AI в охороні здоров’я: від обіцянок до практики

Охорона здоров’я ніколи не мала такої технологічної перспективи або такої тиску на виконання обіцянок, як сьогодні.

Інновації з технологіями просто приголомшливі. Генеративний AI створює апеляції, підсумовує клінічні нотатки, підтримує амб’єнтні інструменти та дозволяє пацієнтам займатися самообслуговуванням вдома. Більше 96% стаціонарних лікарень США зараз використовують системи ЕХР. Це повинно бути епохою безшовної, інтелектуальної допомоги. Але десь між потенціалом і практикою втрачається імпульс.

Старша інфраструктура, фрагментована система управління, втома працівників та зростаючі розриви у ресурсах продовжують гальмувати прогрес. Навіть більш складно те, що платники, постачальники та пацієнти рухаються у своєму темпі, кожен будуючи цифрові можливості без загального ритму.

Тим часом тиск на надання кращої допомоги за меншу ціну зростає. Більше 700 лікарень США, багато з яких розташовані в сільській місцевості, знаходяться під ризиком закриття. Зміни законодавства можуть ще більше звузити охоплення для мільйонів.

У цей момент не окремі рішення, а масштабовані інновації можуть真正но трансформувати допомогу. Щоб масштабувати інновації сталим чином, охорона здоров’я повинна вбудовувати їх у реальні робочі процеси, ґрунтуючи їх на інтероперабельності, керуючи ними з наміром та будуючи для узгодження по всьому системі.

Усі інновують. Тому чому це все ще здається відключеним?

Проблема починається, коли інновації відбуваються в ізоляції. Системи охорони здоров’я експериментують з GenAI та цифровими інструментами, але без спільної інфраструктури або підприємства-широкої узгодженості, ці пілоти рідко масштабуються.

Лише одна з чотирьох систем має моделі управління, щоб відповідально керувати використанням GenAI, а більшість все ще борються з фрагментованими середовищами даних. Замість спрощення допомоги, це часто додає ще більше складності до того, як клініцисти працюють.

Візьмімо, наприклад, цикл доходів, AI зараз може створювати апеляції за хвилини, проте платники все ще обробляють їх вручну. Це створює асиметрію та збільшує адміністративні витрати.

Що потрібно для масштабування AI в охороні здоров’я

Щоб рухатися вперед, лідери повинні проектувати на збіжність. Це означає зробити інновації частиною того, як допомога фактично працює: з’єднуючи точки по командам та забезпечуючи, щоб кожна спроба принесла кращі результати для всіх ключових зацікавлених сторін.

Ось, як виглядає цей зсув у дії:

1. Перепроектування робочої сили, а не її заміни

Масштабовані інновації в охороні здоров’я починаються з важкої істини: системи охорони здоров’я не рухнуть стрілку, якщо не переосмислять, як фактично працюють команди допомоги. У 2024 році 57% виконавчих директорів систем охорони здоров’я цитують нестачу робочої сили як головну стратегічну проблему. Недостатня готовність робочої сили також є одним з трьох основних перешкод для цифрової трансформації. Це підкреслює поширений розрив між розгортанням та людською готовністю на землі.

Передові постачальники реагують різними способами:

• Вони інвестують у стійкість робочої сили. Медсестер готують для гібридних, техно-забезпечених ролей, не для заміни клінічної інтуїції, а для її посилення.
• Вони розгортають інструменти GenAI, які зменшують когнітивне навантаження. Наприклад, амб’єнтна документація допомагає клініцистам автоматизувати ведення нотаток та прапорців ризиків повторної госпіталізації. Підсумки перед відвідуванням також стають важливими, оскільки вони висвітлюють контекст пацієнта до призначення, щоб спрощувати надання допомоги.
• І вони повертають час та можливість, переосмислюючи робочі процеси. Перепроектування робочих процесів, поєднане з розумною делегацією, має потенціал доставити 15-30% економії часу на зміну, достатньо, щоб закрити розрив майже 300 000 стаціонарних медсестер^[8].

Це є засобами більш сталийної моделі допомоги. Інновації повинні бути ґрунтовані в досвіді тих, хто надає допомогу, щоб успішно виконувати свою роботу.

2. Будування рамок управління змінами для AI

Не існує універсального підходу для використання AI в охороні здоров’я. Адже це не просто ще один технологічний ролл-аут.

