Когда избегать ИИ в здравоохранении

Любой раз, когда новое технологическое достижение появляется в отрасли, может возникнуть соблазн объявить это блестящую новую игрушку средством от всех проблем отрасли. ИИ в здравоохранении – отличный пример. По мере продолжения развития технологии она была принята для использования в таких случаях, как разработка лекарств, координация ухода и возмещение, чтобы назвать несколько. Существует большое количество законных случаев использования ИИ в здравоохранении, где технология намного лучше, чем любой в настоящее время доступный альтернативный вариант.

Однако ИИ – как он стоит сегодня – отлично справляется только с определенными задачами, такими как понимание больших объемов данных и принятие решений на основе хорошо определенных правил. Другие ситуации, особенно когда добавленный контекст необходим для принятия правильного решения, не подходят для ИИ. Давайте рассмотрим некоторые примеры.

Отказ в заявках и уходе

Независимо от того, идет ли речь о заявке или уходе, отказы – это сложные решения, и слишком важно, чтобы они обрабатывались только с помощью ИИ. При отказе в заявке или уходе есть очевидный моральный императив действовать с наибольшей осторожностью, и на основе возможностей ИИ сегодня это требует человеческого участия.

За пределами морального элемента планы здравоохранения подвергают себя риску, когда они слишком сильно полагаются на ИИ для принятия решений об отказе. Планы могут, и сталкиваются, с судебными исками за использование ИИ неправильно для отказа в заявках, с судебными исками, обвиняющими планы в том, что они не соответствуют минимальным требованиям для обзора врачей, потому что вместо этого был использован ИИ.

Полагаться на прошлые решения

Доверие ИИ для принятия решений только на основе того, как он принимал предыдущее решение, имеет очевидный недостаток: одна неправильная quyếtение из прошлого будет влиять на другие. Кроме того, поскольку правила политики, которые информируют ИИ, часто распределены по системам или несовершенно кодифицированы людьми, системы ИИ могут оказаться принимающими, а затем распространяющими, неточное понимание этих политик. Чтобы избежать этого, организации должны создать единую источник истины политики, чтобы ИИ мог ссылаться и учиться на надежном наборе данных.

Строить на основе устаревших систем

Как относительно новая технология, ИИ приносит чувство возможности, и многие команды данных здравоохранения с нетерпением ждут, чтобы воспользоваться этой возможностью быстро, используя инструменты ИИ, уже построенные в существующие корпоративные платформы. Проблема заключается в том, что процессы здравоохранения чрезвычайно сложны, и корпоративные платформы часто не понимают нюансов. Наложение ИИ на эти устаревшие платформы как универсальное решение (которое не учитывает все различные факторы, влияющие на вынесение решения по заявке) приводит к путанице и неточности, а не создает более эффективные процессы.

Полагаться на устаревшие данные

Одним из самых больших преимуществ ИИ является то, что он становится все лучше и лучше в оркестровке задач, когда он учится, но это обучение может происходить только в том случае, если существует постоянная обратная связь, которая помогает ИИ понять, что он сделал неправильно, чтобы он мог скорректировать себя соответственно. Эта обратная связь должна быть не только постоянной, но и основанной на чистых, точных данных. Ведь ИИ так же хорош, как и данные, которые он изучает.

Когда ИИ в здравоохранении БЕНЕФИЦИАЛЕН

Использование ИИ в секторе, где выходы так же значимы, как и здравоохранение, требует осторожности, но это не означает, что нет случаев, когда ИИ имеет смысл.

Во-первых, в здравоохранении нет недостатка в данных (рассмотрите, что одна медицинская карта человека может состоять из тысяч страниц), и закономерности внутри этих данных могут рассказать нам многое о диагностике заболеваний, правильном вынесении решений по заявкам и т. д. Это то, где ИИ отлично справляется, находя закономерности и предлагая действия на основе этих закономерностей, которые человеческие рецензенты могут использовать.

Другой областью, где ИИ отлично справляется, является каталогизация и ингестия политик и правил, которые регулируют, как заявки оплачиваются. Генеративный ИИ (GenAI) может быть использован для преобразования этого содержания политики из различных форматов в машинно-читаемый код, который может быть применен последовательно ко всем заявкам пациентов. GenAI также может быть использован для суммирования информации и отображения ее в легко читаемом формате для человека, который проверяет ее.

Ключевым моментом во всех этих случаях является то, что ИИ используется как ко-пилот для людей, которые контролируют его, а не как руководитель шоу. Пока организации могут сохранить эту идею в mente, когда они реализуют ИИ, они будут находиться в позиции, чтобы добиться успеха в эту эпоху, когда здравоохранение преобразуется ИИ.