Почему ИИ до сих пор не фиксирует направления пациентов — и как это могло бы быть — Блог о здравоохранении

НАХИМ НОА

Звонок из черной дыры

Три месяца в строительстве Каренектора платформе «от учреждения к учреждению», мне позвонили и раскрыли все проблемы с направлениями к врачу. Социальный работник больницы, который уже использовал нашу индивидуальную платформу для пациентов, чтобы помочь семьям найти помощь, в течение шести дней пытался скоординировать размещение в больнице 82-летнего пациента, перенесшего инсульт. Она сделала 23 телефонных звонка. Отправлено 14 факсов. Пациентка была освобождена от медицинских показаний, но осталась на койке для неотложной помощи, стоимость которой составляла 2000 долларов в день, поскольку никто не мог подтвердить, какие учреждения квалифицированного сестринского ухода имели открытые койки, приняли ее план Medicaid и имели возможность реабилитации после инсульта.

“Мне нравится то, что вы создали для пациентов, – сказала она мне, – но когда мне нужно осуществить перевод из одного учреждения в другое, я возвращаюсь к отправке факсов. Разве вы не можете это исправить?” этот рабочий процесс тоже?»

Она не ошиблась. На дворе 2025 год, и, несмотря на миллиарды, вложенные в медицинские ИТ и захватывающие обещания в области искусственного интеллекта, при обращении к пациенту часто возникает ощущение, будто он вернулся в 1995 год. Ранее в этом году собственный редактор THCB Мэтью Холт задокументировал свою попытку найти рекомендации специалистов. через Голубой щит Калифорнии. Направление на эхокардиограмму, отправленное его врачом, так и не поступило в центр визуализации. Когда ему понадобился дерматолог, его медицинская группа направила его к поставщику услуг, который, как оказалось, вообще не покрывался его планом HMO. «Здесь есть огромные возможности», — заключил Холт после своей одиссеи по разрозненным системам, — «хотя сейчас у нас есть много данных… чтобы интегрировать их и сделать полезными для пациентов».

Клиницисты в США ежегодно направляют более 100 миллионов специалистов к специалистам. исследования показывают, что до половины никогда не завершаются.

Вот что мы узнали за год работы: мы создали платформу, ориентированную на потребителя, которая помогает отдельным лицам и семьям находить поставщиков медицинских услуг, соответствующих их потребностям, страховке и местонахождению — теперь она обслуживает более 100 ежедневных пользователей, включая пациентов, социальных работников и специалистов по планированию выписки. Но решение индивидуальных вопросов по уходу – это только полдела. Рабочий процесс направления в учреждение — из больницы в учреждение квалифицированного сестринского ухода, из SNF в реабилитационный центр, из клиники к специалисту — остается запертым в факсах и телефонных метках, потому что никто не перепроектировал фактический процесс координации.

Это то, что мы сейчас строим. И вопрос, преследующий нас, не в том, почему у нас нет лучших инструментов? Его почему миллиарды инвестиций в ИИ оставили институциональный рабочий процесс практически неизменным?

Архитектура неудачи

Ответ не в более умных алгоритмах или более блестящих информационных панелях. Речь идет о фундаментальном несоответствии между тем, как применяется ИИ, и тем, как на самом деле работает координация медицинской помощи.

Начните со слоя данных. Одно исследование показало, что 69% врачей первичной медико-санитарной помощи говорят, что они «всегда или большую часть времени» отправляют полные направления специалистам, но только 34% специалистов сообщают, что получали их.. Даже внутри одной больничной системы информация регулярно исчезает в точках передачи. Мэтью Холт испытал это на собственном опыте, когда направление его врача на эхокардиограмму просто так и не поступило в центр визуализации, несмотря на то, что предварительное разрешение от Blue Shield уже было в системе.

Но фрагментация идет глубже, чем просто отсутствие рефералов. Когда медицинская группа Холта направила его к дерматологу, они отправили его к поставщику, не входящему в его план HMO, даже несмотря на то, что у EMR была информация о его страховке и идентификатор участника. Как он задокументировал“Здесь открываются огромные возможности… большая часть данных о том, к кому мне следует пойти и навестить… все доступны. Просто ни в одном месте это не сделано очень очевидным”. Медицинские группы, больницы и планы медицинского страхования поддерживают свои собственные системы без интеграции в режиме реального времени, позволяющей ответить на простой вопрос: Входит ли этот поставщик в сеть плана этого пациента?

