Лідери думок

Чому штучний інтелект в охороні здоров’я впроваджують не там, де потрібно

Vasili Razhnou
Додайте Unite.AI до бажаних джерел у Google
Ключові моментиШІ спочатку має братися за адміністративні завдання, такі як ведення документації, щоб…
Показати більше
  • ШІ спочатку має братися за адміністративні завдання, такі як ведення документації, щоб звільнити час медиків для догляду за пацієнтами.
  • Медичний ШІ повинен використовувати клінічні дані та зберігати нагляд лікаря для забезпечення безпеки та відповідності вимогам.
  • Автоматизація рутинного поновлення рецептів може ефективніше розширити доступ до медичної допомоги, ніж прагнення до повної клінічної автономії.

Індустрія переслідує неправильну проблему

Розмови про штучний інтелект у сфері охорони здоров’я зараз зосереджені на автономності. Чи може штучний інтелект діагностувати захворювання? Чи може він призначати ліки? Чи зможе він одного дня замінити лікаря?

Ми вже не повинні розмірковувати про ці припущення, оскільки у нас є реальні приклади застосування штучного інтелекту у сфері охорони здоров’я. Юта вже відкрила двері до автономного штучного інтелекту у відновленні рецептів через свою регуляторну пісочницю. Інші штати спостерігають, щоб побачити, чи ці перші пілотні проекти показують прийнятну безпеку та ефективність.

Але я думаю, що розмірковування про заміну лікаря штучним інтелектом – це хибна відправна точка для галузі.

Перед тим, як запитати, яку частину клінічної взаємодії штучний інтелект може поглинути, нам слід зайнятися набагато простішою і негайною проблемою, яка сидить перед нами. Лікарів переповнюють адміністративні завдання. Пацієнти все ще не можуть отримати своєчасні прийоми, оскільки доступ обмежений меншою мірою браком попиту з боку пацієнтів, ніж браком доступного часу клініцистів. Саме там починається затор, і саме там штучний інтелект необхідний, щоб полегшити операційні навантаження.

Це особливо відчутно в сфері психічного здоров’я. Близько 22 мільйонів американців живуть з СДУГ, а тривожні розлади впливають на близько 19% дорослих американців протягом року. Це близько 31% протягом життя. Обидва розлади добре піддаються лікуванню, проте мільйони людей не отримують допомогу, рекомендовану клінічними настановами. Проблема не полягає в відсутності інформації, оскільки навіть короткий огляд ринку показує різноманітність інструментів самодопомоги, контенту, трекерів і програм, дружніх до СДУГ. Фактична прогалина полягає в доступі до реальної клінічної допомоги, діагностики та управління ліками, коли це доречно.

Ця стаття висуває простішу початкову точку. Найвищу віддачу від інвестицій у штучний інтелект в охороні здоров’я сьогодні дає адміністративна сфера. Використання його занадто рано в клінічному середовищі може створити більше проблем, ніж переваг. Якщо ми хочемо, щоб штучний інтелект став довіреним компонентом лікування, нам потрібно розгорнути його спочатку там, де навантаження найбільше, а виграш негайний.

Дані показують, де штучний інтелект може бути більш ефективним

Є певний шаблон, який швидко відкривається, коли ви будуєте у сфері охорони здоров’я. Хоч би якого клініциста ви найняли, протягом декількох місяців цей лікар буде повністю зайнятий. Ми бачили це неодноразово. Йдеться не лише про абстрактний дефіцит медичних фахівців, а й про те, на що витрачається їхній час, коли починає заповнюватися список пацієнтів.

У психіатрії близько 80% прийомів – це звичайні повторні візити. Це не всі складні діагностичні зустрічі. Багато з них – стабільні пацієнти, які продовжують той самий курс лікування, перевіряють симптоми та оновлюють ліки, якщо все ще доречно. Однак ці візити несуть повний тягар документації, верифікації, перегляду історії, перевірок у програмі моніторингу рецептурних препаратів (PDMP) та робочого процесу призначення ліків. Медичні фахівці витрачають у середньому 16 годин на тиждень на такі адміністративні завдання. Це той час, який міг би бути витрачений на нових пацієнтів або просто на краще клінічне звернення до пацієнтів і складних випадків.

Це саме те місце, де багато обговорень штучного інтелекту роз’єднується з операційною реальністю. Галузь продовжує запитувати, чи може штучний інтелект замінити роль лікаря, тоді як насправді велика частина втраченої потужності походить від завдань, які не потребують багато клінічного судження від самого початку. Це можуть бути завдання, такі як ведення документів, верифікація, перегляд записів та робочий процес повторних візитів. Це саме ті процеси, які штучний інтелект уже може підтримувати корисним і вимірним способом.

