Grant Lunney หัวหน้าฝ่ายผลิตภัณฑ์ที่ EverHealth – บทสัมภาษณ์

Grant Lunney เป็นหัวหน้าฝ่ายผลิตภัณฑ์ที่ EverHealth และมีประสบการณ์ในด้านเทคโนโลยีสุขภาพ การดำเนินงานทางคลินิก และกลยุทธ์ผลิตภัณฑ์มาเกือบสองทศวรรษ เส้นทางอาชีพของเขาครอบคลุม Boulder Community Health, OTTO Health, NextGen Healthcare และ CrowdHealth โดยมุ่งเน้นการดูแลผู้ป่วยนอกและความท้าทายในทางปฏิบัติที่สถานพยาบาลต้องเผชิญ ที่ EverHealth เขาทำงานเพื่อประยุกต์ใช้ AI กับการจัดทำเอกสารทางคลินิกและขั้นตอนการทำงานในสถานพยาบาล เพื่อให้บุคลากรทางคลินิกมีเวลาดูแลผู้ป่วยมากขึ้น

EverHealth ให้บริการเทคโนโลยีด้านสุขภาพหลากหลายประเภท ครอบคลุมเวชระเบียนอิเล็กทรอนิกส์ การบริหารจัดการสถานพยาบาล การเรียกเก็บค่ารักษาพยาบาล และการสื่อสารกับผู้ป่วย EverHealth Scribe ใช้ AI ที่ทำงานในพื้นหลังเพื่อแปลงบทสนทนาระหว่างผู้ป่วยกับผู้ให้บริการทางการแพทย์ให้เป็นบันทึกทางคลินิกฉบับร่างในระบบเวชระเบียนอิเล็กทรอนิกส์ (EHR) ซึ่งบุคลากรทางคลินิกสามารถตรวจทานและอนุมัติได้ ในบทสัมภาษณ์นี้ Lunney พูดถึงการจัดทำเอกสารด้านสุขภาพพฤติกรรม ความยินยอมและความเป็นส่วนตัวของผู้ป่วย การกำกับดูแลทางคลินิก และวิธีที่ AI ช่วยลดงานธุรการให้สถานพยาบาลอิสระได้

เส้นทางอาชีพของคุณครอบคลุมเกือบสองทศวรรษในแวดวงเทคโนโลยีสุขภาพ ตั้งแต่งานด้านการดำเนินงานทางคลินิกและกลยุทธ์ที่ Boulder Community Health ไปจนถึงการเป็นผู้นำด้านผลิตภัณฑ์ที่ OTTO Health, NextGen Healthcare, CrowdHealth และปัจจุบันที่ EverHealth ประสบการณ์เหล่านี้หล่อหลอมมุมมองของคุณต่อบทบาทที่ AI ควรมีในแวดวงสุขภาพอย่างไร และอะไรทำให้คุณสนใจโอกาสในการเป็นผู้นำนวัตกรรมผลิตภัณฑ์ที่ EverHealth?

ผมทำงานในแวดวงเทคโนโลยีสุขภาพมาเกือบสองทศวรรษ โดยส่วนใหญ่เน้นด้านการดูแลผู้ป่วยนอก ตลอดช่วงเวลานั้น ผมได้เห็นพัฒนาการอันน่าทึ่งของเครื่องมือที่เรามอบให้แพทย์เพื่อช่วยให้พวกเขาประกอบวิชาชีพเวชกรรมได้ ผมยังจำได้ว่าการสั่งยาแบบอิเล็กทรอนิกส์เคยเป็นเรื่องใหญ่เพียงใด แนวคิดที่แพทย์สามารถส่งใบสั่งยาทางอิเล็กทรอนิกส์ แล้วผู้ป่วยไปรับยาได้ทันทีเมื่อถึงร้านขายยา ถือเป็นความก้าวหน้าที่สำคัญ นับจากนั้น เราก็ได้พัฒนาระบบเวชระเบียนอิเล็กทรอนิกส์ (EHR) ให้ซับซ้อนยิ่งขึ้น รวมถึงระบบอัตโนมัติของกระบวนการทำงาน การทำงานร่วมกันระหว่างระบบ และเครื่องมือนานาชนิดที่ออกแบบมาเพื่อเพิ่มประสิทธิภาพให้ระบบสุขภาพ

ผมมอง AI ในลักษณะเดียวกัน ไม่ว่าจะเป็นโมเดลภาษาขนาดใหญ่ AI เชิงสร้างสรรค์ หรือโมเดลคาดการณ์ สิ่งเหล่านี้ล้วนเป็นเครื่องมือเพิ่มเติมในชุดเครื่องมือของเรา เป้าหมายยังคงเดิม คือช่วยให้บุคลากรทางคลินิกทำงานได้อย่างมีประสิทธิภาพมากขึ้น และท้ายที่สุดยกระดับคุณภาพการดูแลที่พวกเขามอบให้ได้

