رهبران مراقبت های بهداشتی مشتاق هستند که هوش مصنوعی را بپذیرند، تا حدی برای همگامی با رقبا و سایر صنایع، اما مهمتر از آن، افزایش کارایی و بهبود تجربیات بیماران. با این حال، تنها 77 درصد از رهبران مراقبت های بهداشتی در واقع به هوش مصنوعی اعتماد کنید تا به تجارت آنها کمک کند.
در حالی که چت ربات‌های هوش مصنوعی در انجام وظایف معمول، پردازش داده‌ها و خلاصه‌سازی اطلاعات برتری دارند، صنعت مراقبت‌های بهداشتی بسیار منظم بیشترین نگرانی را در مورد قابلیت اطمینان و دقت داده‌هایی دارد که توسط این ابزارها تغذیه و تفسیر می‌شوند. بدون استفاده مناسب و آموزش کارکنان، نقض داده ها به تهدیدهای مبرم دیگری تبدیل می شوند.
با این حال، 95٪ از رهبران مراقبت های بهداشتی قصد دارند بودجه هوش مصنوعی را تا 30٪ در سال 2025 افزایش دهند. مدل های زبان بزرگ (LLM) به عنوان یکی از قابل اعتمادترین ابزارها در حال ظهور است. با بالغ شدن LLM ها، 53 درصد از رهبران مراقبت های بهداشتی قبلاً سیاست های رسمی را برای کمک به تیم های خود برای انطباق با آنها اجرا کرده اند، و 39 درصد دیگر برنامه ریزی می کنند تا به زودی سیاست ها را اجرا کنند.
برای ارائه دهندگان مراقبت های بهداشتی که می خواهند خدمات ارتباطی را با هوش مصنوعی ساده کنند، اما هنوز از انجام این کار احتیاط می کنند، در اینجا چند توصیه برای غلبه بر رایج ترین موانع وجود دارد.
1. هوش مصنوعی را با منابع پزشکی قابل اعتماد آموزش دهید
در حالی که رهبران مراقبت های بهداشتی ممکن است مستقیماً در آموزش هوش مصنوعی دخالت نداشته باشند، آنها باید نقشی اساسی در نظارت بر اجرای آن داشته باشند. آنها باید اطمینان حاصل کنند که ارائه دهندگان چت بات آموزش می دهند و به طور منظم هوش مصنوعی خود را با منابع معتبر به روز می کنند.
داده‌های غنی و ساختاریافته‌ای که توسط پرونده‌های سلامت الکترونیکی اجباری (EHR) جمع‌آوری می‌شوند، مخازن وسیعی از داده‌های سلامت دیجیتال را ارائه می‌دهند که اکنون می‌توانند به عنوان پایه‌ای برای آموزش الگوریتم‌های هوش مصنوعی عمل کنند. LLM های پیشرفته می توانند تحقیقات پزشکی، تجزیه و تحلیل فنی، بررسی ادبیات و ارزیابی های انتقادی را درک کنند. با این حال، به جای آموزش این ابزارها با تمام داده ها به طور همزمان، جدید است شواهد نشان می دهد که تمرکز بر تعداد کمتری از تقاطع ها عملکرد هوش مصنوعی را به حداکثر می رساند و در عین حال هزینه آموزش را پایین نگه می دارد.
2. از روش های داده مطابق با HIPAA اطمینان حاصل کنید
قانون قابل حمل و پاسخگویی بیمه سلامت (HIPAA) استانداردهایی را برای محافظت از اطلاعات حساس سلامت بیمار (PHI) ترسیم می کند. برای همسویی با این مقررات، رهبران مراقبت های بهداشتی باید از فروشندگان شخص ثالث اطمینان حاصل کنند:
- فقط حداقل مقدار PHI مورد نیاز برای تحقق هدف چت را جمع آوری کنید.
- اجازه دسترسی به PHI را فقط به پرسنل مجاز با گذرواژه قوی و سیاست‌های احراز هویت بدهید.
- از تکنیک های رمزگذاری قوی برای محافظت از PHI هم در حالت استراحت و هم در حین حمل و نقل استفاده کنید.
- داده های لازم را روی سرورهای سازگار با HIPAA با کنترل های دسترسی قوی ذخیره کنید.
- اطمینان حاصل کنید که آنها قراردادهای همکاری تجاری (BAAs) را برای مطابقت با HIPAA امضا می کنند.
- طرح واکنش آنها را برای حوادث امنیتی بخواهید.
رهبران مراقبت‌های بهداشتی که از این ابزارها استفاده می‌کنند باید به طور منظم گزارش‌های دسترسی را بررسی کنند – مرحله‌ای که خودکار کردن آن با هوش مصنوعی نیز آسان است – و در صورت وقوع فعالیت غیرعادی هشدارهایی را برای مدیریت ارسال کنند.
علاوه بر این، آنها باید قبل از جمع آوری و استفاده از PHI خود، رضایت واضح و آگاهانه را از بیماران دریافت کنند. هنگام درخواست رضایت، نحوه استفاده و محافظت از داده‌های بیمار را در میان بگذارید.
3. رابط های خوب طراحی شده که گردش کار را بهبود می بخشد
یکی از بزرگترین موانع در انتقال به EHR های اجباری این بود قابلیت استفاده از تکنولوژی پزشکان بودند ناراضی با مقدار زمانی که صرف کارهای اداری می شود، در حالی که آنها با جریان های کاری پیچیده سازگار می شوند، خطر فرسودگی شغلی آنها را افزایش می دهد و احتمال اشتباهاتی که می تواند بر درمان بیمار تأثیر بگذارد.
