Розгляд скептицизму щодо штучного інтелекту в сфері охорони здоров’я: подолання перешкод для забезпечення безпечної комунікації

Лідери охорони здоров’я бажають прийняти штучний інтелект, частково для того, щоб не відставати від конкурентів та інших галузей, але, що більш важно, для підвищення ефективності та покращення досвіду пацієнтів. Однак лише 77% лідерів охорони здоров’я фактично довіряють штучному інтелекту для отримання вигоди для свого бізнесу.

Хоча чатботи штучного інтелекту добре справляються з обробкою рутинних завдань, обробкою даних та підведенням підсумків, високорегульована галузь охорони здоров’я найбільше турбується про надійність та точність даних, які подаються на вхід та інтерпретуються цими інструментами. Без належного використання та навчання працівників дані про порушення безпеки стають додатковими загрозами.

Натомість 95% лідерів охорони здоров’я планують збільшити бюджет штучного інтелекту до 30% у 2025 році, при цьому більші мовні моделі (LLM) виникають як одні з найбільш довірених інструментів. Коли LLM дозрівають, 53% лідерів охорони здоров’я вже реалізували офіційні політики, щоб допомогти своїм командам адаптуватися до них, а ще 39% планують реалізувати політики скоро.

Для постачальників медичних послуг, які бажають оптимізувати комунікаційні послуги за допомогою штучного інтелекту, але все ще сумніваються щодо цього, тут є деякі рекомендації для подолання найбільш поширених перешкод.

1. Навчіть штучний інтелект надійними медичними джерелами

Хоча лідери охорони здоров’я можуть не бути безпосередньо залучені до навчання штучного інтелекту, вони повинні відігравати ключову роль у нагляді за його впровадженням. Вони повинні забезпечити, щоб постачальники чатботів навчали та регулярно оновлювали свій штучний інтелект достовірними джерелами.

Багате, структуроване дані, захоплені обов’язковими електронними медичними записами (EHR), пропонують величезні репозиторії цифрових даних охорони здоров’я, які тепер можуть служити основою для навчання алгоритмів штучного інтелекту. Розширені LLM можуть розуміти медичні дослідження, технічний аналіз, літературні огляди та критичні оцінки. Однак замість навчання цих інструментів усіма даними одразу, нові докази показують, що фокусування на меншій кількості перетинів максимізує продуктивність штучного інтелекту, зберігаючи низьку вартість навчання.

2. Забезпечте практику даних, що відповідає вимогам HIPAA

Закон про переносність та відповідальність медичного страхування (HIPAA) визначає стандарти захисту конфіденційних даних про здоров’я пацієнів (PHI). Для відповідності цим правилам лідери охорони здоров’я повинні забезпечити, щоб треті сторони:

• Збирали лише мінімальну кількість PHI, необхідну для виконання мети чатбота.
• Надавали доступ до PHI лише авторизованому персоналу з сильними паролями та політикою автентифікації.
• Застосовували потужні техніки шифрування для захисту PHI як у стані спокою, так і під час передачі.
• Зберігали необхідні дані на серверах, що відповідають вимогам HIPAA, з сильним контролем доступу.
• Забезпечували підписання угод про асоціацію бізнесу (BAAs) для відповідності вимогам HIPAA.
• Питали про їхній план реагування на інциденти безпеки.

Лідери охорони здоров’я, які використовують ці інструменти, повинні регулярно перевіряти звіти про доступ – крок, який також легко автоматизувати за допомогою штучного інтелекту – та надсилати сповіщення керівництву, якщо відбувається незвичайна діяльність.

Крім того, вони повинні отримати чітку та інформовану згоду пацієнтів перед збором та використанням їхніх PHI. Коли запитують згоду, повідомляти, як дані пацієнтів будуть використані та захищені.

3. Добре спроектовані інтерфейси, що покращують робочі процеси

Однією з найбільших перешкод під час переходу до обов’язкових EHR була використовність технології. Лікарки були незадоволені кількістю часу, витраченого на канцелярські завдання, коли вони адаптувалися до складних робочих процесів, збільшуючи ризик професійного вигорання та можливість помилок, які можуть вплинути на лікування пацієнтів.

