Штучний інтелект в охороні здоров'я: обіцянки та виклики Microsoft Dragon Copilot

Штучний інтелект в охороні здоров'я обіцяє вийти за рамки автоматизації адміністративних завдань, прагнучи стати невід'ємною частиною клінічної та операційної досконалості. Хоча загальні рішення штучного інтелекту, безумовно, мають цінність, найбільш трансформаційні результати повинні бути отримані від додатків, спеціально розроблених для унікальних викликів, робочих процесів і можливостей сектору охорони здоров'я.

Microsoft Dragon Copilot: між обіцянкою та реальністю

Нещодавній анонс Microsoft про Dragon Copilot, помічника зі штучним інтелектом для клінічних робочих процесів, випуск якого заплановано на травень 2025 року, підкреслює прагнення компанії трансформувати сферу охорони здоров'я за допомогою штучного інтелекту. Це рішення поєднує в собі голосові можливості Dragon Medical One з технологією штучного інтелекту DAX Copilot, інтегрованою в платформу, призначену для боротьби з клінічним вигоранням і неефективністю робочих процесів.

Контекст: відповідь на виклики сектору

Dragon Copilot з'являється у критичний час для сектору охорони здоров'я. Рівень клінічного вигорання дещо знизився з 53% до 48% у період між 2023 і 2024 роками, але ключовою проблемою залишається постійний дефіцит персоналу. Рішення корпорації Майкрософт має на меті:

• Спрощення клінічної документації
• Забезпечення контекстного доступу до інформації
• Автоматизація повторюваних клінічних завдань

Попередні результати: між офіційними даними та реальним досвідом

За даними Microsoft, лише за останній місяць DAX Copilot допоміг провести понад три мільйони зустрічей з пацієнтами у 600 медичних установах. Медичні працівники повідомляють про економію п'яти хвилин на кожну зустріч, при цьому 70 відсотків лікарів відчули зменшення симптомів вигорання, а 93 відсотки пацієнтів помітили покращення якості обслуговування.

Однак досвід бета-тестерів показує більш складну реальність:

Обмеження у створенні клінічних нотаток

Багато лікарів, які тестували Dragon Copilot, повідомляють, що згенеровані нотатки часто занадто багатослівні для більшості медичних записів, навіть з усіма ввімкненими налаштуваннями. Як зауважив один з бета-тестерів:"Ви отримуєте дуже довгі нотатки, і важко відокремити "зерно від полови"".

Медичні розмови мають тенденцію перескакувати в хронологічному порядку, і Dragon Copilot має труднощі з організацією цієї інформації в послідовний спосіб, часто змушуючи лікарів переглядати і редагувати нотатки, що певною мірою суперечить призначенню інструменту.

Сильні та слабкі сторони

Бета-тестери вказують на певні сильні та слабкі сторони:

Сильні сторони:

• Відмінне розпізнавання назв ліків, навіть коли пацієнти неправильно їх вимовляють
• Корисний як інструмент для запису розмови та посилання на нього під час написання нотаток
• Ефективний для простих випадків і коротких візитів

Слабкі місця:

• Наявність "галюцинацій" (вигаданих даних), хоча загалом незначних (помилки щодо статі, років)
• Труднощі у визначенні відносної важливості інформації (розглядає всю інформацію як однаково важливу)
• Проблеми з організацією даних фізичного обстеження
• Зауважте, що час на доопрацювання зменшує обіцяні переваги ефективності

Лікар-бета-тестувальник підсумував свій досвід:"Для простих діагнозів він робить досить хорошу роботу з документування оцінки та плану, ймовірно, тому, що всі прості діагнози були в навчальному наборі. Для більш складних діагнозів, однак, він повинен бути продиктований саме лікарем".

‍

Функціональність і потенціал медичного ШІ

Підтримка прийняття клінічних рішень

Моделі штучного інтелекту, що спеціалізуються на охороні здоров'я, такі як ті, що лежать в основі Dragon Copilot, навчаються на мільйонах анонімних медичних записів та медичної літератури з метою:

• Виявлення закономірностей у даних пацієнта, які можуть вказувати на нові стани
• Запропонувати відповідні шляхи діагностики на основі симптомів та анамнезу
• Повідомлення про потенційні лікарські взаємодії та протипоказання
• Виділення відповідних клінічних досліджень для конкретних презентацій

Значним потенціалом, який підкреслив один з лікарів-користувачів, є здатність цих систем"поглинати медичну карту пацієнта в контексті і представляти лікарям ключову інформацію, яка інакше залишилася б поза увагою в гіпертрофованому безладі, яким сьогодні є більшість електронних медичних записів".

Оптимізація маршруту пацієнта

ШІ в галузі охорони здоров'я має потенціал для трансформації досвіду пацієнтів:

• Прогнозоване планування для скорочення часу очікування
• Створення індивідуальних планів догляду
• Проактивне визначення втручань для пацієнтів з високим ризиком
• Віртуальне сортування для направлення пацієнтів у найбільш підходяще середовище для надання допомоги

Комплаєнс і міркування щодо конфіденційності

Інтеграція інструментів штучного інтелекту, таких як Dragon Copilot, піднімає важливі питання комплаєнсу:

• Лікарі повинні включати відмову від відповідальності в примітки, що вказують на використання інструменту
• Пацієнти повинні бути заздалегідь поінформовані про те, що розмова записується
• Виникає занепокоєння щодо потенційного доступу страхових компаній до даних

Практичні виклики та наслідки на майбутнє

Делегована аргументація" та її ризики

Особливо делікатним аспектом, на який звертають увагу лікарі-практики, є потенційна "передача" міркувань від лікарів до інструментів ШІ. Як зазначає один лікар-ординатор, який також є експертом з інформатики:"Небезпека може полягати в тому, що це відбувається приховано, коли ці інструменти вирішують, що є важливим, а що ні".