ลองนึกถึงแพทย์เวชปฏิบัติปฐมภูมิที่ดูแลผู้ป่วยในความรับผิดชอบ 2,500 หรือ 3,000 คน ในแต่ละวันของแพทย์เต็มไปด้วยการตรวจรักษาอาการเจ็บป่วยเฉียบพลัน การจัดการเรื่องยา และการดูแลผู้ป่วยที่มีโรคเรื้อรังหลายโรค แต่ผมไม่เชื่อเลยว่าแพทย์เหล่านั้นจะไม่อยากใช้เวลากับผู้ป่วยมากขึ้นเพื่อดูแลตั้งแต่เนิ่น ๆ พูดคุยเรื่องโภชนาการ การออกกำลังกาย สุขภาพด้านพฤติกรรม และปัจจัยทางสังคมที่ส่งผลต่อสุขภาพของแต่ละคน รวมถึงช่วยให้ผู้คนปรับเปลี่ยนสิ่งต่าง ๆ ในชีวิตได้อย่างมีความหมาย ซึ่งอาจป้องกันไม่ให้เกิดโรคเรื้อรังขึ้นตั้งแต่แรก นั่นคือเหตุผลที่พวกเขาเลือกเรียนแพทย์

สิ่งนี้เองที่ทำให้ผมตื่นเต้นกับ AI เรากำลังเริ่มพัฒนาเทคโนโลยีที่สามารถแบ่งเบางานธุรการและการประมวลผลข้อมูลส่วนสำคัญจากบุคลากรทางคลินิก เพื่อให้พวกเขามีเวลาประกอบวิชาชีพเวชกรรมมากขึ้น

สิ่งที่ดึงดูดใจผมให้มาร่วมงานกับ EverHealth คือความสามารถของเราในการทยอยประยุกต์ใช้เทคโนโลยีนี้ทั่วทั้งสถานพยาบาล ผมเชื่อมั่นอย่างยิ่งว่าควรแก้ปัญหาหนึ่งให้ได้ผลอย่างยอดเยี่ยมก่อน แล้วจึงขยับไปแก้ปัญหาถัดไป เราสามารถปรับปรุงการจัดทำเอกสารทางคลินิก จากนั้นจึงพัฒนาการระบุการวินิจฉัย การลงรหัส การสั่งตรวจ การสั่งยา และการดำเนินงานของสถานพยาบาล เมื่อเวลาผ่านไป การปรับปรุงเหล่านี้ก็จะเริ่มทำงานร่วมกัน

EverHealth Scribe ใช้ AI เพื่อแปลงบทสนทนาระหว่างผู้ป่วยกับผู้ให้บริการทางการแพทย์ให้เป็นเอกสารทางคลินิกที่มีโครงสร้าง ช่วยอธิบายขั้นตอนการทำงานของเทคโนโลยีนี้ ตั้งแต่การบันทึกการพบผู้ป่วยไปจนถึงการสร้างบันทึกทางคลินิกได้ไหม และแนวทางของคุณแตกต่างจากโซลูชันอื่น ๆ ที่ใช้ AI ช่วยจัดทำเอกสารทางการแพทย์อย่างไร?

โดยหลักการแล้ว ระบบช่วยจดบันทึกด้วย AI จะรับฟังบทสนทนาระหว่างผู้ป่วยกับบุคลากรทางคลินิก ใช้เทคโนโลยีรู้จำเสียงพูดเพื่อทำความเข้าใจว่าใครพูดอะไร จากนั้นจึงใช้โมเดลภาษาขนาดใหญ่จัดระเบียบข้อมูลที่เกี่ยวข้องทางคลินิกให้อยู่ในรูปแบบบันทึกที่มีโครงสร้าง บุคลากรทางคลินิกจะตรวจทานข้อมูล แก้ไขตามความจำเป็น และอนุมัติเอกสารฉบับสมบูรณ์

ผมคิดว่าเรากำลังมาถึงจุดที่ระบบช่วยจดบันทึกด้วย AI ในพื้นหลังที่มีคุณภาพส่วนใหญ่สามารถทำงานพื้นฐานนี้ได้อย่างน่าทึ่ง โมเดลต่าง ๆ มีระดับความซับซ้อนและความแม่นยำแตกต่างกัน แต่ผมเชื่อว่าโอกาสสำคัญในการสร้างความแตกต่างจะมาจากทุกสิ่งที่อยู่รอบกระบวนการนี้มากขึ้นเรื่อย ๆ