Якщо ви відновите цей час, ви не тільки зменшите навантаження на медичного фахівця, але також знову відкриєте розклад для більшої кількості пацієнтів. Час очікування – це суттєва проблема доступу до охорони здоров’я. Пацієнти часто чекають тижнями, щоб побачити спеціаліста, а доступ залишається нерівномірним у різних регіонах. HHS продовжує зазначати, що сільські та віддалені громади стикаються з надто малою кількістю медичних фахівців та недостатньою підтримкою психічного здоров’я, посилаючись на телездоров’я як спосіб суттєво збільшити доступ до допомоги у сфері психічного здоров’я.

Чому охорона здоров’я є найскладнішою галуззю для автоматизації штучним інтелектом

Охорона здоров’я може видатися стандартизованою ззовні. Насправді, вона стандартизована та змінна одночасно.

Є певні керівні принципи, правила та правила документації. Однак кожен лікар також привносить звички, робочі процеси та протоколи, сформовані попередніми умовами. Два медичні фахівці можуть лікувати одне й те саме захворювання в межах тієї самої правової системи, але все одно підходити до звичайної допомоги значно різними способами. Штучний інтелект повинен враховувати цю варіативність, не відхиляючись від стандарту лікування. Це значно складніше досягнення, ніж побудова моделі, яка добре працює у демонстрації.

Коли йдеться про регулювання, вимоги щодо дотримання норм здебільшого багаторівневі. Ліцензійні органи штатів, федеральні агентства, HIPAA, системи моніторингу рецептів, бази даних штатів та внутрішні клінічні протоколи все перехрещуються. Дотримання вимог у одному штаті може бути недотриманням у іншому. Робочий процес, який здається безпечним з точки зору продукту, може стати ризикованим, коли йдеться про призначення ліків, ідентифікацію пацієнта, зберігання записів або аудитованість. У цьому процесі є структурна складність.

Частина даних також не така проста, як можна було очікувати. У сфері охорони здоров’я ви не просто підключаєте звичайні інструменти разом і починаєте вивчати поведінку користувачів. Деякі стандартні інструменти аналізу та потоки даних не підходять через правила HIPAA, якщо вони не фундаментально змінені. Ви часто потребуєте спеціальної інфраструктури з нуля. Такі речі, як те, як дані зберігаються, обробляються, аудитуються та подаються у робочому процесі. Дивовижна кількість компаній недооцінюють це, поки не опиняються по коліно у процесі будівництва, а потім повинні змінити всю свою роботу.

Але більше всього, я б сказав, що найбільша проблема полягає просто у тому, що вартість помилки у сфері охорони здоров’я досить висока.

Помилковий вивід може створити лише незручності в інших галузях, але у сфері охорони здоров’я він може вплинути на якість лікування, безпеку пацієнтів, поведінку при призначенні ліків або регуляторні ризики. Людське здоров’я – це не те, з чим ми можемо просто грати, щоб поліпшити наші моделі штучного інтелекту, і це правильно. Це повинно бути керівним принципом, який допомагає нам зрозуміти, де штучний інтелект можна впровадити спочатку у цій галузі.

Адміністративна сфера дає найвищу віддачу від упровадження штучного інтелекту в охороні здоров’я

Я сподіваюсь, що я вплинув на читача щодо важливості зміни нашої уваги від заміни лікаря штучним інтелектом до усунення операційних перешкод навколо лікаря. Я розгорну це далі щодо того, як це виглядає на практиці.

Генерація документів. Штучний інтелект може транскрибувати та створювати документацію в реальному часі під час візитів. Це зменшує тягар ведення документів, скорочує роботу після завершення робочого дня та робить завершення документації у той самий день набагато реальнішим. У внутрішній рамці MEDvidi генератор документів оновлює документацію безперервно під час зустрічі та призначений для суттєвого скорочення часу ведення документів.

Перегляд документів. Штучний інтелект також може перевіряти документи на відповідність внутрішнім стандартним операційним процедурам (SOP) та виділяти відхилення до етапу призначення ліків. Більшість оглядів якості охорони здоров’я все ще часткові та ручні; тому, перевіряючи кожен прийом, а не малу вибірку, дотримання вимог стає більш видимим та послідовним.

Автоматизація робочого процесу до візиту. Велика кількість часу медичних фахівців витрачається до фактичного клінічного рішення на речі, такі як верифікація особи, перехресна перевірка баз даних штатів, перегляд медичної історії, пошук потенційних протипоказань чи пошук закономірностей, які можуть свідчити про поведінку, орієнтовану на отримання ліків, або прогалини у документації. Ніщо з цього не замінює клінічного судження, проте все це забирає час. Саме тому штучний інтелект може допомогти виконати ці завдання ще до того, як до роботи долучиться лікар.

Рутинне управління рецептами. Стабільна допомога при повторних візитах – це саме те місце, де штучний інтелект може бути особливо корисним. Для пацієнтів, чиї методи лікування залишаються стабільними, штучний інтелект може допомогти керувати робочим процесом оновлення та підготовки запису, тоді як лікар все одно переглядає та затверджує остаточне рішення. Це зовсім інша модель, ніж повністю автономна допомога, оскільки вона вужча, безпечніша та набагато більш актуальна для справжнього вузького місця в системі.

