.

Думаю, мы приближаемся к тому моменту, когда большинство хороших ИИ-систем для фонового прослушивания и ведения медицинской документации станут чрезвычайно эффективными в решении этой основной задачи. Модели различаются по уровню сложности и точности, но, на мой взгляд, всё больше возможностей выделиться на их фоне будет связано с тем, что окружает этот процесс.

Для нас всё начинается с вопроса о том, какую ещё часть работы врача мы можем выполнить после подготовки заметки. Мы уже добавили рекомендации по диагнозам и кодам CPT и расширяем функциональность, добавляя назначения и рецепты, — всё это встроено непосредственно в электронную медицинскую карту. Мы также учитываем данные предыдущих приёмов, историю болезни и информацию, собранную до визита, поскольку 15-минутная беседа — лишь небольшая часть гораздо более полной клинической истории. Кроме того, мы разрабатываем средства аннотирования, которые фиксируют наблюдения и заметки врачей, не произнесённые вслух.

Мы также обеспечили надёжность всех этих функций. Если врач провёл с пациентом 30 минут, а затем выяснилось, что запись не сохранилась, это катастрофическая ситуация. Поэтому нам необходимо учитывать всё — от расположения микрофона до нестабильного Wi-Fi.

Если всё это будет сделано правильно, к концу приёма врачу останется лишь проверить клиническую информацию, принять необходимые решения и выполнить рекомендации, которые он сочтёт целесообразными: практически вся работа по оформлению документации уже будет завершена.

Консультации по вопросам психического здоровья часто включают глубоко личные разговоры, тонкие эмоциональные нюансы и деликатные откровения. С какими особыми техническими трудностями сопряжена разработка ИИ-ассистента для ведения записей в сфере психического здоровья и как вы добиваетесь того, чтобы система точно фиксировала клинически значимую информацию, не искажая контекст и не внося в документацию лишние личные подробности?

Психотерапевтический сеанс продолжительностью 50 минут, консультация по вопросам психического здоровья на 15 минут и семиминутный приём врача-терапевта — это три совершенно разных разговора. И документация по итогам каждого из них тоже должна выглядеть по-разному.

Поэтому мы начинаем с врача и выстраиваем процесс в обратном порядке. Какую информацию необходимо зафиксировать? Как её следует структурировать? Какая степень детализации уместна с клинической точки зрения? И как должна выглядеть готовая запись, чтобы врач был уверен, что она точно отражает ход приёма?

Определив это, мы можем настраивать и совершенствовать ИИ, чтобы он создавал документацию, соответствующую этим ожиданиям. Наша цель — преобразовать, возможно, очень долгий, сложный и глубоко личный разговор в клиническую информацию, действительно необходимую для оказания помощи пациенту.

Думаю, это особенно важно в сфере психического здоровья. Сам факт, что что-то было сказано во время сеанса, ещё не означает, что это следует вносить в постоянную медицинскую карту пациента. Модель также должна точно интерпретировать клинический смысл, а в сфере психического здоровья одно и то же высказывание может иметь совершенно разное значение в зависимости от контекста. Поэтому проверка врача и его профессиональное суждение остаются необходимыми.

Мы много говорим о том, насколько умны эти модели, но, на мой взгляд, значительная часть самой важной работы выполняется ещё до того, как модель создаст запись. Сначала нужно определить, как выглядит качественный клинический документ, а затем постоянно повышать надёжность его подготовки.

Проще говоря, мы определяем, каким должен быть качественный результат, выстраиваем процесс в обратном порядке и оставляем за врачом последнее слово в оценке того, удалось ли нам этого достичь.

Согласно исследованию KFF, 77% взрослых жителей США обеспокоены конфиденциальностью медицинской информации, которой они делятся с инструментами ИИ. Как EverHealth отвечает на эти опасения, в частности в отношении сроков хранения данных пациентов, доступа третьих лиц и использования конфиденциальной информации для обучения или совершенствования моделей ИИ?