สำหรับเรา จุดเริ่มต้นคือการพิจารณาว่าเราจะช่วยทำงานของบุคลากรทางคลินิกเพิ่มเติมได้มากเพียงใดหลังจากสร้างบันทึกแล้ว เราเพิ่มคำแนะนำเรื่องการวินิจฉัยและรหัส CPT แล้ว และกำลังขยายไปสู่การสั่งตรวจและการสั่งยา โดยผสานทุกอย่างไว้ในระบบ EHR โดยตรง นอกจากนี้ เรายังดึงข้อมูลบริบทจากการพบผู้ป่วยครั้งก่อน ประวัติทางการแพทย์ และเอกสารที่จัดทำก่อนเข้าพบแพทย์ เพราะบทสนทนา 15 นาทีเป็นเพียงส่วนเล็ก ๆ ของเรื่องราวทางคลินิกที่ใหญ่กว่ามาก เรายังกำลังพัฒนาคำอธิบายประกอบที่บันทึกข้อสังเกตและบันทึกต่าง ๆ ของบุคลากรทางคลินิก ซึ่งไม่เคยถูกพูดออกมาด้วย

เรายังออกแบบให้ความสามารถทั้งหมดนี้ทำงานได้อย่างน่าเชื่อถือด้วย หากบุคลากรทางคลินิกใช้เวลากับผู้ป่วย 30 นาที แล้วพบว่าการบันทึกเสียงล้มเหลว ก็ถือเป็นประสบการณ์ที่เลวร้ายอย่างยิ่ง ดังนั้นเราจึงต้องคำนึงถึงทุกอย่าง ตั้งแต่ตำแหน่งการวางไมโครโฟนไปจนถึงสัญญาณ Wi-Fi ที่ไม่เสถียร

หากเราทำทุกอย่างได้ถูกต้อง แพทย์ก็ควรปิดท้ายการนัดหมายได้โดยที่งานจัดทำเอกสารเกือบทั้งหมดเสร็จเรียบร้อยแล้ว หน้าที่ที่เหลือคือทบทวนเนื้อหาทางคลินิก ใช้วิจารณญาณ และดำเนินการตามคำแนะนำที่เห็นว่าเหมาะสม

การปรึกษาด้านสุขภาพจิตมักเกี่ยวข้องกับบทสนทนาส่วนตัวอย่างลึกซึ้ง ความละเอียดอ่อนทางอารมณ์ และการเปิดเผยข้อมูลที่อ่อนไหว อะไรคือความท้าทายทางเทคนิคเฉพาะในการพัฒนา AI สำหรับจดบันทึกการรักษาด้านสุขภาพจิต และคุณทำอย่างไรให้ระบบบันทึกข้อมูลที่เกี่ยวข้องทางคลินิกได้อย่างถูกต้อง โดยไม่ตีความบริบทผิดหรือบันทึกรายละเอียดส่วนตัวที่ไม่จำเป็น

การบำบัดทางจิตเวชที่ใช้เวลา 50 นาที การปรึกษาด้านสุขภาพจิต 15 นาที และการพบแพทย์อายุรกรรม 7 นาที ล้วนเป็นบทสนทนาที่แตกต่างกันมาก และเอกสารที่ควรจัดทำจากการพบผู้ป่วยแต่ละครั้งก็ย่อมมีรูปแบบแตกต่างกันด้วย

เราจึงเริ่มจากมุมมองของแพทย์ แล้วไล่ย้อนกลับไปว่า ต้องบันทึกข้อมูลอะไรบ้าง ควรจัดเรียงอย่างไร รายละเอียดระดับใดจึงเหมาะสมในทางคลินิก และบันทึกฉบับสมบูรณ์ควรมีลักษณะอย่างไร เพื่อให้ผู้ให้บริการมั่นใจว่าเอกสารนั้นสะท้อนสิ่งที่เกิดขึ้นระหว่างการพบผู้ป่วยได้อย่างถูกต้อง

เมื่อกำหนดสิ่งเหล่านี้ได้แล้ว เราก็เริ่มปรับตั้งค่าและพัฒนา AI ให้จัดทำเอกสารที่สอดคล้องกับความคาดหวังดังกล่าวได้ เป้าหมายคือการกลั่นกรองบทสนทนาที่ยืดยาว ซับซ้อน และเป็นเรื่องส่วนตัวอย่างลึกซึ้ง ให้เหลือเฉพาะข้อมูลทางคลินิกที่เกี่ยวข้องกับการดูแลผู้ป่วยจริง ๆ

ผมคิดว่าเรื่องนี้สำคัญเป็นพิเศษในด้านสุขภาพจิต การที่มีการพูดบางอย่างระหว่างการบำบัดไม่ได้หมายความโดยอัตโนมัติว่าสิ่งนั้นควรอยู่ในเวชระเบียนถาวรของผู้ป่วย โมเดลยังต้องตีความความหมายทางคลินิกให้ถูกต้องด้วย และในด้านสุขภาพจิต คำพูดเพียงประโยคเดียวอาจมีความหมายแตกต่างกันมากตามบริบท นั่นจึงเป็นเหตุผลที่การทบทวนและใช้วิจารณญาณของแพทย์ยังคงจำเป็นอย่างยิ่ง

