Как внедрить искусственный интеллект в клинику, избежать проблем, мало потратить и много заработать?

Искусственный интеллект (ИИ) показал свою эффективность уже, наверное, во всех отраслях промышленности и сферы услуг. ИИ используется для автоматизации ключевых рабочих процессов, применяется с целью улучшения обслуживания клиентов при помощью сложных чат-ботов, необходим для управления большими объемами неструктурированных данных и для многого другого. Однако с ростом числа организаций, внедряющих ИИ в свои бизнес-процессы, некоторые могут быть шокированы, узнав, что большинство из них не достигли запланированной рентабельности инвестиций.

Анализ результатов внедрения ИИ в медицинские организации, включая случившиеся проблемы, может дать важную информацию о том, как можно эффективно использовать ИИ для улучшения качества медицинской помощи, а также предоставить клиникам и их партнерам план повышения рентабельности инвестиций.

Индустрия здравоохранения печально известна своим медленным и осторожным внедрением технологий, несмотря на растущий набор передовых инструментов, способных дополнить и облегчить как клинические, так и операционные задачи. Во многом это связано с тем, что отрасли приходится бороться с регуляторными факторами, проблемами безопасности пациентов и сбоями в рабочих процессах, вызванными заменой и обновлением устаревших систем. Мы также не можем сбрасывать со счетов обязательства по обеспечению прохождения всех строгих проверок для подтверждения эффективности и безопасности внедряемых технологий.

Фактически, внедрение любого из множества инструментов и решений искусственного интеллекта в здравоохранении часто представляет собой еще больше проблем для организации. Несмотря на очевидные ограничения использования ИИ, его применение в медицине становится все более распространенным. Нигде это не проявляется так отчетливо, как в случае с большими языковыми моделями (LLM), которые обычно не предназначены для использования в здравоохранении из-за отсутствия данных из больниц.

Основная причина, по которой мы наблюдаем все большее внедрение ИИ и, особенно, LLM в здравоохранении, связана с тем, что поставщики медицинских услуг в России и во всем мире испытывают возрастающую конкуренцию и повышение расходов на “человеческий” персонал. Недавние массовые атаки программ-вымогателей угрожают авторитету клиник и приводят к значительным штрафам, в то время как нехватка врачей, медсестер и другого административного персонала влияет на качество медицинской помощи и усугубляет операционную неэффективность — и эти проблемы со временем будут только усиливаться.

Ответ на этот вопрос зависит от нескольких факторов.

Что делает внедрение искусственного интеллекта в здравоохранение более уникальным, чем в большинстве других отраслей, так это явная сложность его систем. Медицинским организациям приходится ориентироваться в широком спектре дисциплин, а также концентрироваться на всех областях оказания медицинской помощи. Это включает в себя необходимость оставаться в курсе современных достижений в области медицины, технологий управления и отраслевого регулирования, одновременно балансируя с финансовыми соображениями, учитывая демографические и эпидемиологические изменения. С безусловным обязательством наличия защищенных безопасных ИТ-системы и обязательством сотрудничества с другими медицинскими организациями и органами государственной власти.

Поэтому, когда организация, будь то небольшая амбулаторная клиника или консорциум, состоящий из многочисленных больниц и лабораторий, решает внедрить ИИ, в этом процессе должен участвовать самый широкий круг заинтересованных сторон. В него входят главные врачи и заведующие отделениями, врачи и медсестры, администраторы и логисты, ИТ-специалисты и даже сами пациенты.

Эти заинтересованные стороны должны четко определить ту область, в которой они хотят использовать помощь ИИ. Будь то оптимизация рабочих процессов, включая запись и прием пациентов; анализ медицинских изображений и расшифровку записей; коммуникации с пациентами и помощь в оказании телемедицинских услуг. Обязательно следует установить четкие цели в отношении того, чего они ожидают, чтобы гарантировать точность моделей и обеспечить ценность для пользователей - клиентов и пациентов. Это поможет руководителю медицинской организации распределить активы и приведет к более эффективному инвестированию времени, усилий и ресурсов.

Оценивая готовность всей ИТ-экосистемы к интеграции ИИ, руководителям клиник необходимо получить полное представление о качестве, политике и стратегиях управления своими данными, включая всю инфраструктуру обмена информацией с партнерами и регуляторами.

Аналогичным образом, комплексный анализ всех внутренних операционных и рабочих процессов столь же важен для понимания того, как инструмент ИИ впишется в существующие системы. Столь тщательный аудит имеет решающее значение для выявления пробелов, в которых ИИ может поддерживать или дополнять существующие механизмы — или, возможно, того, где его не стоит использовать.