Это обоснованное опасение, и, на мой взгляд, пациентам не должно приходиться жертвовать конфиденциальностью ради более качественной медицинской помощи. В то же время технологическая компания не должна просить их просто поверить ей на слово, когда речь идёт о мерах защиты. Пациенты и медицинские учреждения вправе получить чёткие ответы на вопросы о том, какую информацию мы используем, кто может к ней получить доступ и как долго мы её храним.

В EverHealth Scribe информация о пациентах обрабатывается для ведения клинической документации и обеспечения непрерывности медицинской помощи. Мы сотрудничаем с технологическими партнёрами, в том числе с CarePilot, и соблюдаем договорные меры защиты, например соглашения с деловыми партнёрами, которые определяют порядок обращения с защищённой медицинской информацией. Мы также используем шифрование и контроль доступа, а идентифицирующая пациента информация не применяется для обучения моделей ИИ. Расшифровки записей в Scribe доступны в течение срока до 180 дней, что позволяет врачам возвращаться к важным деталям между приёмами; при этом медицинские учреждения также могут запросить удаление расшифровок.

В конечном счёте нельзя просто добавить защиту конфиденциальности к уже созданной технологии. Она должна влиять на решения о том, что мы разрабатываем, с чем интегрируем и что храним.

Mentavi Health, внедрившая EverHealth Scribe, получает согласие пациентов при первичном оформлении и перед каждым приёмом. Насколько важна такая модель постоянного получения согласия для укрепления доверия пациентов и что следует делать, если пациент отказывается от документации с помощью ИИ или отзывает согласие во время сеанса?

Подход Mentavi, при котором согласие получают при первичном оформлении и повторно перед каждым приёмом, подчёркивает, что пациент сам решает, как будет оказываться ему медицинская помощь.

Значительную часть карьеры я посвятил телемедицине, поэтому считаю, что пациенты в целом готовы пользоваться технологиями, если видят, какую пользу они приносят. В идеале пациент замечает, что врач чаще смотрит ему в глаза, активнее вовлечён в разговор и действительно сосредоточен на беседе, а не сидит за ноутбуком или печатает на рабочем компьютере. Это весьма убедительное преимущество.

Разумеется, такая польза должна сочетаться с правом выбора. Пациенты должны понимать, как используется технология, и чувствовать себя вправе отказаться от неё. Если человек отзывает согласие во время приёма, запись следует остановить, а врач должен иметь возможность продолжить приём и оформить документацию в обычном порядке. С любой уже собранной информацией необходимо обращаться в соответствии с применимыми требованиями к согласию и защите конфиденциальности.

В конечном счёте, я считаю, что доверие возникает благодаря стабильно ощутимой пользе. Если мы помогаем врачам больше времени уделять общению с пациентами, и пациенты действительно замечают разницу, значит, мы всё делаем правильно.

Клинические записи, созданные с помощью ИИ, несут потенциальные риски: в них могут появляться вымышленные сведения, пропускаться важные детали и неверно интерпретироваться высказывания пациентов. Какие меры защиты внедрила EverHealth для выявления таких ошибок и как вы обеспечиваете содержательный контроль со стороны врачей, чтобы они не просто одобряли документацию, созданную ИИ?

Врачи тесно взаимодействуют с ассистентом для ведения записей и отвечают за редактирование заметок, созданных ИИ, прежде чем добавить их в медицинскую карту, чтобы свести к минимуму вероятность расхождений в итоговом тексте.

Прежде чем сведения попадут в медицинскую карту, врач должен проверить и отредактировать их. Именно он по-прежнему несёт окончательную ответственность за то, чтобы заметка точно отражала ход приёма и чтобы ничего важного не было упущено или неверно истолковано.

Ещё один важнейший элемент — постоянный сбор обратной связи. После каждого приёма мы спрашиваем врачей, была ли документация полезной, и более 96% ответов положительные. Это обнадёживающий сигнал: мы стабильно приносим пользу.

