思想领袖
为什么医疗AI被部署在错误的地方

要点人工智能应优先处理如病历记录等行政任务,以解放临床医生的时间,使其更专注于患者照护。
查看更多
- 人工智能应优先处理如病历记录等行政任务,以解放临床医生的时间,使其更专注于患者照护。
- 医疗人工智能必须使用临床数据并保持医生监督,以确保安全性与合规性。
- 自动化常规处方续签比追求完全临床自主更能有效扩大医疗服务的可及性。
行业正在追逐错误的问题
医疗保健中的AI话题现在是关于自主性的。AI能否诊断疾病?它能否开处方?它最终能否取代医生?
这些问题已不再只是设想,因为我们现在有AI在医疗保健中的实际应用案例。 犹他州已经开启 门户,通过其监管沙箱实现了自主AI在处方续方中的应用。其他州正在观察这些早期试点是否显示出可接受的安全性和效率。
但是我认为,把AI取代医生作为行业的出发点是错误的。
在追问AI能够承担多少临床医患关系中的工作之前,我们应该处理一个更简单、更直接的问题,即临床医生被行政工作所淹没。患者仍然无法及时获得预约,因为就医机会受到的限制,与其说是患者需求不足,不如说是临床医生可支配的有效时间不足。这就是瓶颈的开始,也是迫切需要AI来减轻运营负担的地方。
这在精神健康领域尤其明显。约 2200万美国人 患有多动症,焦虑症影响着大约 19% 的美国成年人,即一年内的患病比例;一生中受影响的比例约为31%。这两种疾病都具有很好的可治疗性,但 数百万 人没有接受指南推荐的护理。问题不是缺乏认识,因为即使是对市场的初步了解,也会显示出各种自助工具、内容、跟踪器和多动症友好应用。但实际的差距是获得实际的临床护理、诊断和在适当情况下接受药物管理的机会。
这篇文章主张从一个更简单的起点开始。AI在医疗保健中的最高投资回报率角色是行政层面。过早地在临床环境中使用AI可能会产生更多的问题,而不是带来好处。如果我们希望AI成为可靠的护理的一部分,我们需要首先将其部署在负担最重、收益最直接的地方。
数据揭示了AI可以更高效的地方
当你在医疗保健领域工作时,很快就会发现一个模式。无论你雇佣哪位临床医生,几个月内,这位医生的预约就会排满。我们反复看到这种情况。这不仅是抽象的医务人员短缺问题,更在于负责的患者名单逐渐增加时,医务人员的时间都消耗在了哪里。
在精神病学中,大约 80% 的预约是常规的随访。这些并非全都是复杂的诊断性就诊。许多就诊涉及病情稳定的患者,他们继续原有疗程,进行随访、评估症状,并在仍然适当时续方。然而,这些就诊仍然需要承担完整的文书、核验、病史审查、处方药监测计划(PDMP)查询和处方流程负担。医务人员每周平均花费 16 小时 在此类行政工作上。这些时间本可以用于接诊新患者,或者更细致地照顾现有患者和复杂病例。
这是AI讨论与运营现实脱节的地方。行业不断询问AI是否可以取代医生的角色,而实际上,很大一部分失去的容量来自于不需要太多临床判断的任务。这些任务包括记录、验证、审查记录和随访工作流程。这些正是AI可以在有用和可衡量的方式上支持的过程。
如果你恢复了那段时间,你不仅减轻了医务人员的负担,还重新开放了日程安排以容纳更多的患者。等待时间是一个重大的 医疗服务可及性问题 。患者经常等待数周才能看到专业人员,各地区的服务可及性仍不均衡。 HHS继续指出 ,农村和偏远社区面临着太少的医务人员和太少的行为健康支持,引用远程医疗作为显著增加精神健康服务可及性的方式。
为什么医疗保健是最难用AI自动化的行业
医疗保健可能从外部看起来是标准化的。实际上,它既标准化又可变。
无疑,有一定的指南、法规和文档规则。然而,每个临床医生也带来了习惯、工作流程和协议,这些都是由以前的环境塑造的。两个医务人员可能正在治疗相同的病症,在相同的法律框架下,但仍然以显著不同的方式处理常规护理。AI必须考虑这种变异性,而不偏离护理标准。这比建立一个在演示中表现良好的模型更具挑战性。
在监管方面,合规性大多是分层的。州许可委员会、联邦机构、HIPAA、处方监控系统、州数据库和内部临床SOP都相互交织。一个州的合规行为可能在另一个州是非合规的。从产品角度看似乎无害的工作流程,一旦涉及处方、患者身份、记录保留或审计性,可能会变得有风险。该过程涉及结构复杂性。
数据部分也不是像预期的那样直接。医疗保健中,你不仅仅是连接常用工具并从用户行为中学习。一些标准分析工具和数据管道由于HIPAA法规而不适用,除非它们从根本上被改变。你经常需要从头开始建立自定义基础设施。例如,数据如何存储、处理、审计和在工作流程中显示。令人惊讶的是,许多公司在建设过程中低估了这一点,直到他们深陷其中,然后不得不推翻整个工作。