هنگام کار با فروشندگان شخص ثالث، قبل از انتخاب پلتفرم هوش مصنوعی یا راه حل نرم افزاری، یک نسخه آزمایشی و نظر دوم را درخواست کنید. فراموش نکنید که بپرسید آیا محصول آنها اجازه سفارشی‌سازی را می‌دهد که با برنامه‌های فعلی تطبیق داده شود تا بتوانید ویژگی‌های آماده برای استفاده را که به بهترین وجه با جریان کاری شما مطابقت دارد یکپارچه کنید.
طراحی کاربر محور و فرمت‌ها و پروتکل‌های داده استاندارد شده به تسهیل تبادل اطلاعات بدون درز در سراسر فناوری مراقبت‌های بهداشتی و پلت‌فرم‌های هوش مصنوعی کمک می‌کند. با وجود این استانداردها، الگوریتم های هوش مصنوعی می توانند به طور معناداری در مراقبت های بالینی در تنظیمات مختلف مراقبت های بهداشتی ادغام شوند. پروتکل‌های تثبیت‌شده همچنین به این ابزارها کمک می‌کنند تا با تسهیل قابلیت همکاری و امکان دسترسی به مجموعه داده‌های بزرگتر و متنوع‌تر، عملکرد بهتری داشته باشند.
4. استفاده صحیح و آموزش کارکنان
یک 2024 مطالعه کنید دریافتند که توصیه‌های پزشکی ارائه‌شده توسط «پزشکان انسانی و هوش مصنوعی» در واقع جامع‌تر اما همدلانه‌تر از توصیه‌های ارائه‌شده توسط «پزشکان انسانی» به تنهایی است. برای پر کردن شکاف، رهبران مراقبت های بهداشتی باید درک کنند قابلیت های هوش مصنوعی و محدودیت ها و اطمینان از نظارت و مداخله مناسب انسانی.
رهبران مراقبت‌های بهداشتی می‌توانند ربات‌های چت را در وب‌سایت‌ها و برنامه‌های بیمار خود تعبیه کنند تا به کاربران امکان دسترسی فوری به اطلاعات پزشکی، کمک به خود تشخیصی و آموزش سلامت را بدهند. این ابزارها می توانند یادآوری های به موقع برای بیماران ارسال کنند تا نسخه های خود را دوباره پر کنند و به بیماران کمک کنند تا به برنامه های درمانی پایبند باشند. آنها همچنین می توانند به طبقه بندی بیماران بر اساس شدت بیماری کمک کنند، به ارائه دهندگان مراقبت های بهداشتی در اولویت بندی موارد و تخصیص کارآمد منابع کمک کنند.
با این وجود، این ابزارها هنوز هم می توانند توهم ایجاد کنند، و ضروری است که یک اعتبارسنجی انسانی در کارهای پیچیده شرکت داشته باشد. با کارشناسان شخص ثالث کار کنید تا چشم انداز خود را برای ابزارهای ارتباطی هوش مصنوعی تعریف کنید و گردش کار مورد نظر خود را ایجاد کنید. هنگامی که در مورد موارد استفاده خود به توافق رسیدید، فرآیندهای مدیریت تغییر عملیاتی و فرهنگی – مانند فرآیند 8 مرحله ای تغییر کوتر-نقشه راه را برای کارمندانی که در حال نصب هستند ارائه دهید که در نهایت نتایج بیمار را افزایش می دهد.
5. از چت بات بخواهید تا اشتباهات را تشخیص دهد
هیچ رهبر کسب‌وکاری نمی‌خواهد اشتباه کند، اما صنعت مراقبت‌های بهداشتی محیطی پرمخاطره است که حتی نادیده‌گیری‌های جزئی می‌تواند به عواقب شدید منجر شود. با این حال، حتی بهترین پزشکان نیز از آن مصون نیستند خطاهای پزشکی. هوش مصنوعی می‌تواند ابزاری قدرتمند برای بهبود مراقبت از بیمار با تشخیص خطاها و پر کردن شکاف‌ها باشد.
یک 2023 تحقیق استفاده از GPT-4 برای رونویسی و خلاصه کردن مکالمه بین بیمار و پزشک، بعداً از ربات چت برای بررسی خطاها استفاده کرد. در طول اعتبارسنجی، یک اشتباه در شاخص توده بدنی (BMI) بیمار مشاهده شد. چت بات همچنین متوجه شد که در یادداشت‌های بیمار به آزمایش‌های خونی که سفارش داده شده و دلیل سفارش آنها اشاره نشده است.
این مثال نشان می‌دهد که هوش مصنوعی می‌تواند به عنوان مکملی برای کمک به پزشکان در رسیدگی به توهمات هوش مصنوعی، حذفیات و خطاهایی که می‌تواند برای آموزش و بهبود برنامه‌های هوش مصنوعی استفاده شود، استفاده شود.
هوش مصنوعی مراقبت های بهداشتی برای حمایت از پزشکان و پرستاران، ساده سازی گردش کار، بهبود دسترسی بیمار به مراقبت و به حداقل رساندن نظارت ها وجود دارد. در حالی که آنها نمی توانند به طور کامل جایگزین همدلی، شهود و تجربه دنیای واقعی که ارائه دهندگان مراقبت های بهداشتی انسانی به میز ارائه می کنند، شوند، این ابزارها مزایای تحلیلی و صرفه جویی در زمان عالی را ارائه می دهند. هنگامی که رهبران مراقبت های بهداشتی وقت خود را صرف می کنند تا از رعایت دقیق مقررات HIPAA، ارتباط شفاف با بیماران و آموزش مناسب کارکنان اطمینان حاصل کنند، می توانند این ابزارها را با خیال راحت و با اطمینان اجرا کنند.
