Trí tuệ nhân tạo trong chăm sóc sức khỏe hoạt động tốt hơn khi các quy trình làm việc cùng nhau

Lãnh đạo chăm sóc sức khỏe ngày càng phụ thuộc vào trí tuệ nhân tạo để cắt giảm chi phí, giảm thiểu kiệt sức của nhân viên y tế và tăng tốc các hoạt động. Tuy nhiên, quá nhiều dự án trí tuệ nhân tạo chỉ mang lại những bản demo ấn tượng và tác động vận hành hạn chế. Sự khác biệt thực sự không nằm ở mô hình trí tuệ nhân tạo, mà ở việc liệu trí tuệ nhân tạo đó có được tích hợp vào các quy trình làm việc hiện có hay không.

Trong thực tế, trí tuệ nhân tạo chỉ cải thiện kết quả khi nó hỗ trợ các quy trình làm việc kết nối, hệ thống tương tác và giám sát của con người rõ ràng. Khi các yếu tố này hoạt động cùng nhau, trí tuệ nhân tạo không còn là một điều mới mẻ mà trở thành một phần của cơ sở hạ tầng vận hành.

Tại sao các công cụ trí tuệ nhân tạo bị đình trệ trong chăm sóc sức khỏe

Một mẫu phổ biến trong việc áp dụng trí tuệ nhân tạo là coi từng trường hợp sử dụng như một dự án độc lập. Một mô hình có thể tóm tắt các ghi chú lâm sàng, soạn thảo các gói ủy quyền trước hoặc phân loại các trường hợp đến, nhưng nó sống ngoài hệ thống hồ sơ điện tử chính hoặc quy trình hành chính. Khi điều đó xảy ra, nhân viên vẫn phải sao chép dữ liệu, hòa giải các lá cờ và điều hướng các trường hợp ngoại lệ bằng tay, điều đó có nghĩa là gánh nặng được chuyển đổi, không bị loại bỏ.

Đây là một lý do tại sao việc triển khai trí tuệ nhân tạo có thể không đạt được kỳ vọng. Một đánh giá hệ thống và phân tích meta năm 2024 về trí tuệ nhân tạo trong hình ảnh y tế cho thấy rằng trong khi nhiều nghiên cứu báo cáo về tiết kiệm thời gian, bằng chứng tổng thể không cho thấy lợi ích hiệu quả tự động, gợi ý rằng tác động của trí tuệ nhân tạo trong thế giới thực phụ thuộc rất nhiều vào cách nó phù hợp với các quy trình lâm sàng.

Lãnh đạo chăm sóc sức khỏe nên đặt một câu hỏi vận hành đơn giản: liệu công cụ trí tuệ nhân tạo có giảm số bước trong công việc hay không, hay nó chỉ thêm một lớp mới trên quy trình cũ? Nếu quy trình vẫn bị phân mảnh, câu trả lời thường là thứ hai.

Tính tương tác là gì làm cho trí tuệ nhân tạo hữu ích trong thực tế

Trí tuệ nhân tạo không thể cải thiện một quy trình mà nó không thể nhìn thấy. Đó là lý do tại sao tính tương tác không phải là một vấn đề phụ trong trí tuệ nhân tạo, mà là điều kiện hoạt động quyết định cách trí tuệ nhân tạo có thể hoạt động. Khi các hệ thống trao đổi dữ liệu một cách sạch sẽ, trí tuệ nhân tạo có thể hiển thị thông tin vào đúng thời điểm, đánh dấu các trường bị thiếu và hỗ trợ quyết định mà không buộc nhân viên phải nhập lại hoặc kiểm tra lại thông tin.

Tổ chức Y tế Thế giới khung digital health phụ thuộc vào các tiêu chuẩn, chia sẻ dữ liệu và các hệ thống kết nối hỗ trợ việc ra quyết định tốt hơn trên các môi trường chăm sóc. Trong quan điểm đó, tính tương tác không phải là một yếu tố kỹ thuật sau; nó là yếu tố then chốt cho phép các quy trình làm việc được thúc đẩy bởi trí tuệ nhân tạo.