Кожен з цих випадків використання має щось спільне. Вони економлять час тим способом, який розширює можливості надання допомоги. Це моє центральне твердження щодо того, чому я бачу адміністративний шар як місце з найбільшою віддачею для розгортання штучного інтелекту спочатку.

Правильна архітектура штучного інтелекту для клінічних умов

Заміна лікаря – це ще одна з тих історій про штучний інтелект, які створюють сенсаційні заголовки та викликають незручності у фахівців. Дещо більш практична, корисна та необхідна модель – це підтримка роботи лікаря у сфері охорони здоров’я.

У такій архітектурі лікар має остаточне слово у кожному клінічному рішенні й призначенні ліків. Плани лікування все одно будуть переглянуті та затверджені медичним фахівцем із відповідною ліцензією. Штучний інтелект просто обробляє нюанси документації, верифікації, шару перегляду та повторюваних завдань навколо візиту. Це найбезпечніший спосіб поліпшення ефективності та підтримання відповідальності.

Штучний інтелект у сфері охорони здоров’я також потребує справжніх клінічних даних, оскільки готові моделі та загальні набори даних недостатні. Клінічні робочі процеси надто специфічні, правила надто багаторівневі, а допустима похибка надто мала. Система штучного інтелекту, навчена на пропрієтарному наборі даних про щомісячні візити пацієнтів, з перевіркою з боку медичного фахівця та дотриманням протоколів, закладених у робочий процес, повинна бути основою будь-якої системи, яка вступає у цю сферу. Суть цього полягає у тому, що штучний інтелект у сфері охорони здоров’я повинен бути заснований на реальних клінічних операціях, а не на загальних можливостях моделі.

Для лікарів ця архітектура скорочує кількість годин, втрачених на адміністративну роботу, та вивільняє більше часу для нових пацієнтів та складних випадків. Для пацієнтів це забезпечує швидший доступ до охорони здоров’я за нижчу ціну, поєднаний із більшою послідовністю у тому, як допомога документується та надається. Регулятори також виграють, маючи більшу видимість, оскільки поточна система часто приховує непослідовність всередині розрізнених робочих процесів. Правильне розгортання штучного інтелекту робить робочі процеси зрозумілішими та доступнішими для перевірки. Сам перегляд значно легший для аудиту, ніж людська документація.

Ставши надійним у вимірному робочому процесі, штучний інтелект стає довіреним інструментом для поліпшення галузі, яка явно стикається з труднощами в цій сфері.

Висновок

Коли люди скаржаться на те, що їхній медичний фахівець неуважний, вони бачать справжню проблему. Подумайте про енергію вашого медичного фахівця як про повітряну кульку, яку проколюють з усіх боків буденними й повторюваними завданнями. Очевидно, що у них немає часу чи розумових ресурсів займатися вами уважно.

Замість того щоб піддаватися страху щодо того, кого першим звільнять через штучний інтелект, розумніше, особливо в охороні здоров’я, застосувати цю технологію до тих завдань, із якими людям важко впоратися. Саме те, що робить штучний інтелект таким вигідним, – це його невтомність — риса, якої бракує людським лікарям.

Зрозуміло, чому охорону здоров’я складно автоматизувати через складне регулювання, варіативність поведінки медичних фахівців, потребу у спеціальній інфраструктурі та високу вартість помилок. Однак є справжнє адміністративне вузьке місце, яке можна усунути за допомогою вже доступних нам технологій. Давайте використаємо їх.

Якщо не почати з адміністративного вузького місця, клінічному штучному інтелекту буде ще важче завоювати довіру людей, коли його можливості вийдуть за межі сьогоднішніх.

Я думаю, що модель на найближчий час проста. Штучний інтелект переглядає історію хвороби, перевіряє на протипоказання, верифікує особу, генерує документи та готує робочий процес призначення ліків. Лікар переглядає повну картину та затверджує остаточне рішення. Що раніше потребувало повного 20-хвилинного прийому для стабільного повторного візиту, може стати коротшим, чистішим та безпечнішим процесом.

Це може видатися незначним на папері, але це суттєва перебудова системи, яка залишалася ручною надто довго та впливає на всіх.

Василь Ражноу є CEO та засновником MEDvidi, платформи психічного здоров'я, що використовує штучний інтелект. Як засновник серії компаній з понад 15-річним досвідом у сфері охорони здоров'я та бізнесу, він створив п'ять технологічних стартапів. У MEDvidi Василь очолює розробку клінічних інструментів, що використовують штучний інтелект, які зменшують адміністративне навантаження та дозволяють постачальникам надавати швидшу та більш послідовну допомогу. Під його керівництвом компанія досягла 30 млн доларів щорічного повторюваного доходу (ARR).