但最重要的是,我认为最大的问题是医疗保健领域中犯错的成本非常高。
一个有缺陷的输出可能只会在其他行业造成不便,但在医疗保健领域,它可能会影响治疗质量、患者安全、处方行为或监管暴露。人类健康不是我们可以用来改进AI模型的东西,当然也不能这样做。这应该是指导我们理解AI可以在该行业中首先引入的原则。
AI在医疗保健中的最高投资回报率部署是行政层面
我希望我已经向读者阐明了将焦点从用AI取代医生转移到清除临床医生周围的运营摩擦的重要性。我将在这里详细阐述这在实践中是什么样子。
病历生成。 AI可以在就诊期间实时转录和构建文档。这减少了病历撰写负担,缩短了加班时间,使同日完成更加现实。在MEDvidi的内部框架中,病历生成器在就诊期间连续更新文档,并旨在大幅减少病历撰写时间。
病历审查。 AI还可以依据内部标准操作规程(SOP)审查病历是否存在偏差,并在达到处方阶段之前标记它们。目前,大多数医疗保健质量审查仍然是部分和手动的;因此,通过审查每次就诊而不是小样本,合规性变得更加可见和一致。
就诊前工作流自动化。 医务人员花费大量时间在实际临床决策之前处理诸如身份验证、交叉检查州数据库、审查医疗史、寻找潜在禁忌症或筛查可能表明寻求获取药物的行为或文档缺漏的模式等事情。这些并不能取代判断,但所有这些都消耗时间,这就是AI可以在临床医生介入之前帮助处理这些层面的原因。
常规处方管理。 病情稳定的随访正是AI可能特别有用的场景。对于治疗一直保持一致的患者,AI可以帮助管理续方工作流程并准备病历,而医生仍然审查和批准最终决定。这是一个与完全自治护理不同的模型,因为它更狭窄、更安全、更相关于系统中的实际瓶颈。
每一个用例都有一个共同点。它们以扩大护理容量的方式节省时间。这是我认为AI应该首先部署在行政层面的主要论点。
临床环境中的正确AI架构
医生替代是另一个AI恐怖故事,它制造了耸人听闻的标题,并在专业人士的脑海中引起了不安。一个更实用、更有益、更不可或缺的模型是以医生为中心的医疗保健增强。
在这种架构中,临床医生对每个临床决策、处方都有最终的发言权。治疗计划仍将由持有执业许可的医务人员审查和批准。AI只处理围绕就诊的文档、验证、审查层和重复任务。这是提高效率和保持问责的最安全方式。
医疗保健中的AI还需要实际的临床数据,因为现成模型和通用数据集都不够。临床工作流程太具体,法规太复杂,错误的余地太小。一个基于每月患者就诊专有数据集训练、并将医务人员审查和遵循SOP的要求嵌入工作流程的AI系统,应该是任何进入该领域的系统的基础。关键在于医疗保健中的AI必须植根于现实世界的临床运营,而不是仅仅依靠通用模型的能力。
对于临床医生,这种架构减少了行政工作所花费的时间,并为新患者和复杂病例保留更多时间。对于患者来说,它提供了更快获得医疗服务的机会、更低的成本,并且护理的记录和提供更加一致。监管机构也受益于更大的可见性,因为当前的系统通常将不一致性隐藏在分散的工作流程中。正确部署AI可以让工作流程更清晰、更便于审查。对这种审查本身进行审计,也比审计人工制作的文档容易得多。
当AI能在可衡量的工作流程中可靠运行时,它就会成为值得信赖的工具,改善这个重要行业显然难以解决的领域。
结论
当人们抱怨他们的医务人员不够关心时,他们发现了一个真正的问题。想象一下你医务人员的精力就像一个气球,被日常琐碎、重复的任务从四面八方扎破。当然,他们没有时间或精神来关心你。
与其跳上关于谁会因为AI而失业的恐慌列车,尤其是在医疗保健领域,更明智的做法是使用该技术来解决人类难以应对的工作层。使AI如此有优势的是它的不疲劳——人类临床医生所没有的东西。
可以理解为什么医疗保健很难自动化,因为它涉及复杂的法规、医务人员行为的变异、自定义基础设施的需求以及错误的巨大成本。然而,有一个真正的行政堵塞可以通过这种技术来解决。让我们利用它。
如果不先解决行政瓶颈,当临床AI的能力超出当前水平时,它将更难赢得人们的信任。
我认为近期的模型很简单。AI审查历史,检查禁忌症,验证身份,生成病历,并准备处方工作流程。医生审查完整情况并批准最终决定。原本需要完整20分钟的病情稳定患者随访可以变得更短、更干净、更安全。
这在纸面上可能显得微不足道,但对于一个长期依赖人工、影响每个人的系统来说,这是一次重大改造。