เราพูดถึงความฉลาดของโมเดลเหล่านี้กันมาก แต่ผมคิดว่างานสำคัญที่สุดบางส่วนเกิดขึ้นก่อนที่โมเดลจะสร้างบันทึกเสียอีก นั่นคือการกำหนดว่าผลงานทางคลินิกที่ดีควรเป็นอย่างไร แล้วพัฒนาความสม่ำเสมอและความน่าเชื่อถือในการสร้างผลงานดังกล่าวอย่างต่อเนื่อง

พูดง่าย ๆ คือ เรากำหนดก่อนว่าผลงานที่ดีควรเป็นอย่างไร แล้วทำงานย้อนกลับจากเป้าหมายนั้น โดยให้แพทย์เป็นผู้ตัดสินขั้นสุดท้ายว่าเราทำได้ตามเป้าหมายหรือไม่

งานวิจัยจาก KFF พบว่า ผู้ใหญ่ในสหรัฐฯ 77% กังวลเกี่ยวกับความเป็นส่วนตัวของข้อมูลทางการแพทย์ที่แบ่งปันกับเครื่องมือ AI EverHealth จัดการกับข้อกังวลเหล่านี้อย่างไร โดยเฉพาะในเรื่องการเก็บรักษาข้อมูลผู้ป่วย การเข้าถึงโดยบุคคลที่สาม และการนำข้อมูลอ่อนไหวไปใช้ฝึกหรือปรับปรุงโมเดล AI

ข้อกังวลนี้สมเหตุสมผล และผมไม่คิดว่าผู้ป่วยควรต้องแลกความเป็นส่วนตัวกับการรักษาที่ดีขึ้น ขณะเดียวกัน บริษัทเทคโนโลยีก็ไม่ควรขอให้ผู้ป่วยเชื่อมั่นในมาตรการคุ้มครองของบริษัทโดยไม่มีหลักฐาน ผู้ป่วยและสถานพยาบาลควรได้รับคำตอบที่ชัดเจนว่าเราใช้ข้อมูลอะไร ใครเข้าถึงข้อมูลได้บ้าง และเราเก็บข้อมูลไว้นานเท่าใด

EverHealth Scribe ประมวลผลข้อมูลผู้ป่วยเพื่อสนับสนุนการจัดทำเอกสารทางคลินิกและความต่อเนื่องในการดูแล เราทำงานร่วมกับพันธมิตรด้านเทคโนโลยี รวมถึง CarePilot โดยมีมาตรการคุ้มครองตามสัญญา เช่น ข้อตกลงสำหรับผู้ร่วมธุรกิจ ซึ่งกำหนดวิธีจัดการข้อมูลสุขภาพที่ได้รับความคุ้มครอง นอกจากนี้ เรายังใช้การเข้ารหัสและมาตรการควบคุมการเข้าถึง และไม่นำข้อมูลผู้ป่วยที่ระบุตัวบุคคลได้ไปใช้ฝึกโมเดล AI บันทึกเสียงถอดความของ Scribe พร้อมให้เรียกดูได้นานสูงสุด 180 วัน เพื่อช่วยให้แพทย์ทบทวนบริบทที่เกี่ยวข้องระหว่างการพบผู้ป่วยแต่ละครั้งได้ แต่สถานพยาบาลก็สามารถขอให้ลบข้อความถอดความได้เช่นกัน

ท้ายที่สุดแล้ว เราไม่สามารถค่อยนำมาตรการคุ้มครองความเป็นส่วนตัวมาติดตั้งให้กับนวัตกรรมภายหลังได้ แต่ความเป็นส่วนตัวต้องเป็นปัจจัยกำหนดการตัดสินใจของเราตั้งแต่ต้น ทั้งในเรื่องสิ่งที่เราพัฒนา สิ่งที่เราเชื่อมต่อ และข้อมูลที่เราเก็บรักษา

Mentavi Health ซึ่งนำ EverHealth Scribe มาใช้ ขอความยินยอมจากผู้ป่วยทั้งในขั้นตอนรับผู้ป่วยใหม่และก่อนการพบแพทย์แต่ละครั้ง รูปแบบการขอความยินยอมอย่างต่อเนื่องนี้มีความสำคัญเพียงใดต่อการสร้างความไว้วางใจของผู้ป่วย และควรทำอย่างไรเมื่อผู้ป่วยปฏิเสธการจัดทำเอกสารโดยใช้ AI หรือถอนความยินยอมระหว่างการบำบัด

