Мировая система здравоохранения трещит по швам. Десятилетия недофинансирования и проблемы с набором персонала наложились на стареющее население и растущий спрос на медицинские услуги. Результат? Фрагментированный доступ к помощи, дикий стресс и выгорание у медработников. Всемирная организация здравоохранения бьет тревогу: к 2030 году дефицит медицинских работников может достигнуть 11 миллионов человек.
В поисках спасения, многие клиники делают ставку на "агентный ИИ". По данным KPMG, уже 68% медицинских учреждений внедрили ИИ-агентов в свои рабочие процессы. Эти умные системы призваны автоматизировать сложные бэкофисные задачи, помогать медицинским командам и даже проводить первичную сортировку пациентов. Цель – снизить когнитивную нагрузку на врачей и повысить качество ухода за пациентами в условиях растущей нехватки кадров.
Другой тип цифровизации
До сих пор цифровая трансформация в медицине приносила неоднозначные результаты. Многие сотрудники жалуются, что медленные и устаревшие технологии лишь добавляют административной работы, вместо того чтобы ее облегчать. Переход на электронные медицинские карты (EHR) в начале 2000-х, например, привел к фрагментации данных и необходимости ручного ввода. Новые телемедицинские сервисы и цифровые инструменты, такие как удаленные мониторы, также имеют свои недостатки. Они улучшили доступ к медицинской помощи, устранив географические барьеры, но не смогли полностью заменить качество очного приема и не всегда завоевывали доверие пациентов.
Агентный ИИ – это другой уровень
Как утверждает доктор Ашиш Барад, главный специалист по цифровым технологиям и технологиям в Hospital for Special Surgery (HSS), агентный ИИ отличается от существующих решений. Вместо того чтобы полагаться на ручной ввод или перекладывать на людей случаи, выходящие за рамки жестких правил, ИИ-агенты способны обрабатывать сложные и неоднозначные сценарии. Они могут принимать автономные решения, извлекать информацию из экспертных клинических источников и обучаться со временем, освобождая врачей для более ответственных задач. Доктор Барад метко описывает это так: "Агентный ИИ берет ваш рабочий процесс, сжимает его, дополняет, ускоряет и делает более производительным".
Реальные примеры из HSS
В HSS ИИ-агенты уже успешно применяются в различных областях. Они взяли на себя обработку сложных бэкофисных процессов, таких как страховые претензии. Ранее этот процесс занимал несколько недель и требовал участия как сотрудников HSS, так и сторонних подрядчиков. Теперь ИИ-агенты обрабатывают 1100 претензий в месяц, сократив время апелляции с 45 минут до 5 и повысив процент успешных апелляций с 65% до 100% за девять месяцев. HSS теперь полностью обрабатывает все претензии внутри организации.
Развивая этот успех, HSS совместно с разработчиком агентного ИИ Ema Unlimited внедряет ИИ-агентов в неклинические, ориентированные на пациента сервисы. Сервис записи и триажа пациентов доступен 24/7 через веб, SMS или телефон. Используя разговорный ИИ, он задает пациентам уточняющие вопросы об их состоянии, а затем назначает приемы у наиболее подходящих специалистов, учитывая местоположение, страховое покрытие и доступность врачей. "Это замыкает весь цикл", – говорит доктор Барад. ИИ-агент обучен на "всем нашем контексте, всех наших правилах и всей нашей базе знаний", что обеспечивает пациентам streamlined доступ к высокоспециализированным знаниям от ведущих мировых хирургов.
Безопасность и контроль
Учитывая, что ИИ-агентам делегируются решения, имеющие высокую степень важности, система триажа оснащена встроенными механизмами безопасности. Чувствительные, сложные или неопределенные сценарии автоматически передаются человеческим специалистам. Каждое решение ИИ-агента аудируется, и медицинский персонал может вмешаться в любой момент. Данные пациентов надежно защищены, а система обучена на всех протоколах, политиках и путях ухода HSS. Поддерживая участие человека, технология Ema, по их словам, находит баланс между эффективной автоматизацией, безопасностью пациента и принятием решений с учетом человеческого опыта.
По мере распространения этой технологии, по мнению доктора Барада, провайдеры должны будут обеспечить наличие таких механизмов контроля во всех системах. В HSS все решения, касающиеся технологии, фильтруются через подкомитет по ИИ, который доктор Барад возглавляет совместно с старшим исполнительным директором по сестринскому делу. ИИ-агенты, которые могут влиять на уход за пациентами, будут подвергаться гораздо более тщательной проверке, чем, например, бэкофисные процессы.ИИ-агенты как катализатор системных изменений
Доктор Барад планирует создать специализированную лабораторию ИИ на главной территории HSS в Нью-Йорке. Этот шаг направлен на демократизацию доступа к технологии внутри организации. Лаборатория будет открыта для всего персонала, желающего понять или создать ИИ-агентов, с проведением информативных занятий и индивидуального обучения. "Мы даем агентный ИИ в руки каждому", – заявляет он. Это перекликается с исследованиями Deloitte, которые показали, что ведущие компании, внедряющие агентный ИИ в здравоохранении, с большей вероятностью выбирают многоагентные решения, перерабатывая сквозные рабочие процессы, а не ограничиваясь узкими задачами или отдельными сценариями использования.
Ключ, похоже, кроется в интеграции ИИ-агентов по всей организации, рассматривая их как универсальную технологию. Как выражается доктор Барад: "Неправильно думать об агентном ИИ в терминах конкретных сценариев использования… Это универсальная технология, аналогичная электричеству".
На практике это означает, что медицинские учреждения должны создать правильную основу для достижения ценности от агентного ИИ. Это включает разработку единой стратегии обработки данных, которая интегрирует разрозненные источники данных организации, создавая единый, исчерпывающий источник истины. В здравоохранении данные часто распределены по множеству отделов и поставщиков, каждый из которых имеет свою унаследованную ИТ-систему.
В системах, полагающихся на разрозненные источники данных, метрики также часто лишены стандартизированных определений. Например, доктор Барад отмечает, что в каждой больнице, где он работал, было немного отличающееся определение "времени до начала операции" – метрики, часто используемой для оценки эффективности операционных. Такой уровень фрагментации мешает ИИ-агентам извлекать информацию из различных источников или приложений и усваивать неявные знания, которые отличают их от других технологий.
Создавая ...