现在电子健康记录（EHRs）已经普及，为什么其他行业在个性化方面仍然远远领先于医疗保健？没有人比我们的医疗服务提供者更了解我们，但他们往往不利用这些电子信息来帮助患者或自己。要让医疗保健至少像亚马逊的产品推荐一样个性化，需要做些什么？
EHRs和更好的设备与系统之间的通信确实有所帮助。我们可以支付医生就诊的共付额，续开处方药，使用各种设备跟踪生命体征，这些设备的数据可以越来越多地相互交换。我们可以在预约前一晚办理登记手续，而不用提前15分钟到达填写又一份纸质表格。医生可以轻松回顾我们在上次就诊时讨论的内容，EHR可以给出可能的诊断建议、需要进行的检查或基于体检结果和症状描述的最佳治疗方案。
但还有很长的路要走。虽然零售商、旅游公司、银行和经纪公司使用我们的个人信息来精细调整他们提供的产品和服务（精细到近乎跟踪的程度），但我们的医疗服务提供者仍然给我们一页又一页的标准术后指导，这些指导很少考虑到我们通常非常具体的健康需求。每个选择性手术的患者都可能接受医院的标准术前检查清单，即使他们在一两周前刚刚进行了相同的检查且结果仍然有效，或者即使外科医生并不需要每个患者都进行所有检查。
2021-2022年，Lumeon公司（其中一位作者Robbie领导的公司）分析了一个医疗系统中近20,000例门诊手术病例，发现约70%的患者不需要一个或多个“标准”术前检查，因为结果已经在医疗系统的文件中，或者标准订单集过于保守。进一步的分析显示，三分之一的手术延迟和取消是因为实验室结果未能及时返回或未被审查。如果这一经验在所有提供者中普遍适用（研究显示不必要的检查很常见），那么我们正在大规模地推迟或取消手术，以便等待那些对我们的健康或护理质量毫无贡献的服务。
此外，嵌入EHR软件中的诊断和治疗协议无法总是适应健康状况的变化，或考虑患者的并发症条件或社会情况（例如，患者是否有交通方式前往预约，或是否有食物来遵循特殊饮食），即使他们的记录中可能包含所有这些信息。一项关于癌症护理路径的研究发现，65%的癌症患者接受了标准路径的治疗，35%没有。路径是一种详细、基于证据的治疗协议，指导特定类型癌症患者的护理，从初次诊断到临终关怀。路径描述了要使用的具体药物、放射治疗方案和手术程序。此外，使用路径治疗的患者比例从2018年的74%下降到2021年的60%。这就像旅行中不能根据天气、加油需求或沿途访问某人的愿望改变路线一样。难怪临床医生不会充分利用这些有缺陷的“地图”，也不信任它们。
解决方案
需要的是智能流程自动化，利用人工智能工具找到并使用适用于特定场景的每一条信息，结合标准化和个性化，创建最有效和响应最快的护理。
这种需求不仅对患者至关重要，也对提供者至关重要。医疗系统面临压力。他们面临着来自具有成熟运营的新进入者的竞争，如私募股权支持的初级保健集团和拥有门诊手术中心的外科医生。感觉不被医疗系统“认识”的患者可能看不到集中护理的优势，而是根据价格、位置或良好的Yelp评论选择提供者。付款方继续向价值导向的报销模式转变，奖励改善患者健康的提供者，而不仅仅是提供一定数量的服务。我们解开的每一个基因组之谜都会创造新的机会和新的压力，使护理更加个性化。
智能流程的示例
以选择性手术为例。了解手术和患者情况后，由AI驱动的流程自动化可以识别哪些检查和其他类型的护理已经完成，哪些需要进行，下订单，确认检查已安排和完成，并跟踪结果。它可以结合所有这些结果，确认患者可以接受手术，然后在结果仍然有效的窗口期内为患者提供手术时间。如果患者愿意，系统甚至可以将他们列入较早时段的候补名单，并在患者能够遵守术前指示（如午夜后禁食）的时间内提供时间表更改。
所有这些例行程序，由每位患者的独特信息告知，并在获得更多信息时适应变化，都可以在后台完成，释放临床医生和文员的时间，让他们回答复杂的问题、提供心理支持等需要人性化处理的任务。
一家医疗系统与Lumeon合作实施了上述示例，结果令人印象深刻。事实证明，在使用智能自动化分析每位患者的具体情况后，89%的患者可以通过某种形式的数字通信或例外情况升级到简短的澄清电话来进行充分的术前准备，而不需要亲自就诊或进行全面的术前检查。护理团队可以将时间花在真正需要的病例上，从而让患者更满意，护理团队更快乐，护理效果更好。
事先授权——每个提供者后办公室的噩梦——也适合重新设计。预测模型可以识别患者可能需要的诊断测试、程序或药物，并在提供者下达订单之前自动请求付款方批准。例如，如果患有腰痛的患者已经完成了完整的物理治疗课程但没有改善，那么腰椎MRI可能是可预见的下一步。预先获得付款方的批准将使痛苦的患者和临床医生感到宽慰。
建立模块
实现这些创新所需的构建模块已经到位，包括：
数据的日益丰富
正如前面提到的，EHRs的广泛采用、可穿戴设备的使用以及对健康的社会决定因素（如食品和交通的获取）的数据收集，都导致了可用于实现个性化护理的数据的数量和质量显著增加。例如，计划患者术后治疗的过程可以考虑到患者独自生活的情况，并安排在专业护理机构住院，随后提供家庭帮助。