แนวทางของ Mentavi ที่ขอความยินยอมในขั้นตอนรับผู้ป่วยใหม่และอีกครั้งก่อนการพบแพทย์แต่ละครั้ง ช่วยตอกย้ำว่าผู้ป่วยมีสิทธิ์ตัดสินใจเกี่ยวกับวิธีการดูแลรักษาของตน

ผมใช้เวลาส่วนใหญ่ในอาชีพทำงานด้านการแพทย์ทางไกล จึงเชื่อว่าโดยทั่วไปผู้ป่วยเปิดรับเทคโนโลยี หากมองเห็นคุณค่าที่เทคโนโลยีนั้นมอบให้ ในกรณีที่ดีที่สุด ผู้ป่วยจะได้สบตากับแพทย์มากขึ้น มีปฏิสัมพันธ์กันโดยตรงมากขึ้น และพบแพทย์ที่ตั้งใจฟังบทสนทนาอย่างแท้จริง แทนที่จะนั่งอยู่หลังแล็ปท็อปหรือพิมพ์ข้อมูลลงในเครื่องคอมพิวเตอร์ นี่เป็นข้อเสนอที่มีคุณค่าน่าดึงดูดไม่น้อย

แน่นอนว่าคุณค่านั้นต้องมาพร้อมกับสิทธิ์ในการเลือก ผู้ป่วยควรเข้าใจว่ามีการใช้เทคโนโลยีนี้อย่างไร และรู้สึกสบายใจที่จะปฏิเสธ หากผู้ป่วยถอนความยินยอมระหว่างการพบแพทย์ การบันทึกเสียงควรหยุดลง และแพทย์ควรดำเนินการพบผู้ป่วยต่อพร้อมจัดทำเอกสารตามขั้นตอนการทำงานปกติได้ ข้อมูลใดก็ตามที่บันทึกไปแล้วต้องได้รับการจัดการตามข้อกำหนดที่เกี่ยวข้องกับความยินยอมและความเป็นส่วนตัว

ท้ายที่สุดแล้ว ผมคิดว่าความไว้วางใจเกิดจากการส่งมอบคุณค่าอย่างสม่ำเสมอ หากเราช่วยให้แพทย์ใช้เวลากับผู้ป่วยได้มากขึ้น และผู้ป่วยสัมผัสได้ถึงความแตกต่างนั้นจริง ๆ ก็แสดงว่าเรากำลังทำสิ่งที่ถูกต้อง

บันทึกทางคลินิกที่สร้างโดย AI อาจก่อให้เกิดความเสี่ยง เช่น การสร้างข้อมูลที่ไม่มีอยู่จริง การละรายละเอียด และการตีความคำพูดของผู้ป่วยอย่างไม่ถูกต้อง EverHealth ใช้มาตรการป้องกันใดบ้างเพื่อตรวจหาข้อผิดพลาดเหล่านี้ และทำอย่างไรให้แพทย์ยังคงกำกับดูแลอย่างมีความหมาย แทนที่จะเพียงอนุมัติเอกสารที่ AI สร้างขึ้น?

แพทย์ทำงานร่วมกับ Scribe อย่างใกล้ชิด และมีหน้าที่แก้ไขบันทึกที่ AI สร้างขึ้นก่อนเพิ่มลงในเวชระเบียน เพื่อช่วยลดโอกาสที่จะเกิดความคลาดเคลื่อนในผลลัพธ์ให้เหลือน้อยที่สุด

แพทย์ต้องตรวจสอบและแก้ไขข้อมูลก่อนบันทึกลงในเวชระเบียน ท้ายที่สุดแล้ว แพทย์ยังคงเป็นผู้รับผิดชอบในการพิจารณาว่าบันทึกนั้นสะท้อนการตรวจรักษาได้อย่างถูกต้องหรือไม่ และมีสิ่งสำคัญใดตกหล่นหรือถูกตีความผิดไปหรือไม่

องค์ประกอบสำคัญอีกประการคือการรับฟังความคิดเห็นอย่างต่อเนื่อง เราสอบถามแพทย์หลังการตรวจทุกครั้งว่าเอกสารที่จัดทำขึ้นมีประโยชน์หรือไม่ และคำตอบมากกว่า 96% เป็นไปในเชิงบวก นี่เป็นสัญญาณที่น่าพอใจว่าเราส่งมอบคุณค่าได้อย่างสม่ำเสมอ

เมื่อแพทย์แจ้งปัญหา ทีมงานของเราจะติดต่อโดยตรงเพื่อทำความเข้าใจว่าเกิดอะไรขึ้น ระบุสาเหตุที่แท้จริง และพิจารณาว่าเราจะปรับปรุงประสบการณ์การใช้งานได้อย่างไร ความสัมพันธ์โดยตรงกับผู้ที่ใช้เทคโนโลยีนี้เป็นส่วนสำคัญอย่างยิ่งในกระบวนการพัฒนาและปรับปรุงผลิตภัณฑ์ของเรา

