За пределами генеративного искусственного интеллекта – Блог о здравоохранении

БЕНДЖАМИН ИСТОН

Административное бремя здравоохранения не является проблемой документации. Это проблема рабочего процесса. Следующий скачок в здравоохранении зависит от агентных систем, которые действительно смогут выполнить всю работу

За последний год организации здравоохранения широко внедрили генеративный искусственный интеллект для целого ряда действий, связанных с документацией, таких как составление апелляционных писем, составление удобных для пациентов резюме и даже помощь в написании административных документов. Хотя эти инструменты улучшили процесс создания информации, административные проблемы здравоохранения (например, предварительное разрешение, проверка льгот, управление отказами, регистрация на клинические исследования) не вызваны отсутствием текста. Они вызваны фрагментированными системами, ручным отслеживанием, изменчивостью плательщиков и передачей рабочих процессов, которые требуют постоянного мониторинга и вмешательства.

Если генеративный ИИ помогает написать электронное письмо, агентские системы отправляют его, отслеживают, эскалируют, согласовывают ответ и замыкают цикл.

Это различие является следующим переломным моментом в здравоохранении.

От создания контента к реализации рабочего процесса

Агентская система — это не просто чат-бот, внедренный в рабочие процессы здравоохранения. Это скоординированный набор агентов, управляемых искусственным интеллектом, предназначенный для:

• Извлекайте структурированные и неструктурированные данные из электронных медицинских документов, порталов плательщиков, лабораторий и внутренних систем.
• Примените логику политики, специфичную для плательщика
• Проверка требований к документации
• Отправляйте транзакции через соответствующий канал
• Отслеживать изменения статуса
• Запустить последующие действия
• Эскалация исключений людям
• Регистрируйте каждое действие для аудита и соответствия требованиям.

За кулисами эти системы полагаются на механизмы правил, структурированные клинические карты, безопасную интеграцию API и платформы автоматизации, управляемые событиями. Они постоянно переоценивают изменения состояния (например, новый результат лабораторного исследования, обновление статуса с портала плательщика или отсутствующий флажок документации) и динамически корректируют последующие шаги.

Это не роботизированная автоматизация процессов, воспроизводящая нажатия клавиш. Это интеллектуальная оркестровка в отключенных системах.

Рассмотрите предварительное разрешение.

Генеративный инструмент искусственного интеллекта может составить апелляционное письмо, тогда как агентная система:

1. Определяет код отказа.
2. Извлекает соответствующую клиническую документацию из EHR.
3. Перекрестные ссылки на критерии политики в отношении плательщиков.
4. Пакеты структурированы и повествовательное обоснование.
5. Отправляется через API или портал.
6. Отслеживает обновления статуса плательщика.
7. Отправляет напоминания, если сроки истекают.
8. Передается менеджеру по делу только в случае достижения определенного порога.
9. Документирует весь процесс взаимодействия для проверки соответствия.

Улучшается письмо. Другой сокращает дни дебиторской задолженности и сокращает задержки пациентов.

Административный кризис, который отрасль больше не может игнорировать

Нагрузка на кадры здравоохранения не является теоретической. Рабочая сила прогнозы указывают на значительную нехватку лицензированных практических и профессиональных медсестер в ближайшее десятилетие. Между тем, врачи постоянно сообщают, что предварительное разрешение задерживает лечение и отрицательно влияет на результаты.

Эта неэффективность не исчезает, когда апелляционные письма пишутся быстрее. Они исчезают, когда все рабочие процессы полностью автоматизированы. Действительно, за каждым запросом на авторизацию стоит цепочка ручных шагов: от проверки соответствия критериям и интерпретации преимуществ до подачи заявок на портал, звонков на эскалацию и доработки отказа.

Если улучшится только письменная часть, административная нагрузка останется неизменной. Агентские системы сжимают эти многоэтапные последовательности в скоординированное цифровое исполнение.

Функциональная совместимость: где побеждают агентные системы

Функциональная совместимость в сфере здравоохранения переходит от пассивного обмена данными к действенной оркестрации.

Нормативно-правовая база и требования плательщиков все чаще требуют отслеживаемого и поддающегося аудиту потока информации. Но обмен данными — это не то же самое, что действие на их основе.