Це піднімає фундаментальні питання про роль людського клінічного судження в екосистемі, яка все більше опосередковується штучним інтелектом.

Економічна ефективність та альтернативи

Критично важливим елементом, на який вказують кілька свідчень, є висока вартість Dragon Copilot порівняно з альтернативними варіантами:

Один користувач, який брав участь у бета-тестуванні, повідомляє, що через рік лише третина лікарів у його закладі все ще використовували цю програму.

‍

Кілька бета-тестерів згадали про альтернативи, такі як Nudge AI, Lucas AI та інші інструменти, які пропонують аналогічну функціональність за значно меншу ціну, а в деяких випадках і кращу продуктивність у певних контекстах.

‍

‍

Впровадження штучного інтелекту в охороні здоров'я: ключові моменти

Оцінюючи рішення штучного інтелекту для сектору охорони здоров'я, важливо враховувати наступні моменти:

1. Баланс між автоматизацією та клінічним судженням
   Рішення повинні підтримувати, а не замінювати клінічні міркування лікаря.
2. Кастомізація під конкретні спеціальності та робочі процеси
   Як зазначає один із засновників компанії, що займається медичним штучним інтелектом:"Кожен фахівець має власні уподобання щодо того, що важливо включити в примітку, а що слід виключити; і ці уподобання змінюються залежно від захворювання - те, що невропатолог хоче бачити в примітці про епілепсію, дуже відрізняється від того, що йому потрібно в примітці про деменцію".
3. Легкість корекції та нагляду з боку людини
   Втручання людини має залишатися простим та ефективним, щоб забезпечити точність нотаток.
4. Баланс між повнотою і синтезом
   Сформовані нотатки не повинні бути ні надто багатослівними, ні надто скупими.
5. Прозорість з пацієнтами
   Пацієнти повинні бути поінформовані про використання цих інструментів та їхню роль у процесі лікування.

Висновок: На шляху до збалансованої інтеграції

Такі інновації, як Dragon Copilot від Microsoft, є значним кроком в інтеграції ШІ в охорону здоров'я, але досвід бета-тестерів показує, що ми все ще перебуваємо на ранній стадії, і нам належить подолати багато проблем.

Майбутнє ШІ в охороні здоров'я вимагатиме тонкого балансу між адміністративною ефективністю і клінічним судженням, між автоматизацією і відносинами між лікарем і пацієнтом. Такі інструменти, як Dragon Copilot, мають потенціал для полегшення адміністративного навантаження на лікарів, але їхній успіх залежатиме від їхньої здатності органічно інтегруватися в реальні клінічні робочі процеси, враховуючи складність і нюанси медичної практики.

Справжні вертикалі vs фейкові вертикалі: ключ до успіху в AI в охороні здоров'я

Важливим аспектом, який слід завжди враховувати, є різниця між "справжніми вертикалями" і "фальшивими вертикалями" в галузі ШІ в охороні здоров'я та штучного інтелекту загалом. "Справжні вертикалі" - це рішення, розроблені з нуля з глибоким розумінням специфічних клінічних процесів, спеціалізованих робочих процесів і особливих потреб різних закладів охорони здоров'я. Ці системи включають знання предметної області не тільки на поверхневому рівні, але і в самій архітектурі та моделях даних.

‍

На противагу цьому, "фальшиві вертикалі" - це, по суті, горизонтальні рішення (такі як загальні системи транскрипції або LLM загального профілю) з тонким шаром персоналізації медичної допомоги, нанесеним зверху. Ці системи, як правило, виходять з ладу саме в найскладніших і найрізноманітніших сферах клінічної практики, про що свідчить їхня нездатність розрізняти відносну важливість інформації або адекватно організовувати складні медичні дані.

‍

Як показують відгуки бета-тестерів, застосування загальних мовних моделей до медичної документації, навіть за умови навчання на медичних даних, не є достатнім для створення дійсно вертикального рішення. Найефективнішими, ймовірно, будуть рішення, розроблені за безпосередньої участі медичних фахівців на кожному етапі проектування, які вирішують специфічні проблеми медичної спеціальності та інтегруються в існуючі робочі процеси нативно.

‍

Як зауважив один лікар-бета-тестувальник:"Мистецтво" медицини полягає в тому, щоб перенаправити пацієнта на надання найбільш важливої/релевантної інформації". Ця здатність розрізняти залишається, принаймні поки що, суто людським надбанням, що свідчить про те, що оптимальним майбутнім, швидше за все, буде синергетична співпраця між штучним інтелектом і людським клінічним досвідом, зі справді вертикальними рішеннями, які поважають і посилюють медичний досвід, а не намагаються замінити або надмірно стандартизувати його.