На этом этапе важно осознавать технологические особенности и ограничения ИИ. Это требует от всех заинтересованных сторон признания общих недостатков, таких как черный ящик генеративного ИИ и проблемы с галлюцинациями, а также возможные этические и нормативные особенности. Руководители организаций здравоохранения должны понимать, что на начальном этапе внедрения ИИ в любой его форме почти наверняка возникнут проблемы роста, и это может проявиться в сбоях в рабочих процессах и падении операционной эффективности. Важно создать механизмы, позволяющие обойти этот период обучения.

Итак, проблема, которую ИИ собирается решить или улучшить, определена и нужные люди контролируют его внедрение. Следующим шагом будет поиск и выбор подходящего поставщика для поддержки работы искусственного интеллекта. Полезно иметь специалиста по ИИ, разбирающегося в отраслевых особенностях, который возьмет на себя ответственность на этом этапе пути развития нового для компании инструмента.

Оценивая поставщиков ИИ, необходимо обеспечить демонстрацию ими достаточного уровня знаний в области здравоохранения и понимание ключевых нормативных требований. Этот процесс не может и не должен быть быстрым и простым. Он требует от руководителя клиники необходимости следить за новациями в области ИИ, оценивать надежность и масштабируемость своих алгоритмов, обеспечивать качество обработки данных, а так же способность модели обучаться и адаптироваться к новым тенденциям и обновленной нормативной деятельности. Все эти факторы напрямую влияют на долгосрочную устойчивость инвестиций в ИИ.

Лучше всего сотрудничать с поставщиками, которые помогают медицинским организациям в процессе работы с ИИ для улучшения рабочих процессов и внесения необходимых изменений в документацию. Таким образом, большинству организаций потребуется поставщик, способный обеспечить поддержку в периоды перед развертыванием и проверочным тестированием, а также после развертывания технологии искусственного интеллекта. Не менее важен выбор поставщика, который обеспечивает прозрачное использование ИИ, включая объяснение технических компонентов его алгоритмов и процесса управления, чтобы обеспечить доверие заинтересованных сторон к технологии.

Независимо от того, заказывает ли руководитель клиники решение для оптимизации управления циклом доходов, помощи в прогнозировании течения или исхода заболевания, интерпретации медицинских изображений или оптимизации клинических испытаний, заинтересованные стороны должны найти подходящего поставщика ИИ, который обеспечит высочайший уровень образования, обучения, внедрения и технической поддержки. Это жизненно важно для того, чтобы сотрудники могли эффективно использовать весь арсенал инструментов ИИ, интерпретировать его результаты и интегрировать в свои рабочие процессы.

Другие важные функции поддержки после развертывания включают регулярные обновления, аудиты и мониторинг производительности для обеспечения бесперебойности, безопасности и оптимизации производительности системы — все это имеет решающее значение для достижения окупаемости инвестиций. Эта поддержка включает исправления программного обеспечения, улучшения, основанные на отзывах конечных пользователей и индикаторах использования, а также аналитике и знаниях для дальнейшего повышения эффективности.

Кроме того, клиники должны работать с поставщиками ИИ, которые помогают заказчику соблюдать нормативные требования, предоставляют менеджера по работе с клиентами и позволяют системе ИИ адаптироваться и согласовываться с конкретными потребностями рабочего процесса организации.

Хотя ИИ не может решить все проблемы в здравоохранении, неудачные проекты в этой области случаются из-за того, что отдельные лица и организации не осознают важности процесса внедрения, в том числе того, чего они хотят достичь с помощью ИИ. Преодоление проблемы внедрения сложных и мощных систем искусственного интеллекта в здравоохранении требует высочайшей степени командной работы, чтобы все голоса были услышаны и проблемы учтены, а также был разработан наиболее тщательный и продуманный план реализации изменений.

Медицинские организации должны рассматривать инвестиции в ИИ как необходимый первоначальный взнос в будущее и понимать, что ИИ в здравоохранении не является универсальным экономическим решением. Без преодоления сложностей, связанных с реализацией этого инновационного инструмента, окупаемости инвестиций не будет. Оптимальнее, дешевле и безопаснее пройти этот путь с надежным поставщиком и опытным консультантом.

Об авторе:

Артем Николаев имеет более чем 20-летний опыт работы в сфере здравоохранения, специализируясь на цифровой трансформации медицинских организаций и телемедицине. Как главный врач и медицинский директор крупнейших российских клиник, он полностью посвятил себя повышению эффективности и качества оказания медицинских услуг. Кроме того, Артем имеет богатый опыт работы с медицинскими стартапами. Последние годы активно консультирует молодых врачей, помогая им с формированием профессиональной траектории.