全球医疗保健行业正面临日益加剧的压力。
数十年来持续的投入不足和招聘限制，与老龄化人口对医疗服务需求激增同时发生。服务缺口已经带来严重影响，包括医疗获取渠道碎片化以及医护人员高压力和职业倦怠现象。情况还在恶化。世界卫生组织警告称，到2030年，当前的人员短缺将增加到1100万人。
在紧急寻求解决方案的过程中，许多医疗保健机构现在将希望寄托在智能AI上。据毕马威(KPMG)报告，超过三分之二(68%)的医疗机构已经将AI智能体纳入其工作团队。
该技术正被用于自动化复杂的后台流程，与医疗团队协作，甚至对患者进行分诊，旨在减轻临床医生的认知负担，并在人类医疗工作者数量减少的情况下提高患者护理质量。
一种不同类型的数字化
迄今为止，医疗保健领域的数字化益处一直有限。
许多工作人员指责缓慢或过时的技术反而增加了行政负担，而非减轻它。例如，美国患者数据在2000年代初迁移到电子健康记录(EHRs)系统，但这些数据仍然碎片化且依赖于人工输入。
纽约专攻肌肉骨骼健康的学术医疗中心"特殊外科医院"(Hospital for Special Surgery, HSS)的首席数字与技术官Ashis Barad医生表示，新的远程医疗服务和数字护理工具，如远程监测器，也存在类似缺陷。他说，这些技术通过消除地理障碍确实改善了医疗获取途径，但未能复制面对面护理的质量或赢得患者信任。
他坚持认为，智能AI与这些现有技术不同。
智能AI无需依赖人工输入，也不会将框架外的任何情况默认交给人类工作者处理。相反，AI智能体能够处理细微、复杂的场景。它们可以自主决策，从专家临床资源中检索信息，并随时间迭代，使临床医生能够专注于更高层次的患者护理。正如Barad医生所说："智能AI能够简化、增强、强化你的工作流程，使其更加高效。"
在HSS，AI智能体已在多个领域部署。它们处理复杂的后台流程，例如之前需要数周时间完成的保险理赔，这些工作过去涉及HSS员工和第三方承包商来处理大量工作。Barad医生表示，如今AI智能体每月处理1,100份理赔申请。自实施九个月以来，它们将申诉阶段从45分钟缩短到5分钟，并将申诉成功率从65%提高到100%。HSS现在完全在内部处理所有理赔。
在此成功基础上，HSS正与企业级智能AI开发商Ema Unlimited合作，在非临床患者服务领域部署AI智能体，提供AI调度和分诊服务。该服务可通过网络、短信或电话24/7全天候访问。它使用对话式AI向患者询问有关其状况的澄清问题，然后根据位置、保险覆盖范围和医生可用性，为患者预约最合适的临床医生。"它完成了整个闭环，"Barad医生说。他补充道，该AI智能体经过"我们所有背景、所有规则和所有知识库"的训练，为患者提供来自世界领先外科医生的高度专业知识。
鉴于委托给AI智能体的决策具有高风险性，该分诊服务内置了保障措施——敏感、复杂或不确定的情况会被升级到人类专家。AI智能体做出的每个决策都可审计，人工员工可以在任何时间介入。患者数据保持安全，系统经过HSS所有协议、政策和护理路径的训练。Ema表示，通过让人类参与其中，其技术在高效自动化、以患者为先的安全性和人类指导的决策之间取得了平衡。
Barad医生表示，随着技术变得越来越普及，确保这些类型的保障措施嵌入系统将是提供商的责任。在HSS，所有关于该技术的决策都经过Barad医生与一位高级护理主管共同主持的AI小组委员会的审核。他解释说，可能涉及患者护理的AI智能体将受到比后台流程更为严格的审查。
AI智能体推动系统级变革
例如，Barad医生计划在纽约市HSS主校区创建一个专门的AI实验室——此举旨在在整个组织内普及该技术的访问权限。他解释说，该实验室将向所有希望了解或构建AI智能体的员工开放，提供信息丰富的课程和一对一培训。"我们正让每个员工都能接触智能AI，"他说。这呼应了德勤(Deloitte)的研究，该研究发现，医疗保健领域领先的智能AI采用者更倾向于选择多智能体解决方案，重新设计端到-end工作流程，而非局限于狭窄的解决方案或个别用例。
关键似乎在于在整个企业范围内整合AI智能体，将其视为通用技术。正如Barad医生所说："将智能AI视为用例是错误的……它是一种通用技术，类似于电力。"
在实践中，这意味着医疗保健提供商需要建立正确的基础，以实现智能AI的价值。这包括创建统一的数据策略，整合组织内分散的数据源，创建单一、全面的真实数据源。在医疗保健领域，数据通常分散在多个部门和提供商之间，每个部门都有自己的传统IT系统。
在依赖碎片化数据源的系统中，指标往往也缺乏标准化定义。例如，Barad医生表示，他工作过的每家医院对"手术开始时间"——一个常用于衡量手术室效率的指标——都有略微不同的定义。这种碎片化阻碍了AI智能体从不同来源或应用程序检索信息，以及吸收使其区别于其他技术的隐性知识。
通过在HSS创建更大的数据互操作性，面向患者的AI智能体可以调用患者的临床护理历史和其临床医生的现有建议，将这些信息与当前症状结合，并决定是否需要升级情况，然后通知正确的专家并告知患者。
构建更好的结果
对Barad医生而言，AI智能体彻底改革医疗保健并缓解当前在资源、获取和患者护理方面的压力的潜力巨大。
他设想了一个未来，90%的非临床医疗保健任务可以由AI智能体管理，使临床医生能够专注于他所谓的"白手套"工作，即最复杂、最专业和最敏感的病例。
大多数医疗保健提供商似乎同样乐观。根据毕马威的研究，84%的提供商已经愿意将特定流程的决策权交给AI智能体。
Barad医生说："我们现在在键盘和计算机上花费了太多时间，实际上并没有做我们应该做的事情。这将重新人性化医疗保健。"
本文由MIT Technology Review的定制内容部门Insights制作，非MIT Technology Review编辑部撰写。它由人类作家、编辑、分析师和插图画家研究、设计和撰写。这包括调查问卷的撰写和调查数据的收集。可能使用的AI工具仅限于通过严格人工审核的次要制作过程。
【全文结束】