医疗保健是一个复杂且分散的领域，长期以来一直被遗留系统和法规所拖累。
如果这听起来像是创新的良方，那你可能需要去检查一下耳朵了。
该行业在现代化方面的长期制度惰性——不仅涉及护理业务本身，还包括支持它的行政工作流程和程序——或许正开始解冻。
原因何在？主动性人工智能（agentic artificial intelligence）的演进，这是这种热门软件技术最新、自主迭代版本。
Autonomize AI首席执行官Ganesh Padmanabhan在由PYMNTS首席执行官Karen Webster主持的一次讨论中表示：“我们正处于历史上的一个独特时刻。直到大型语言模型出现之前，从复杂的医学临床文档中提取信息并将其情境化以适应不同工作流程是不可能的。现在，这已经变得可行。”
尽管如此，Webster指出，无论主动性AI在关键领域的实际成果如何，它已成为最新的热议话题。
“以前是生成式AI，现在是主动性AI，”她说，“但这仍是一项新兴技术。为什么现在是将其应用于医疗行业的时候？毕竟很多医疗机构仍在努力掌握基本的自动化。”
Padmanabhan回应道：“医疗是知识密集型行业之一。数据通常是由人类创建并供其他人类使用的，这使得自动化变得更加困难。”
医疗行业的核心问题在于沉重的行政负担。据估计，在美国，每年用于医疗管理的支出高达1.5万亿美元，这一成本导致护理延误、临床医生倦怠以及患者体验不佳。
用主动性AI瞄准“护理业务”
Autonomize AI并未试图一次性解决医疗保健的所有方面，而是聚焦于Padmanabhan所称的“护理业务”。这包括支撑护理交付的隐形框架，例如保险审批、质量报告和患者沟通等。
Padmanabhan表示：“我们的重点是构建AI助手、副驾驶和代理工具来增强劳动力。医疗行业中常被忽视的两类人是提供护理的医生和接受护理的患者。我们要把他们重新置于中心位置。”
其中一个例子是事先授权流程，这是一个复杂而手动的过程，医生需要向保险公司申请批准某些医疗程序。这个过程通常涉及传真、长达数周的延迟以及护士和医生无休止的审查，最终使患者陷入困境。
Padmanabhan说：“整个过程需要几天甚至几周的时间，而且极易出错。我们的目标是自动处理信息输入，解析医疗记录中的信息，根据政策进行裁定，并总结出来，以便临床医生在几分钟内做出决策。”
正如Webster所指出的痛点：“当医生说‘我希望你去看XYZ医生’时，你会以为这通电话会很快打过去，但事实并非如此。你必须亲自跟进。这一负担又回到了患者身上。”
在高风险环境中建立信任
对于医疗企业而言，减轻临床医生的行政负担不仅关乎生产力，还关乎使命感。
Padmanabhan表示：“医疗服务提供者面临着30万名护士的短缺。大多数护士都在健康计划部门从事文书工作。我们需要帮助他们过渡到真正应该做的事情，即在护理点提供护理。”
然而，自动化医疗工作流程并不像按下开关那么简单。
Padmanabhan说道：“这是一个难题。医疗数据尚未完全数字化，知识也存在缺口。”
Autonomize AI的解决方案是部署“副驾驶”，这些工具能够识别工作流程中哪些部分可以自动化，然后协调AI与人类工作者之间的无缝交接。随着时间推移，这些系统会根据现实世界的使用情况不断学习和改进。
信任是关键所在。
Webster指出了错误输出的风险：“在临床环境中，犯错的后果可能是非常严重的。你们如何构建这些制衡机制？”
Padmanabhan回答：“必须通过产品来建立信任。展示证据、出处，并允许临床医生追溯源数据至关重要。”
主动性AI在医疗领域的长期愿景不仅仅是优化现有流程，而是重新定义成功。
Padmanabhan总结道：“我们国家做的不是医疗保健，而是疾病治疗。我们需要从衡量死亡率转向追踪有多少预防性干预措施减少了慢性病的发生。”
(全文结束)