这些数据还可以为患者的选择提供信息。当今医疗保健的一个不幸特点是许多常见干预措施缺乏客观证据，即使存在证据，也可能没有引起办公室临床医生的注意。因此，患者必须依赖医生的直觉，而在某些情况下，医生的直觉可能并不比患者自己的直觉更好。
智能自动化工具可以汇集与特定患者情况最相关的可用证据，允许他们选择既有效又能最大限度提高生活质量或改善遵循治疗路径可能性的治疗选项。每位患者的经验可以添加到他们选择的治疗的证据基础中，使所有患者都能做出更好的选择。
模块化流程
早期的纸质和计算机化的临床决策支持系统和护理路径描述了治疗特定疾病的最佳方法，使用了包含数十个甚至数百个互连分支和计算的复杂逻辑模块。例如，一种疾病的路径可能有一个基于年龄调整护理的逻辑分支，另一个分支可能突出如果检测结果异常高应考虑的治疗方法。许多分支和计算通常硬编码在一起，形成一个非常大的路径或护理模块，整体上难以理解，维护起来也非常困难。这种复杂性在癌症患者和多种慢性病患者护理中尤为常见。这些路径看起来像显示每个神经元的人脑图。
最近的设计创新将这些复杂的图形分解为更小、更易管理的模块，这些模块可以在患者护理进展之前或动态地组装。这种方法称为模块化，类似于大规模个性化，使路径更适应特定上下文，显著减少了维护和更新的难度。
例如，护理指南可能会纳入新的建议，即45岁或更早（如果有肠病或结肠癌家族史）安排第一次结肠镜检查。传统上，影响此类指南的新研究可能需要十多年才能反映在一般护理建议中。然而，采用模块化过程的智能自动化可以更快、更容易地纳入新的风险因素和更新建议。
更深入的流程设计理解
医疗服务提供者比以往任何时候都更了解如何设计流程以优化护理并影响患者的选择。这些理解包括使用“助推”来影响个人的选择选项，重新设计分配工作的方法，根据医疗专业人员和患者的才能和能力，以及将流程自动化集成到护理团队的工作流程中的选项。
人工智能的应用
人工智能总体上具有从经验中学习并根据学习指导流程的能力。它可以分析影响流程结果的许多变量，并提出新的流程设计，根据这些变量个性化护理，扩展流程逻辑，使其远远超出以前认为实用的范围。
例如，预测算法可能显示，尽管糖尿病控制良好，但由于多种变量的复杂交互作用，患者仍处于进展为管理不良的糖尿病的风险中。它可能表明风险程度（高、中、低）以及导致风险评分的因素。这些因素的识别将帮助临床医生和患者了解在哪里需要药物和生活方式的改变，风险评分将确定干预的紧迫性。
不久的将来，我们预计当需要人类决策时，生成式AI将能够总结决策者需要的数据。它将能够编写具有所需细微差别的消息，以诱导临床医生和患者在流程要求他们做某事时有效响应。例如，生成式AI可能会总结患者的社交情况，并提供可能有帮助的社会服务链接，甚至主动协调这些服务作为独立的自主代理。
最后，AI可能在某些众所周知的限制内决定选择哪条道路，而人类则负责那些缺乏证据或人类判断仍然是护理标准的领域。
入门指南
提供者应该如何开始智能流程自动化和更好个性化的旅程？除了围绕这些项目通常的规划过程（分配资源、建立指标、获得员工支持等），我们建议两个具体的起点：
识别高量且失败时影响巨大的流程
例如，预约是一个频繁的痛点，可能会让患者感到沮丧，以至于放弃当前的提供者转投流程不那么烦人的提供者。目前可能需要一个小时或更长时间的流程，通过智能自动化可以压缩为患者门户上的几次点击，解释患者的意图，将其与她的EHR信息协调，并将她发送到离家最近且最早有空档的专业医生那里。患者忠诚度和保留率的提升可能难以量化，但我们不想成为市场上最后一个进行这一变革的提供者。
在组织层面，患者出院计划涉及多个决策点，微小的变化可能会对昂贵的流程产生重大影响。晚半小时进行的实验室测试或MRI可能导致患者额外住院一晚或床位腾空过晚，导致急诊科出现积压。智能自动化可以从患者入院开始生成护理计划，并按分钟管理，将其与所有其他患者的护理计划整合，确保临床和非临床活动以最高效的方式协调。
建立通过一致流程收集的可靠数据基础
当前的护理交付充斥着临床医生重复基本数据收集活动的例子，因为他们不能信任现有的数据。许多AI模型是在多年不一致的流程中收集的数据上训练的，试图在我们知道不可靠的数据上进行预测。因此，我们必须投资于了解我们如何收集数据，然后利用这种理解消除不一致并建立一个新的、干净的数据集。
明确地说，我们知道这将是一段漫长的旅程，围绕人工智能的炒作几乎肯定会导致失望和幻灭，因为我们的行业认识到这条道路比我们想象的要艰难得多。即使我们上面描述的相对有限的转型也不会一夜之间发生，也不会特别性感。最好的情况是，它将使我们的医疗保健达到今天在线购物或银行所享受的个性化水平。但考虑到这种程度的转型可以如何大幅改善每个人的健康，我们认为这已经足够了。
(全文结束)