Під час роботи з третіми сторонами запитайте демонстрацію та другу думку перед вибором платформи або програмного забезпечення штучного інтелекту. Не забудьте запитати, чи дозволяє їхній продукт налаштування, яке адаптується до поточних програм, щоб ви могли інтегрувати готові до використання функції, які найкраще відповідають вашим робочим процесам.

Проектування, орієнтоване на користувача, та стандартизовані формати даних та протоколи допоможуть забезпечити безперебійний обмін інформацією між технологіями охорони здоров’я та платформами штучного інтелекту. З цими стандартами на місці алгоритми штучного інтелекту можуть бути значуще інтегровані в клінічну допомогу в різних умовах охорони здоров’я. Установлені протоколи також допомагають цим інструментам працювати краще, забезпечуючи взаємодію та доступ до більших, більш різноманітних наборів даних.

4. Правильне використання та навчання працівників

Дослідження 2024 року виявило, що медичні поради, надані “людськими лікарями та штучним інтелектом”, були насправді більш повними, але менш емпатичними, ніж ті, які надавалися “людськими лікарями” самостійно. Для подолання цього розриву лідери охорони здоров’я повинні зрозуміти можливості та обмеження штучного інтелекту та забезпечити належний людський нагляд та втручання.

Лідери охорони здоров’я можуть інтегрувати чатботи на своїх веб-сайтах та у програми пацієнтів, щоб надати користувачам миттєвий доступ до медичної інформації, допомагаючи в самодіагностиці та медичній освіті. Ці інструменти можуть надсилати своєчасні нагадування пацієнтам про поповнення рецептів, допомагаючи пацієнтам дотримуватися планів лікування. Вони також можуть допомогти класифікувати пацієнтів за ступенем тяжкості їхнього стану, допомагаючи постачальникам медичних послуг пріоритізувати випадки та розподіляти ресурси ефективно.

Натомість ці інструменти все ще можуть “галюцинувати”, і важливо, щоб людський валідатор був залучений до складних завдань. Працюйте з третіми експертами, щоб визначити вашу бачення інструментів комунікації штучного інтелекту та створити бажані робочі процеси. Як тільки ви погодитеся на свої випадки використання, процеси оперативних та культурних змін – як 8-ступінчатий процес змін Коттера – пропонують дорожню карту для налаштування працівників, в кінцевому підсумку покращуючи результати лікування пацієнтів.

5. Попросіть чатбота виявити помилки

Жоден керівник бізнесу не хоче допускати помилок, але галузь охорони здоров’я – це середовище високих ставок, де навіть незначні помилки можуть привести до серйозних наслідків. Однак навіть найкращі клініцисти не є імунними до медичних помилок. Штучний інтелект може бути потужним інструментом для покращення лікування пацієнтів шляхом виявлення помилок та заповнення прогалин.

Дослідження 2023 року дослідження, яке використовувало GPT-4 для транскрипції та підсумовування розмови між пацієнтом та клініцистом, пізніше використовувало чатбот для перевірки розмови на предмет помилок. Під час валідації воно виявило помилку в індексі маси тіла (BMI) пацієнта. Чатбот також помітив, що медичні нотатки не згадували про аналізи крові, які були призначені, а також про підстави для їх призначення.

Цей приклад вказує на те, що штучний інтелект можна використовувати як доповнення, щоб допомогти лікарям обробляти галюцинації, пропуски та помилки штучного інтелекту, які можна використовувати для навчання та покращення застосунків штучного інтелекту.

Штучний інтелект у сфері охорони здоров’я існує для підтримки лікарів та медсестер, спрощення робочих процесів, покращення доступу пацієнтів до медичної допомоги та мінімізації помилок. Хоча вони не можуть повністю замінити емпатію, інтуїцію та реальний досвід людських постачальників медичних послуг, ці інструменти пропонують відмінні аналітичні та часозберігаючі переваги. Коли лідери охорони здоров’я витрачають час на забезпечення ретельного дотримання правил HIPAA, прозорої комунікації з пацієнтами та належного навчання працівників, вони можуть впроваджувати ці інструменти безпечно та впевнено.