Тогда есть проблема со стимулами. Оценка инициативы CMS Comprehensive Primary Care Plus на 2022 год. обнаружили нулевое влияние на фрагментацию медицинской помощи. Исследователи пришли к выводу, что «сохраняется высокий уровень фрагментации медицинской помощи», поскольку модели оплаты недостаточно вознаграждают поставщиков услуг за фактическое закрытие циклов направления. Никому не платят за поиск потерянного реферала, поэтому рефералы ускользают.

Наконец, есть упрямая аналоговая реальность: более половины случаев передачи направлений по-прежнему происходит по факсу (56%) или в бумажном виде, переданном пациентам (45%). Мы не изменили рабочий процесс; мы только что оцифровали этот беспорядок.

Почему решения на базе искусственного интеллекта терпят неудачу

Учитывая эти проблемы, можно было бы ожидать, что поставщики ИИ начнут предлагать решения. Вместо этого большинство из них усугубили ситуацию, рассматривая ИИ как надстройку, а не как инфраструктуру.

Типичный подход: OCR для сканирования бумажных рекомендаций, виджеты автозаполнения полей EHR, алгоритмы прогнозирования для оценки рисков. Каждый инструмент решает микропроблему, игнорируя макрокатастрофу. Как выразился один из аналитиков InnovaccerИИ в сфере здравоохранения рискует «повторить прошлые ошибки, поскольку разрозненные инструменты создают неэффективность вместо решений».

Недавний анализ McKinsey говорит то же самое: широкое распространение точечных решений на основе искусственного интеллекта «создает новую проблему фрагментации». Путь вперед — это не более изолированные инструменты, а «сборка этих возможностей в модульную взаимосвязанную архитектуру искусственного интеллекта». А без совместимости данных все это не имеет значения. Как прямо заявляет Innovaccer“Без чистых данных истинная совместимость — это фантастика. Без совместимости ИИ — просто дорогой шум”.

Что мы создаем: информация от более чем 100 пользователей ежедневно

Наша потребительская платформа научила нас чему-то важному: когда вы даете людям (и помогающим им социальным работникам) инструмент, который действительно соответствует их потребностям доступным поставщикам услуг в режиме реального времени, они используют его. Ежедневно. Теперь более 100 пользователей полагаются на Каренектор ориентироваться в услугах по оказанию неотложной помощи, реабилитации и направлениях к специалистам в зависимости от их страховки, местоположения и медицинских требований.

Но те же самые социальные работники продолжали говорить нам: “Это отлично работает, когда я помогаю члену семьи искать самостоятельно. Но когда мне нужно согласовать выписку из больницы или перевод в другое учреждение от имени моей организации, я снова оказываюсь в каменном веке”.

Вот почему сейчас мы создаем платформу, ориентированную на объект, и делаем это иначе, чем в нашей первой попытке. Мы не гадаем, что нужно больницам. Мы активно проводим тестирование с избранной группой партнерских учреждений, постоянно получая обратную связь от их кураторов и специалистов по планированию выписок, которые видели, что работает в потребительском продукте.

Рабочий процесс объекта, который мы создаем

Вместо того, чтобы привязывать ИИ к существующему хаосу, мы полностью перестраиваем институциональный процесс направления. Медицинские бригады структурируют потребности пациентов — диагнозы, требования к реабилитации, оборудование, тип страхования, местоположение — без раскрытия какой-либо личной информации. Ни имен, ни номеров медицинских карт, ни дат рождения на начальном этапе сопоставления. Наш механизм искусственного интеллекта выполняет сопоставление в режиме реального времени с учетом ограничений, основываясь исключительно на клинических и логистических критериях: если пациент нуждается в квалифицированном уходе с услугами PT, принимает только определенные планы Medicare, требует испаноязычного персонала и должен находиться в пределах 10 миль, система выявляет только учреждения, соответствующие всем критериям одновременно.

Как только совпадения обнаружены, направляющие учреждения отправляют запросы по защищенным каналам, и обе стороны видят один и тот же график статуса. Мы создали эфемерные потоки сообщений, в которых медсестры и координаторы приема общаются в режиме реального времени, больше не нужно задаваться вопросами «факс в пустоту». После того как учреждение принимает заказ, все остается в одном потоке: планирование транспорта, сверка лекарств и проверка страховки.

Вот что делает это разумным: мы отслеживаем, успешны или нет места размещения. Был ли пациент повторно госпитализирован в течение 30 дней? Соответствовали ли услуги учреждения обещанному? Эти данные о результатах возвращаются в алгоритм сопоставления, постепенно определяя, какие учреждения выполняют свои обязательства.