ผมคิดว่านี่คือวิธีสร้างความไว้วางใจในการจัดทำเอกสารทางคลินิกโดยใช้ AI ช่วยในท้ายที่สุด นั่นคือทำให้เข้าถึงข้อมูลที่อยู่เบื้องหลังได้ เปิดให้มีการกำกับดูแลทางคลินิกอย่างมีความหมาย และประเมินอย่างต่อเนื่องว่าเทคโนโลยีนี้ช่วยได้จริงหรือไม่

เมื่อไม่นานมานี้ Mentavi Health รายงานการนำระบบมาใช้เป็นระยะ โดยมีแพทย์ที่ได้รับใบอนุญาตมากกว่า 30 คน และมีบันทึกทางคลินิกที่ AI ช่วยจัดทำมากกว่า 14,000 รายการ พร้อมทั้งปรับปรุงการจัดทำเอกสารแบบมีโครงสร้างและการบันทึกรหัสการวินิจฉัย ผลการใช้งานที่สำคัญที่สุดมีอะไรบ้าง และคุณวัดอย่างไรว่า AI scribe ช่วยเพิ่มผลิตภาพของแพทย์ ความถูกต้องของเอกสาร และการดูแลผู้ป่วยได้จริง?

บทเรียนที่สำคัญที่สุดข้อหนึ่งจากการนำระบบของ Mentavi มาใช้คือ ความสำเร็จในการยอมรับเทคโนโลยีขึ้นอยู่กับสิ่งต่าง ๆ มากกว่าตัวเทคโนโลยีเพียงอย่างเดียว Mentavi นำความเชี่ยวชาญด้านคลินิก การบริหาร และเทคโนโลยีมารวมกัน เพื่อกำหนดมาตรฐานการจัดทำเอกสาร วางเกณฑ์วัดคุณภาพ และนำความสามารถใหม่ ๆ มาใช้ด้วยความรอบคอบ ความร่วมมือเช่นนี้แหละคือตัวอย่างของนวัตกรรมด้านการดูแลสุขภาพอย่างมีความรับผิดชอบ

สำหรับ Scribe ปัญหาที่เราต้องการแก้ไขนั้นตรงไปตรงมา คือแพทย์ใช้เวลามากเกินไปกับการจัดทำเอกสารการตรวจ แล้วเราจะลดเวลาและความพยายามส่วนนี้ลงได้มากแค่ไหน?

เราพิจารณาระยะเวลาที่ใช้จัดทำเอกสาร ความพึงพอใจของแพทย์ และประสิทธิภาพของฟีเจอร์ต่าง ๆ เช่น การระบุการวินิจฉัยและการแนะนำรหัส CPT ว่าช่วยลดขั้นตอนเพิ่มเติมในกระบวนการทำงานได้มากน้อยเพียงใด เมื่อเราขยายไปสู่การสั่งตรวจและการสั่งยา เราจะใช้แนวคิดเดียวกัน ความสามารถแต่ละอย่างควรช่วยลดภาระงานของแพทย์ลงได้อีกส่วนหนึ่งอย่างมีนัยสำคัญ

การบันทึกรหัสการวินิจฉัยที่ดีขึ้นเป็นผลลัพธ์ที่น่าตื่นเต้นเป็นพิเศษ ในการประเมินครั้งนี้ การตรวจรักษาที่ใช้ Scribe มีอัตราการบันทึกรหัสการวินิจฉัยเกือบ 80% เทียบกับประมาณ 26% ในกรณีที่ไม่ได้ใช้ นับเป็นการปรับปรุงความสม่ำเสมอของการจัดทำเอกสารทางคลินิกแบบมีโครงสร้างอย่างมาก และเป็นตัวอย่างที่ดีว่า AI สร้างคุณค่าได้มากกว่าแค่การร่างบันทึก

จำนวนบันทึกที่จัดทำขึ้นเป็นเรื่องน่ายินดี แต่ผลลัพธ์ที่สำคัญคือปริมาณงานที่เราช่วยลดลง รวมถึงคุณภาพและความสม่ำเสมอของเอกสารที่เราช่วยจัดทำ

สถานพยาบาลอิสระด้านการแพทย์และสุขภาพจิตมักมีทรัพยากรด้านการบริหารจัดการจำกัดเมื่อเทียบกับระบบบริการสุขภาพขนาดใหญ่ เอกสารที่จัดทำด้วย AI จะช่วยให้สถานพยาบาลขนาดเล็กแข่งขันได้อย่างไร และยังมีอุปสรรคใดบ้างที่ต้องแก้ไขในด้านต้นทุนการนำไปใช้ การผสานเข้ากับขั้นตอนการทำงาน หรือการยอมรับเทคโนโลยี?

