医疗保健领域的人工智能被部署在错误的地方

该行业正在追逐错误的问题

目前，医疗保健领域的人工智能话题主要集中在自主性上。人工智能能否诊断疾病？它能否开处方？它能否最终取代医生？

我们不再需要思考这些假设，因为我们现在有了人工智能在医疗保健领域的实际应用案例。 犹他州已经开启 了通过其监管沙盒实现处方续期的自主人工智能的大门。其他州正在观察这些早期试点是否表现出可接受的安全性和效率。

但我认为，思考人工智能取代临床医生的问题是行业开始的错误地方。

在我们问及人工智能可以吸收多少临床关系之前，我们应该解决一个更简单、更紧迫的问题，即摆在我们面前的问题。临床医生被行政工作所淹没。患者仍然无法获得及时的预约，因为访问受到的限制不仅仅是患者需求的缺乏，而是可用的临床医生时间的缺乏。这就是瓶颈的起点，也是人工智能急需缓解运营负担的地方。

这在精神健康领域尤其明显。约 2200万美国人 患有多动症，焦虑障碍影响着大约 19% 的美国成年人，每年。 这大约占一生中的31%。这两种情况都可以用治疗方法得到很好的控制，但 数百万 人没有接受指南推荐的护理。问题不在于缺乏认识，因为即使是对市场的粗略一瞥，也会显示出各种自助工具、内容、跟踪器和多动症友好应用。实际的差距是缺乏实际的临床护理、诊断和在适当情况下药物管理。

本文论证了一个更简单的起点。人工智能在医疗保健领域今天的最高投资回报率角色是行政的。在临床环境中过早使用人工智能可能会产生比收益更多的问题。如果我们希望人工智能成为可信赖的护理的一部分，我们需要首先在负担最重、收益最直接的地方部署它。

数据揭示了人工智能可以更高效的地方

当你在医疗保健领域构建时，会很快发现一个模式。无论你雇用哪个临床医生，几个月内，那个临床医生就会被完全预订。我们反复看到这一点。这并不意味着仅仅存在提供者短缺，而是提供者时间如何在面板填充后被消耗。

在精神病学中，约 80% 的预约是常规的随访。这些并不是所有复杂的诊断会面。许多是稳定的患者继续相同的治疗课程，检查症状，并在一切仍然适合时续药。然而，这些访问却带来了全部的文档、验证、历史审查、PDMP检查和开处方工作流程的重量。提供者每周平均花费 16个小时 进行此类行政工作。这是可以用于新患者或更好地关注患者和复杂情况的时间。

这是人工智能讨论与运营现实脱节的地方。该行业不断询问人工智能是否可以取代医生的角色，实际上，大量的容量损失来自于不需要太多临床判断的任务。这些任务包括图表、验证、审查记录和随访工作流程。这些正是人工智能可以以有用和可衡量的方式支持的过程。

如果你恢复了那段时间，你不仅减轻了提供者的负担，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 医疗保健访问问题 。患者通常需要等待数周才能见到专业人员，访问仍然在不同地区不均匀。 HHS继续指出 ，农村和边疆社区面临着太少的提供者和太少的行为健康支持，引用远程医疗作为一种方式来大大增加精神健康护理的访问。

为什么医疗保健是最难用人工智能自动化的行业

医疗保健从外部看可能是标准化的。实际上，它同时是标准化和可变的。

无疑，有某些指南、法规和文档规则。然而，每个临床医生也带来了由以前的环境塑造的习惯、工作流程和协议。两个提供者可能正在治疗相同的疾病，在相同的法律框架下，同时仍以显著不同的方式处理常规护理。人工智能必须在不偏离护理标准的情况下考虑这种变化。这比构建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。一个州的合规行为在另一个州可能是非合规的。从产品的角度看似乎无害的工作流程，一旦涉及开处方、患者身份、记录保留或可审计性，可能就会变得有风险。该过程中存在结构复杂性。

数据部分也不像预期的那样简单。在医疗保健领域，你不能仅仅连接常见的工具并开始从用户行为中学习。一些标准的分析工具和数据管道由于HIPAA法规，除非进行根本性的更改，否则不合适。通常需要从头开始构建自定义基础设施。例如，数据存储、处理、审计和工作流程中的表面处理。令人惊讶的是，许多公司在构建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，医疗保健领域错误的代价非常高。