Tại Hoa Kỳ, Qui tắc Tương tác và Ủy quyền Trước của CMS đẩy ý tưởng này vào chính sách bằng cách yêu cầu cải thiện trao đổi thông tin sức khỏe để giảm ma sát trong ủy quyền trước và các quy trình hành chính khác. Qui tắc này cho thấy tính tương tác không còn là tùy chọn; nó đang trở thành một yêu cầu cơ bản cho cách trí tuệ nhân tạo hoạt động trên các yêu cầu và phối hợp chăm sóc.

Ở đâu sự phối hợp quy trình làm việc mang lại lợi ích lớn nhất

Các trường hợp sử dụng trí tuệ nhân tạo trong chăm sóc sức khỏe hấp dẫn nhất thường là những trường hợp loại bỏ ma sát từ các nhiệm vụ lặp đi lặp lại với khối lượng lớn. Ví dụ bao gồm ủy quyền trước, hỗ trợ tài liệu, xem xét yêu cầu, tiếp nhận bệnh nhân, phối hợp chăm sóc và hỗ trợ quyết định. Trong mỗi trường hợp, lợi ích không chỉ là tốc độ, mà còn là giảm thiểu công việc lại và ít lỗi hơn, một mẫu ngày càng rõ ràng trong cách các quy trình chu kỳ doanh thu chăm sóc sức khỏe đang được thiết kế lại với các hệ thống giống như đại lý.

Hiệp hội Bệnh viện Hoa Kỳ lưu ý rằng trí tuệ nhân tạo đang ngày càng được sử dụng để tối ưu hóa các quy trình lâm sàng và cải thiện trải nghiệm bệnh nhân bằng cách hỗ trợ cả nhiệm vụ lâm sàng và hành chính. Sự hiểu biết chính là khi trí tuệ nhân tạo tích hợp vào cách con người làm việc, các cải thiện bắt đầu xuất hiện trong hiệu suất, độ chính xác và sự hài lòng.

Tính tin cậy quan trọng hơn các bản demo mô hình

Các tổ chức chăm sóc sức khỏe hoàn toàn có lý do để bị thu hút bởi các bản demo mô hình: một hệ thống tóm tắt, dự đoán hoặc phân loại với độ chính xác cao trên một bản trình bày có thể cảm thấy như một cuộc cách mạng. Nhưng các hoạt động thực sự không phải là các bản demo. Chúng bao gồm các trường hợp ngoại lệ, dữ liệu bị thiếu, thay đổi nhân viên và yêu cầu thay đổi. Trong môi trường đó, tính tin cậy quan trọng hơn là sự bóng bẩy về hình ảnh.

Đây là lý do tại sao chỉ có khả năng quan sát là không đủ. Biết những gì đã xảy ra sau khi sự kiện giúp với các cuộc phân tích sau sự kiện, nhưng nó không ngăn chặn các thất bại lặp lại. Một hệ thống trí tuệ nhân tạo tin cậy phải hành xử một cách dự đoán, nâng cao các trường hợp ngoại lệ một cách phù hợp và phù hợp với mô hình quản trị hiện có của tổ chức cho thay đổi và rủi ro.

Trong chăm sóc sức khỏe, các lỗi quy trình nhỏ có thể lan truyền. Một trường bị thiếu trong quy trình ủy quyền có thể trì hoãn điều trị. Một khuyến nghị không đúng thời điểm có thể gián đoạn một nhân viên y tế vào đúng thời điểm. Một con đường nâng cao yếu có thể để nhân viên tự hỏi về những gì nên tin tưởng. Trí tuệ nhân tạo nên giảm thiểu sự模糊, không tạo ra các hình thức mới của nó.

Cái gì thực sự cần thiết cho một triển khai thành công

Triển khai trí tuệ nhân tạo thành công thường bắt đầu với thiết kế quy trình, không phải với mô hình. Các đội cần phải xác định vấn đề kinh doanh, các điểm quyết định, nguồn dữ liệu và vai trò con người tham gia trước khi họ triển khai bất cứ thứ gì. Nếu những yếu tố cơ bản đó không rõ ràng, công nghệ sẽ không thể bù đắp cho sự thiếu rõ ràng về quy trình.