Что мы изучаем в режиме реального времени:

Мы создаем и тестируем платформу учреждения с избранной группой партнерских больниц и учреждений квалифицированного ухода. Это еще не широко доступно. Мы быстро проводим итерации, основываясь на постоянной обратной связи от первых пользователей, и полученные уроки меняют наш подход:

• Доверие требует прозрачности. Наш ранний ИИ, сопоставляющий объекты, представлял собой черный ящик: «Поверьте нам, это хорошие совпадения». Принятие среди наших пилотных партнеров было ужасным. Когда мы добавили прозрачность, показывающую почему Каждое учреждение сопоставлялось в зависимости от конкретных критериев, и вовлеченность резко возросла. Менеджеры по работе с клиентами хотят видеть аргументы системы, а не только ее рекомендации.
• Конфиденциальность — это умные настройки по умолчанию, а не паранойя. Изначально мы создали максималистские элементы управления конфиденциальностью, которые сделали рабочий процесс неуклюжим. Постоянная обратная связь от наших партнеров по тестированию научила нас правильному подходу: начинать с нулевого уровня PII на этапе сопоставления, учреждения видят только клинические и логистические критерии. Делитесь идентификаторами пациентов только после того, как учреждение проявит интерес и возможности, используя истекающий доступ и журналы аудита. Этот средний путь устраняет «черную дыру» направления (медицинские учреждения могут быстро реагировать без проблем со стороны регулирующих органов), одновременно защищая конфиденциальность пациентов там, где это важнее всего.
• Настоящим барьером являются не технологии, а стратегия внедрения. Один социальный работник из нашего пилотного проекта продолжал отправлять факсы вместе с нашей бета-платформой. Через три недели после начала тестирования, увидев четыре успешных размещения, согласованных через нашу систему, она перестала отправлять факсы. Технология не изменилась. Ее уверенность сделала свое дело. Мы учимся измерять успех не в реализованных функциях, а в заброшенных рабочих процессах.

За пределами технологий: что нужно системе

Даже самый продуманный ИИ не сможет исправить рефералов в одиночку. Экосистема нуждается в параллельных изменениях:

• Регуляторная реформа: CMS может потребовать электронного отслеживания направлений в качестве условия участия и платить поставщикам услуг за успешное выполнение рекомендаций, а не только за встречи.
• Принятие стандартов: Стандарты совместимости FHIR API и HL7 существуют, но остаются необязательными. Обязательное внедрение позволит системам разных поставщиков фактически взаимодействовать друг с другом.
• Общая ответственность: Самый большой культурный сдвиг, который необходим, — это переход от «Я отправил направление» к «Я подтвердил, что пациент получил помощь». ACO и контракты, основанные на стоимости, подталкивают это направление, но медленно.

От пластырей до восстановленной сантехники

Тот 82-летний пациент, перенесший инсульт? Ее разместили на седьмой день через факс социального работника. Задержка обошлась больнице в 14 000 долларов за дополнительные дни оказания неотложной помощи. Умножьте это на миллионы рефералов ежегодно, и вы увидите экономические потери, заложенные в нашей инфраструктуре.

Существуют технологии, позволяющие это исправить: конвейеры данных в реальном времени, алгоритмы удовлетворения ограничений, безопасный обмен сообщениями, анализ результатов. Чего у нас не было, так это желания собрать эти части в последовательные рабочие процессы вместо того, чтобы накапливать их в сломанных процессах.

Наша потребительская платформа доказала, что, когда вы перестраиваете уровень поиска и сопоставления с нуля, люди его принимают. Сейчас мы проверяем, работает ли тот же подход для институциональной координации с избранной группой пилотных учреждений. Первые сигналы от этих партнеров обнадеживают: менеджеры по работе с клиентами, использующие оба наших продукта, говорят нам, что платформа учреждения выглядит естественным продолжением того, чему они уже доверяют.

Самые трудные разговоры ведутся не с инженерами, а с администраторами больниц, которые были обожжены «решениями искусственного интеллекта», обещавшими трансформацию и поставлявшими дорогостоящее готовое оборудование. Мы больше не лидируем с помощью ИИ. Начинаем с вопроса: Когда ваш куратор отправляет направление, знает ли он (с уверенностью), что оно было получено, рассмотрено и по нему приняты меры? Для большинства больниц ответ — нет. Эту проблему мы решаем вместе с нашими пилотными партнерами.

Если мы добьемся успеха, то это произойдет не потому, что мы создали более умный алгоритм. Это произойдет потому, что мы перестроили сантехнику на основе того, что нам сказали реальные пользователи. А если мы потерпим неудачу? Вероятно, это произойдет потому, что мы забыли, что технологии никогда не являются самой сложной частью здравоохранения, а доверие.

Нахим Ноа — доктор философии в Денверском университете и соучредитель Каренекторсправочная платформа здравоохранения.