На відміну від міграцій у хмару, де інфраструктура лідирує, AI вимагає, щоб ми спочатку зрозуміли роботу, що вимагає когніції, що створює тертя, та де підтримка най필ібна. Центри досконалості допомагають постачальникам зробити все правильно.

Ці центри формалізують управління, узгоджують робочі процеси та забезпечують безпеку, рівність та довіру під час розгортання. Без них інновації ризикують застрягнути на поверхні, корисні у теорії, але відірвані від практики допомоги.

У Джонса Хопкінса передбачувальна панель управління ліжками, спроектована разом з передовими командами, стала невід’ємною частиною щоденного прийняття рішень. Це те, що виглядає інтеграція. Для того, щоб AI масштабувалося, воно повинно спочатку вписатися у ритм допомоги.

3. Перебудова розриву довіри в клінічному AI

Інновації не однаково приймаються по всьому підприємству охорони здоров’я. AI знайшло свою позицію в бек-офісі охорони здоров’я, але в клінічних умовах воно все ще знаходить свій голос. Автоматизація швидко масштабується там, де ставки нижчі, як у рахуваннях та апеляціях, але коли мова йде про діагноз, тріаж або планування допомоги, гальмування відбувається глибше. Це зрозуміло; клініцисти першої лінії запитують довіру інструментам, які вони не допомогли побудувати, в середовищах, де помилки несуть реальні людські витрати.

Це не означає, що клінічні інновації повинні зупинитися. Це означає, що їм потрібно керувати інакше.

Для того, щоб AI справді зробило різницю в клінічній практиці, воно повинно полегшити роботу клініциста. Можливість полягає в підтримці клініцистів з завданнями, такими як стратифікація ризику населення, спостереження та управління містністю. Коли AI доповнює процес прийняття рішень, зменшує когнітивне навантаження та природно вписується у спосіб надання допомоги, воно будує довіру.

4. Переозначення ROI за межами доларів

Нам потрібно розглядати ROI з ширшої перспективи, якщо ми хочемо масштабувати AI в охороні здоров’я. Коли ми визначаємо ROI за допомогою економії коштів та бюджетних скорочень, ми можемо пропустити те, що真正но важливо. Успіх повинен показувати кращі результати та сильнішу зв’язок між клініцистами та пацієнтами.

У середовищі, де так багато роботи, яка має значення, як координація допомоги, клінічна підсумковість та взаємодія постачальник-пацієнт, не прямо оплачується, повернення на інвестиції не можуть вимірюватися лише у доларах. Воно повинно враховувати час, повернутий, довіру, побудовану, та допомогу, надану більш вдумливо.

Передові системи охорони здоров’я починають змінювати розмову. Вони фокусуються на тому, що покращує допомогу, а не вимірюють успіх лише тим, що автоматизується. Чи робимо ми щоденні завдання легшими для клініцистів? Чи звільняємо ми час, щоб бути присутнім з пацієнтами? Це питання, які повинні бути відповідаються чітко кожен день.

Переосмислення охорони здоров’я AI через людську допомогу

Наступний рубіж для охорони здоров’я AI – його доповнення. Системи переходять від автоматизації бек-офісу до інтелекту, орієнтованого на пацієнта, використовуючи AI, яке допомагає забронювати допомогу, тріажувати симптоми та інтерпретувати довгострокові записи для інформування рішень. Спроектовані правильно, ці інструменти будують довіру, зменшують когнітивне навантаження, покращують доступ та звільняють час для зв’язку з пацієнтом.

Близько 60% керівників охорони здоров’я зараз ставлять GenAI у число своїх головних пріоритетів інвестицій, а 79% залишаються оптимістичними щодо довгострокового зростання. Тим не менше, 70% цитують нормативну неоднозначність як ключеву бар’єр для масштабування.

Шлях вперед вимагає сміливого лідерства постачальників. Прогрес не прийде від флеш-розгортань або швидких перемог. Він прийде від виконання роботи, яка真正но рухає систему вперед. Це включає в себе ліквідацію системного марнотратства, створення спільних даних між платниками та постачальниками, впровадження сильної рамки управління змінами та фокусування на вимірюваній вартості, як фінансовій, так і нефінансовій.

Прийшов час почати формувати AI у щось більш фундаментальне, надійне, прозоре та глибоко чутливе до реалій допомоги. Вплив AI полягає в тихому та безшовному уможливленні кожного робочого процесу, кожного рішення, кожної взаємодії. І в кінцевому підсумку, справжній прогрес полягає в тому, як ми значимо bringen технологію ближче до людей, яким вона призначена.