ผมคิดว่าโอกาสสำคัญที่สุดสำหรับสถานพยาบาลอิสระคือการมีทางเลือก เมื่อลดภาระงานด้านการบริหารของแพทย์และเจ้าหน้าที่ เราก็เปิดโอกาสให้สถานพยาบาลตัดสินใจได้ดีขึ้นว่าจะใช้เวลาและทรัพยากรอย่างไร แพทย์บางคนอาจต้องการตรวจผู้ป่วยให้ได้มากขึ้น บางคนอาจอยากใช้เวลากับผู้ป่วยที่มีอยู่แล้วให้นานขึ้น หรือบางคนอาจเพียงต้องการตรวจนัดสุดท้ายให้เสร็จตอนห้าโมงเย็น ใช้เวลา 15 นาทีทบทวนเอกสาร แล้วกลับบ้าน แทนที่จะต้องใช้เวลาอีกสองชั่วโมงจัดการงานค้าง ผลลัพธ์เหล่านี้ล้วนมีคุณค่า และสถานพยาบาลควรเป็นผู้ตัดสินใจเองว่าเรื่องใดสำคัญที่สุด

ในด้านการนำไปใช้ เราเป็นผู้ให้บริการเทคโนโลยีแก่สถานพยาบาลอยู่แล้ว ดังนั้นการผสานระบบเข้ากับขั้นตอนการทำงานจึงเป็นความรับผิดชอบของเรา ไม่ใช่ของสถานพยาบาล Scribe ทำงานบนอุปกรณ์ที่แพทย์มีอยู่แล้ว และเริ่มใช้งานได้โดยใช้เวลาอบรมเพียงหนึ่งหรือสองครั้ง อย่างไรก็ตาม สถานพยาบาลขนาดเล็กแทบไม่มีทรัพยากรเหลือพอที่จะรับมือกับปัญหาทางเทคนิค เป้าหมายของเราจึงเป็นการตั้งค่าระบบให้ผู้ใช้เริ่มต้นใช้งานได้ด้วยตนเองมากที่สุด

ท้ายที่สุดแล้ว ผมคิดว่า AI ช่วยให้สถานพยาบาลอิสระเข้าถึงความสามารถและประสิทธิภาพในการดำเนินงานที่ในอดีตมีเพียงองค์กรขนาดใหญ่กว่ามากเท่านั้นที่จะทำได้ และที่สำคัญไม่แพ้กันคือ AI ช่วยให้ผู้ที่ทำงานในสถานพยาบาลเหล่านั้นควบคุมการใช้เวลาของตนเองได้มากขึ้น

เมื่อรัฐต่าง ๆ ออกกฎหมายควบคุมการใช้ AI ในบริการสุขภาพ โดยเฉพาะด้านสุขภาพเชิงพฤติกรรม ซึ่งมีความหลากหลายมากขึ้นเรื่อย ๆ EverHealth รับมือกับสภาพแวดล้อมด้านกฎระเบียบที่แตกแยกเช่นนี้อย่างไร การพัฒนาผลิตภัณฑ์ AI ที่ต้องรองรับข้อกำหนดด้านความยินยอมของผู้ป่วย ความเป็นส่วนตัวของข้อมูล และการกำกับดูแลโดยบุคลากรทางคลินิกที่แตกต่างกันในหลายเขตอำนาจศาล มีความท้าทายอะไรบ้าง

รู้สึกเหมือนเคยเห็นหนังเรื่องนี้มาก่อน ก่อนโควิด-19 ฉันใช้เวลาส่วนใหญ่ในอาชีพทำงานด้านการแพทย์ทางไกล โดยต้องรับมือกับข้อแตกต่างระหว่างรัฐในเรื่องใบอนุญาตประกอบวิชาชีพ สถานที่ที่ผู้ป่วยอยู่ การให้ความยินยอม การสั่งจ่ายยา และการเบิกจ่ายค่ารักษา จากนั้นกฎเกณฑ์ก็เปลี่ยนไปแทบจะในชั่วข้ามคืน และเราต้องขยายการดำเนินงานไปพร้อมกับการเปลี่ยนแปลงที่ยังเกิดขึ้นต่อเนื่อง

ภูมิทัศน์ของ AI ให้ความรู้สึกคล้ายกัน เรามุ่งติดตามร่างกฎหมายที่กำลังเสนอ ทำความเข้าใจรายละเอียดปลีกย่อยของกฎระเบียบทั้งระดับรัฐและรัฐบาลกลาง และพัฒนาผลิตภัณฑ์ให้ปรับตัวได้