Агентские системы работают во множестве сред, включая платформы EHR, порталы плательщиков, лабораторные системы и даже базы данных клинических испытаний.

За кулисами они нормализуют структуры данных, применяют логические деревья, специфичные для плательщика, и запускают состояния рабочего процесса на основе заранее определенных пороговых значений. Вместо того, чтобы сотрудники повторно вводили данные через порталы, система выполняет эти взаимодействия программно и непрерывно.

Результат: меньшее количество пропущенных задач, более быстрое выполнение работ и сокращение объема ручной работы, выполняемой человеком.

Концепция совместного общесистемного внедрения

Переход к агентным системам уже наступил. Организации, которые перейдут сейчас, получат измеримые преимущества в плане операционной эффективности, уровня одобрения и удержания персонала.

Два новых примера иллюстрируют, как это работает за пределами теории.

ALMA в Каталонии: внедрение доказательств в рабочий процесс

В Каталонии, система общественного здравоохранения привлекла помощника-агента по имени ALMA, чтобы внедрить научно обоснованные клинические рекомендации в повседневные рабочие процессы врачей. Результаты были поразительными: 65% пользователей интегрировали его в повседневную работу, при этом уровень удовлетворенности пользователей составил 98%. Программа распространилась на первичную медико-санитарную помощь и теперь готова к расширению на дополнительные услуги.

Что происходит за кулисами?

• Система интегрируется с платформами, ориентированными на врачей.
• Он принимает данные пациентов в режиме реального времени.
• Он сопоставляет эти данные с клиническими рекомендациями и путями принятия решений.
• Он отображает контекстно-зависимые рекомендации во время рабочего процесса, а не после него.
• Он регистрирует модели использования и уточняет рекомендации на основе отзывов врачей.

Это не статичная база знаний. Это постоянно обучающийся участник рабочего процесса.

Результаты: 65% врачей внедрили его в повседневную практику, 98% удовлетворены, и в настоящее время ведется общесистемное масштабирование.

Ключевое понимание: внедрение произошло потому, что система участвовала в рабочем процессе, а не прерывала его..

Tempus TIME: Организация набора участников в клинические исследования

Набор участников клинических исследований — один из наиболее трудоемких процессов в сфере здравоохранения.

Темпус развернул свою ВРЕМЯ Программа как сеть на базе искусственного интеллекта, которая организует сопоставление исследований, активацию сайта и регистрацию пациентов в распределенных медицинских учреждениях.

За кадром, TIME:

• Анализирует структурированные и геномные клинические данные для выявления потенциальных совпадений.
• Использует алгоритмический предварительный отбор для фильтрации кандидатов.
• Направляет потенциальные совпадения медсестрам-рецензентам.
• Инициирует параллельные рабочие процессы активации сайта.
• Одновременно координирует информационно-просветительскую работу и отслеживание документации.

Несколько агентов работают согласованно: одни проверяют соответствие требованиям, другие управляют документацией сайта, третьи отслеживают этапы регистрации.

Эта оркестровка привела к ежегодному увеличению числа участников клинических исследований на 64%. Институт рака TriHealthпричем 95% этого роста приходится на координацию, основанную на ВРЕМЕНИ.

Эффект был не лучшим. Синхронизация была лучше.

Стратегический сдвиг впереди

Здравоохранение уже экспериментировало с генеративным ИИ. Следующий этап — автоматизация уровня исполнения. Лидеры, оценивающие этот переход, должны:

• Выявляйте объемные рабочие процессы с помощью измеримых показателей задержки
• Составьте карту полных переходов между состояниями этих рабочих процессов.
• Оценивайте поставщиков по глубине взаимодействия, а не по доработке интерфейса.
• Требуйте проектирования эскалации с участием человека
• Пилотный проект с определенными показателями: сокращение времени цикла, снижение уровня отказов, экономия рабочего времени.

Конкурентное преимущество не будет получено от того, кто быстрее напишет письма. Оно будет получено от того, кто быстрее закроет петли. Вопрос больше не в том, умеет ли ИИ писать. Вопрос в том, сможет ли оно действовать.

Бенджамин Истон — соучредитель и технический директор компании Развивайте здоровье