Если врач сообщает о проблеме, наша команда напрямую связывается с ним, чтобы разобраться в произошедшем, выявить первопричину и понять, как улучшить пользовательский опыт. Прямое взаимодействие с теми, кто использует эту технологию, — чрезвычайно важная часть разработки и совершенствования продукта.

Думаю, именно так в конечном счёте и выстраивается доверие к документации с поддержкой ИИ: нужно обеспечить доступ к исходной информации, сохранить содержательный контроль со стороны врачей и постоянно оценивать, действительно ли технология помогает.

Недавно Mentavi Health сообщила о поэтапном внедрении решения: в нём участвовали более 30 лицензированных врачей, а с помощью ИИ было создано свыше 14 000 клинических записей. В результате улучшились структурированность документации и фиксация кодов диагнозов. Какие наиболее значимые выводы вы сделали по итогам внедрения и как оцениваете, действительно ли ИИ-ассистенты повышают продуктивность врачей, точность документации и качество медицинской помощи пациентам?

Один из важнейших выводов по итогам внедрения в Mentavi заключается в том, что успешное использование решения зависит не только от самой технологии. Специалисты Mentavi объединили клинический, административный и технический опыт, чтобы определить стандарты ведения документации, установить показатели качества и продуманно внедрять новые возможности. Именно так и должны выглядеть ответственные инновации в здравоохранении.

Задача, которую мы решаем с помощью Scribe, проста: врачи тратят слишком много времени на документирование приёма. Поэтому мы задаёмся вопросом: сколько этого времени и усилий можно сэкономить?

Мы оцениваем время, затрачиваемое на ведение документации, удовлетворённость врачей и то, насколько эффективно такие функции, как распознавание диагнозов и рекомендации кодов CPT, позволяют исключить лишние шаги из рабочего процесса. По мере расширения возможностей за счёт назначений и рецептов мы будем руководствоваться тем же подходом. Каждая новая функция должна убирать из рабочего дня врача ещё одну существенную задачу.

Особенно обнадёживающим стало улучшение фиксации кодов диагнозов. В ходе оценки приёмов с использованием Scribe коды диагнозов фиксировались почти в 80% случаев, тогда как без него — примерно в 26%. Это существенный шаг к более единообразному структурированию клинической документации и наглядный пример того, как ИИ может приносить пользу не только за счёт создания заметок.

Обнадёживает количество созданных заметок, но важнее всего то, сколько работы мы помогаем исключить, а также качество и единообразие создаваемой документации.

Независимые медицинские учреждения и клиники психического здоровья часто располагают более ограниченными административными ресурсами, чем крупные системы здравоохранения. Как документация с использованием ИИ может помочь небольшим клиникам конкурировать и какие препятствия, связанные с затратами на внедрение, интеграцией в рабочие процессы и освоением технологий, ещё предстоит преодолеть?

Думаю, для независимых клиник важнее всего возможность выбора. Снимая с врачей и персонала административную нагрузку, мы даём клиникам свободу эффективнее распоряжаться временем и ресурсами. Возможно, врач захочет принимать больше пациентов. Или уделять больше времени тем, кого он уже принимает. А может быть, ему просто захочется заканчивать последний приём в пять часов, тратить 15 минут на проверку документации и идти домой, а не оставаться ещё на два часа, чтобы наверстать упущенное. Все эти результаты ценны, и сама клиника должна решать, что для неё важнее всего.

Что касается внедрения, мы уже являемся поставщиком технологий для клиники, поэтому интеграция в рабочие процессы — наша ответственность, а не её. Scribe работает на устройствах, которые уже есть у врачей, а для начала работы может потребоваться всего одна или две обучающие сессии. При этом у небольшой клиники почти нет возможностей справляться с техническими проблемами. Поэтому мы стремимся сделать настройку максимально близкой к самостоятельной.