Kỷ luật phạm vi cũng rất quan trọng. Các triển khai hiệu quả nhất thường làm một hoặc hai việc tốt. Họ có thể xác định thông tin bị thiếu trước khi một trường hợp được định tuyến, tóm tắt một biểu đồ để xem xét hoặc kích hoạt một cảnh báo ngoại lệ khi một thứ gì đó nằm ngoài mẫu dự kiến. Thử nghiệm tự động hóa quá nhiều quá sớm thường tạo ra nhiều phức tạp hơn là giá trị.

Trường Y tế Harvard đã lưu ý rằng trí tuệ nhân tạo có thể giảm gánh nặng thường xuyên cho các nhân viên y tế và cải thiện hiệu suất khi nó được sử dụng một cách suy nghĩ trong thực tế. Cụm từ chính là “sử dụng một cách suy nghĩ trong thực tế”: đó có nghĩa là đào tạo nhân viên, định nghĩa các bản ghi đè, theo dõi kết quả và đảm bảo trí tuệ nhân tạo phù hợp với công việc chứ không phải ép công việc phù hợp với trí tuệ nhân tạo.

Trí tuệ nhân tạo trong chăm sóc sức khỏe cải thiện khi các quy trình được kết nối

Những lợi ích bền vững nhất của trí tuệ nhân tạo trong chăm sóc sức khỏe đến từ các quy trình kết nối, không phải từ các công cụ bị cô lập. Khi dữ liệu chảy một cách mượt mà, các cuộc xem xét diễn ra theo đúng thứ tự và các trường hợp ngoại lệ được xử lý một cách nhất quán, trí tuệ nhân tạo có thể hỗ trợ các quyết định tốt hơn với ít nỗ lực thủ công hơn. Khi những điều kiện đó vắng mặt, công nghệ có thể vẫn trông tiên tiến, nhưng quy trình vẫn chậm và bị phân mảnh.

Đó là lý do tại sao trí tuệ nhân tạo nên được đo lường ở cấp độ hệ thống. Lãnh đạo nên nhìn vượt ra ngoài độ chính xác của mô hình và hỏi liệu quy trình đã trở nên dễ dàng hơn để thực hiện, dễ dàng hơn để giám sát và dễ dàng hơn để mở rộng quy mô. Bài kiểm tra thực sự không phải là liệu trí tuệ nhân tạo có thể hoàn thành một nhiệm vụ đơn lẻ trong sự cô lập. Đó là liệu toàn bộ quy trình có trở nên đáng tin cậy hơn vì trí tuệ nhân tạo là một phần của nó hay không.

Giá trị thực sự của trí tuệ nhân tạo kết nối trong chăm sóc sức khỏe

Trí tuệ nhân tạo hoạt động tốt nhất khi nó hỗ trợ một chuỗi công việc hoàn chỉnh chứ không phải một hành động bị cô lập. Điều đó có nghĩa là liên kết các hệ thống, làm rõ quyền sở hữu, thắt chặt việc bàn giao và giữ con người trong vòng lặp nơi phán quyết quan trọng nhất. Khi các quy trình làm việc cùng nhau, trí tuệ nhân tạo trở nên đáng tin cậy hơn, hữu ích hơn và có thể mở rộng hơn.

Tương lai của trí tuệ nhân tạo sẽ không được quyết định bởi ai có mô hình tiên tiến nhất. Nó sẽ được quyết định bởi ai có thể thiết kế quy trình làm việc xung quanh mô hình để nó mang lại những cải thiện nhất quán, có thể đo lường được trong hiệu suất, độ chính xác và trải nghiệm. Trong một ngành công nghiệp phức tạp và có rủi ro cao như chăm sóc sức khỏe, đó có khả năng là sự khác biệt giữa trí tuệ nhân tạo chỉ ngồi trong một dự án thí điểm và trí tuệ nhân tạo trở thành một phần của cách chăm sóc được cung cấp.