Чому штучний інтелект у сфері охорони здоров’я розгортається не там

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 свій регуляторний пісочний ящик. 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 неправильне місце для початку 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 призначення, оскільки доступ обмежений не відсутністю попиту пацієнтів, а відсутністю часу лікарів. 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 захворювання легко лікуються, проте мільйони людей не отримують рекомендовану лікувальну допомогу. 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. Найбільш ефективна роль штучного інтелекту у сфері охорони здоров’я сьогодні полягає в адміністративній сфері. 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. Як би ви не найняли лікаря, протягом декількох місяців цей лікар буде повністю зайнятий. Ми бачили це повторно. Це не означає, що є просто нестача постачальників у абстрактному сенсі, а як час постачальника витрачається, коли панель починає заповнюватися.

У психіатрії близько 80% призначень – 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 PDMP та робочого процесу призначення ліків. Постачальники 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 клінічної уваги з 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 постачальника, але також знову відкриєте розклад на більшість 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 прикордонні громади стикаються з надто少ою кількістю постачальників та недостатньою підтримкою психічного здоров’я, посилаючись на телездоров’я як спосіб суттєво збільшити доступ до 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 постачальники можуть лікувати одну й ту саму умову під одним і тим же законодавчим рамком, 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, дотримання вимог здебільшого шарувате. Державні ліцензійні ради, федеральні агентства, HIPAA, системи моніторингу рецептів, державні бази даних 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 структурована 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 законодавчу експозицію. 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.

Найбільш ефективне розгортання штучного інтелекту у сфері охорони здоров’я – це адміністративний шар

Я сподіваюсь, що я вплинув на читача щодо важливості зміни нашої уваги від заміни лікаря штучним інтелектом до видалення операційної тертя 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 післягодинну роботу 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 переглядати документи проти внутрішніх протоколів та виділяти відхилення до етапу призначення ліків. Більшість оглядів якості охорони здоров’я все ще часткові та ручні; тому, переглядаючи кожну зустріч, а не малий вибірок, дотримання вимог стає більш видимим та послідовним.

Автоматизація робочого процесу до візиту. Велика кількість часу постачальників витрачається до фактичного клінічного рішення на речі, такі як верифікація особи, перевірка державних баз даних, перегляд медичної історії, пошук потенційних протипоказань чи скринінг на моделі, які можуть свідчити про поведінку, орієнтовану на отримання ліків, або прогалини у документації. Жодне з цього не замінює судження, але все це споживає час, який є причиною, чому штучний інтелект може допомогти обробляти ці шари до того, як лікар вступить у дію.

Рутинне управління ліками. 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 фактичної пробки в системі.

Кожен з цих випадків використання має щось спільне. Вони економлять час тим способом, який розширює потужність 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 центрована на лікарі допомога у сфері охорони здоров’я.

У такій архітектурі лікар має остаточне слово у кожному клінічному рішенні, призначенні ліків. Плани лікування все одно будуть переглянуті та затверджені ліцензованим медичним постачальником. 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 шаруваті, а маржа помилки надто мала. Система штучного інтелекту, навчена на пропрієтарному наборі даних пацієнтів на місяць, з переглядом постачальника 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 запасає більше часу для нових пацієнтів та складних випадків. Для пацієнтів це забезпечує швидший доступ до охорони здоров’я за нижчу ціну, поєднаний із більшим послідовністю у тому, як допомога документується та надається. Регулятори також виграють, маючи більшу видимість, оскільки поточна система часто ховає несумісність всередині розрізнених робочих процесів. Правильне розгортання штучного інтелекту робить робочі процеси більш зрозумілими та переглянутими. 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 бореться у цій сфері.

Висновок

Коли люди скаржаться на те, що їхній медичний постачальник неуважний, вони бачать справжню проблему. Подумайте про енергію вашого медичного постачальника як про кулю, яку проколюють з усіх сторін повторюваними завданнями. Очевидно, що у них немає часу чи психічної здатності займатися вами уважно.

Замість того, щоб стрибати на поїзд страху про те, хто буде звільнений першим через штучний інтелект, більш розумне, особливо у сфері охорони здоров’я, – використовувати технологію для виправлення шарів роботи, з якими люди борються. Саме те, що робить штучний інтелект таким вигідним, – це його невичерпність, чого не володіють людські лікарі.

Це зрозуміло, чому охорона здоров’я складна для автоматизації через складне регулювання, варіативність поведінки постачальників, потребу у спеціальній інфраструктурі та високу вартість помилок. Однак є справжня адміністративна пробка, яку можна виправити цією технологією, яку ми маємо у наших руках. Давайте використаємо її.

Без початку з адміністративної пробки клінічний штучний інтелект буде боротися за здобуття довіри людей у більшій мірі, коли його можливості розвиватимуться за рамками того, що він може робити сьогодні.

Я думаю, що найближча модель проста. Штучний інтелект переглядає історію, перевіряє на протипоказання, верифікує особу, генерує документи та готує робочий процес призначення ліків. Лікар переглядає повну картину та затверджує остаточне рішення. Що раніше потребувало повної 20-хвилинної зустрічі 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.