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、开处方行为或监管风险。人类健康不是我们可以玩弄来改进人工智能模型的东西，当然如此。这应该是指导我们理解人工智能可以在该行业中首先被引入的原则。

人工智能在医疗保健领域的最高投资回报率部署是行政层

我希望我已经向读者阐明了将焦点从用人工智能取代医生转移到清除围绕医生的运营摩擦的重要性。我将在这里扩展这种实践的外观。

图表生成。 人工智能可以在访问期间实时记录和构建文档。这减少了图表负担，缩短了下班后的工作时间，使当天完成变得更加现实。在MEDvidi的内部框架中，图表生成器在访问期间连续更新文档，并旨在大大减少图表时间。

图表审查。 人工智能还可以审查图表以检查内部SOPs，并在它们到达开处方阶段之前标记偏差。大多数医疗保健质量审查仍然是部分和手动的；因此，通过审查每次访问而不是小样本，合规性变得更加可见和一致。

预访问工作流自动化。 提供者花费大量时间在实际的临床决策之前，例如身份验证、跨检查州数据库、审查医疗史、寻找可能表明滥用药物或文档差距的模式。这些都没有取代判断，但所有这些都消耗了时间，这就是人工智能可以帮助处理这些层次之前临床医生介入的原因。

常规处方管理。 稳定的随访护理是人工智能可以特别有用的地方。对于治疗一直保持一致的患者，人工智能可以帮助管理续药工作流程并准备记录，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，也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。这是我认为行政层是首先部署人工智能的最高投资回报率的地方的中心论点。

临床环境中的正确人工智能架构

医生替代是人工智能的另一个令人恐惧的故事，制造了耸人听闻的标题，并使专业人士感到不安。一个更实用、更有益和更不可或缺的模型是医疗保健中的医生为中心的增强。

在这种架构中，临床医生对每个临床决策、处方都有最终的决定权。治疗计划仍将由持牌医疗提供者审查和批准。人工智能只处理访问周围的文档、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。

医疗保健的人工智能还需要实际的临床数据，因为通用模型和通用数据集是不够的。临床工作流程太具体，法规太分层，错误的余地太小。一个在每月的患者访问次数的专有数据集上训练的人工智能系统，具有提供者审查和SOP遵守的工作流程，应该是任何进入该领域的系统的基础。关键在于，医疗保健的人工智能必须植根于现实世界的临床运营，而不是成为一般模型的能力。

对于临床医生，这种架构减少了行政工作所花费的时间，并为新患者和复杂情况保留了更多时间。对于患者来说，它提供了更快的医疗保健访问和更低的成本，并且在如何记录和提供护理方面更加一致。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。人工智能的正确部署使工作流程更加清晰和可审计。审查本身比人工制作的文档更容易审计。

通过在可衡量的工作流程中变得可靠，人工智能成为改进该行业明显挣扎的领域中值得信赖的工具。

结论

当人们抱怨他们的医疗提供者不够关心时，他们正在指出一个真正的问题。想象一下你医疗提供者的精力就像一个被各个方向上的琐碎、重复任务刺破的气球。当然，他们没有时间或精神能力来关心你。

与其跳上人工智能会让谁先失业的恐慌列车，特别是在医疗保健领域，更明智的做法是使用这项技术来解决人类苦苦挣扎的工作层。使人工智能如此有优势的东西正是它的不疲劳——这是人类临床医生所不具备的。

可以理解为什么医疗保健很难自动化，原因是复杂的法规、提供者行为的差异、需要自定义基础设施以及错误的代价非常高。然而，有一个真正的行政堵塞，可以通过我们手指尖的这项技术来解决。让我们利用它。

如果不从行政堵塞开始，临床人工智能将难以在更大规模上赢得人们的信任，当其能力发展到今天的水平之外时。

我认为近期的模型很简单。人工智能审查历史，检查相互作用，验证身份，生成图表，并准备处方工作流程。医生审查完整的图景并批准最终决定。曾经需要20分钟的稳定随访访问，现在可以成为一个更短、更干净、更安全的过程。

在纸面上看起来可能很小，但这是对一个长期保持手动的系统的重大改造，这个系统影响着每个人。