เรื่องนี้สำคัญอย่างยิ่งในการให้บริการสุขภาพเชิงพฤติกรรมทางไกล ซึ่งบุคลากรทางคลินิกคนหนึ่งอาจดูแลผู้ป่วยในหลายรัฐ ความยินยอม ความเป็นส่วนตัว และการกำกับดูแลโดยบุคลากรทางคลินิกจึงต้องเป็นองค์ประกอบพื้นฐานของบริการที่ปรับตั้งค่าได้

บทเรียนสำคัญจากประสบการณ์นั้นคือ ต้องพัฒนาผลิตภัณฑ์โดยคำนึงถึงการปรับตัวให้สอดคล้องกับกฎระเบียบตั้งแต่เริ่มต้น นี่คือแนวคิดที่เรานำมาใช้กับ AI ที่ EverHealth หน้าที่ของเราคือรับมือกับความซับซ้อนเหล่านั้นให้ได้มากที่สุด เพื่อให้บุคลากรทางคลินิกมีสมาธิกับการดูแลผู้ป่วย

เมื่อมองไปข้างหน้า ความสามารถของ AI กำลังขยายตัวอย่างรวดเร็วจากการจัดทำเอกสาร ไปสู่การสนับสนุนการตัดสินใจทางคลินิก การมีส่วนร่วมกับผู้ป่วย และเวิร์กโฟลว์ด้านสุขภาพที่ทำงานได้โดยอัตโนมัติมากขึ้นเรื่อย ๆ คุณคิดว่าควรกำหนดขอบเขตระหว่างการช่วยเหลือด้วย AI กับการใช้ดุลยพินิจทางคลินิกของมนุษย์ไว้อย่างไร โดยเฉพาะในด้านสุขภาพจิต และคุณมองว่าเทคโนโลยีของ EverHealth จะพัฒนาไปอย่างไรในช่วงสามถึงห้าปีข้างหน้า

AI สามารถรับฟัง จัดระเบียบ ดึงข้อมูลบริบทที่เกี่ยวข้องขึ้นมา และให้ข้อเสนอแนะได้ แต่การใช้ดุลยพินิจทางคลินิกเป็นหน้าที่ของบุคลากรทางคลินิก

เรื่องนี้สำคัญเป็นพิเศษในด้านสุขภาพจิต ซึ่งประวัติของผู้ป่วย น้ำเสียงที่เปลี่ยนไป หรือแม้แต่สิ่งที่ไม่ได้พูดออกมา ก็อาจมีความหมายไม่แพ้ถ้อยคำที่ได้ยิน เทคโนโลยีควรช่วยให้บุคลากรทางคลินิกใส่ใจกับช่วงเวลาเหล่านั้นได้มากขึ้น ไม่ใช่น้อยลง

ในช่วงสามถึงห้าปีข้างหน้า โอกาสที่เปิดอยู่มีมากกว่าการพัฒนาเครื่องมือช่วยจดบันทึกให้ฉลาดขึ้นมาก วิสัยทัศน์ของ EverHealth คือการสร้างประสบการณ์การดูแลผู้ป่วยนอกที่เชื่อมโยงกันอย่างชาญฉลาด โดยเทคโนโลยีช่วยประสานช่วงเวลาก่อน ระหว่าง และหลังการเข้ารับบริการ

ลองนึกภาพคลินิกที่จดจำสิ่งสำคัญได้ ประวัติที่เกี่ยวข้องพร้อมให้ใช้งานเมื่อจำเป็น บุคลากรทางคลินิกจึงมุ่งความสนใจไปที่ผู้ป่วยได้ แทนที่จะต้องปะติดปะต่อข้อมูลที่กระจัดกระจาย และการตัดสินใจทางคลินิกก็เชื่อมโยงต่อเนื่องไปสู่การจัดทำเอกสาร การลงรหัส การประสานงานดูแล และการติดตามผลได้อย่างเป็นระบบมากขึ้น เราไม่ได้มุ่งเพียงทำให้งานแต่ละอย่างเสร็จเร็วขึ้นเท่านั้น แต่ต้องการลดอุปสรรคระหว่างงานเหล่านั้นด้วย

เป้าหมายสูงสุดของทุกสิ่งที่เราทำคือการทำให้ผู้ป่วยทุกคนรู้สึกว่าตนได้รับการดูแลอย่างเข้าใจถ่องแท้ และผู้ให้บริการทุกรายมีข้อมูลชัดเจนเพียงพอที่จะมอบการดูแลที่มั่นใจและเชื่อมโยงต่อเนื่อง

ขอบคุณสำหรับบทสัมภาษณ์ที่ยอดเยี่ยมนี้ ผู้อ่านที่ต้องการศึกษาเพิ่มเติมเกี่ยวกับการจัดทำเอกสารทางคลินิกโดยมี AI ช่วยเหลือและเวิร์กโฟลว์ด้านสุขภาพที่เชื่อมโยงถึงกัน สามารถเยี่ยมชม EverHealth ได้