В конечном счёте, думаю, ИИ даёт независимым клиникам доступ к возможностям и более эффективным операционным процессам, которые раньше были доступны только гораздо более крупным организациям. И, что не менее важно, он даёт работающим в этих клиниках людям больше контроля над тем, как они распоряжаются своим временем.

На фоне того, как штаты вводят все более разнообразные законодательные нормы, регулирующие использование ИИ в здравоохранении, особенно в сфере психического здоровья, как EverHealth ориентируется в этой раздробленной нормативной среде? С какими трудностями приходится сталкиваться при разработке продукта на основе ИИ, который должен учитывать различия в требованиях к согласию пациентов, конфиденциальности данных и надзору со стороны клиницистов в разных юрисдикциях?

Кажется, я уже видел этот фильм. До COVID я значительную часть карьеры посвятил телемедицине, разбираясь в различиях между штатами в вопросах лицензирования, местонахождения пациентов, получения согласия, назначения лечения и оплаты медицинских услуг. Затем правила изменились почти за одну ночь, и нам пришлось наращивать масштабы работы, пока они продолжали меняться.

Ситуация с ИИ кажется похожей. Мы стараемся заранее учитывать предлагаемые законодательные изменения, разбираться в нюансах законодательства штатов и федерального законодательства, а также создавать продукт, способный адаптироваться к ним.

Это особенно важно в телемедицине в сфере психического здоровья, где один клиницист может принимать пациентов из многих штатов. Возможность настраивать согласие, конфиденциальность и надзор со стороны клиницистов должна быть заложена в основу сервиса.

Главный урок, который мы извлекли из этого опыта: продукт необходимо с самого начала создавать с учетом возможности адаптации к нормативным требованиям. Именно этот подход мы применяем к ИИ в EverHealth. Наша задача — взять на себя как можно большую часть этой сложности, чтобы клиницисты могли сосредоточиться на оказании медицинской помощи.

В перспективе возможности ИИ быстро выходят за рамки документирования и охватывают поддержку принятия клинических решений, взаимодействие с пациентами и все более автономные процессы оказания медицинской помощи. Где, на ваш взгляд, должна проходить граница между помощью ИИ и человеческим клиническим суждением, особенно в сфере психического здоровья, и как, по-вашему, будут развиваться технологии EverHealth в ближайшие три-пять лет?

ИИ может слушать, систематизировать информацию, выявлять важный контекст и предлагать варианты. Но клинические решения должен принимать клиницист.

Это особенно важно в сфере психического здоровья, где история пациента, перемена в тоне голоса и даже то, о чем он умалчивает, могут быть не менее значимы, чем произнесенные слова. Технологии должны помогать клиницистам быть по-настоящему рядом в такие моменты, а не мешать им.

В ближайшие три-пять лет возможности будут гораздо шире, чем просто создание более совершенного цифрового помощника для ведения записей. Наше видение в EverHealth — интеллектуальный путь пациента при амбулаторном лечении, на котором технологии помогают связать воедино этапы до, во время и после приема.

Представьте клинику, которая помнит о важном: нужная история болезни доступна именно тогда, когда она необходима; клиницисты могут сосредоточиться на пациенте, а не собирать воедино разрозненную информацию; клинические решения последовательно отражаются в документации, кодировании медицинских услуг, координации медицинской помощи и дальнейшем сопровождении пациента. Мы стремимся не просто ускорить выполнение отдельных задач. Мы хотим уменьшить трение между ними.

Главный ориентир во всем, что мы делаем, — сделать так, чтобы каждый пациент чувствовал, что его по-настоящему видят и понимают, а каждый медицинский специалист обладал ясностью, необходимой для уверенного и скоординированного оказания помощи.

Спасибо за прекрасное интервью. Читателям, которые хотят узнать больше о клиническом документировании с поддержкой ИИ и взаимосвязанных рабочих процессах в здравоохранении, стоит посетить EverHealth.