Следующее испытание ИИ в здравоохранении — интеграция

Крупные ИИ-компании действительно решают технические задачи здравоохранения. Однако руководителям отрасли важно различать способности модели и способность системы работать в реальных операционных процессах.

Административные трудности здравоохранения связаны с разрозненными данными, рабочими процессами и зонами ответственности. За десятилетия отрасль вложилась в системы, которые фиксируют отдельные виды активности:

Каждая из этих систем хранит важные сведения. Но немногие из них рассчитаны на анализ всей цепочки решений, от которой зависит своевременный доступ пациентов к помощи, наличие у врачей нужной документации и корректная оплата услуг поставщикам. Именно с этой проблемой теперь должен справиться ИИ.

Цикл доходов как испытание для ИИ

Цикл доходов — это процесс, с помощью которого медицинские организации получают оплату за лечение: от записи пациента и регистрации до кодирования, выставления счёта, взаимодействия со страховщиком и взыскания платежа.

Эта область особенно подходит для системного внедрения ИИ, поскольку в ней сочетаются:

Кроме того, цикл доходов находится на пересечении финансовых показателей, доступа пациентов к помощи и нагрузки на административные команды.

На один страховой счёт могут влиять:

Сбой в любой из этих областей способен привести к последствиям через несколько недель или месяцев.

Поэтому универсальная автоматизация часто не справляется. Традиционная роботизированная автоматизация процессов хорошо работает при стабильных сценариях и предсказуемых правилах, но в медицинской администрации условия постоянно меняются. Требования страховщиков обновляются, ожидания к документации меняются, а исключения встречаются часто и могут существенно влиять на результат.

Большие языковые модели улучшают отдельные этапы работы: извлекают смысл из повествовательного текста, резюмируют записи и помогают рассуждать по сложной документации. Но сами по себе они сохраняют важные ограничения. Модель может выдать правдоподобный результат без достаточной объяснимости, не учитывать ограничения конкретного рабочего процесса или упустить историю взаимодействия с определённым страховщиком — хотя именно она может определить, изменит ли действие итог.

Почему базовых моделей будет недостаточно

Крупные ИИ-компании решают реальные технические задачи здравоохранения.

Более длинное контекстное окно упрощает обработку медицинских записей за длительный период. Улучшенное рассуждение помогает разбирать сложные клинические ситуации. Более развитые мультимодальные возможности со временем могут связать текст, изображения, структурированные данные и клинические сигналы. Более безопасное поведение моделей и настройка под здравоохранение будут способствовать их распространению.

Эти способности ускорят работу, сделают её более последовательной и упростят навигацию по данным. Но сами по себе они не устранят глубоко укоренившуюся административную сложность.

Большая часть операционных знаний здравоохранения находится не в общей медицинской литературе, руководствах по кодированию или открытых рекомендациях страховщиков. Она накапливается в реальных последствиях уже принятых решений. Например:

Такие сведения связаны с поведением участников, операционными процессами и изменениями во времени. Они формируются годами работы с операциями, результатами, исключениями и решениями сотрудников.

По мере развития базовых моделей доступ к основным медицинским знаниям будет давать всё меньше преимуществ. Большинство передовых систем смогут интерпретировать коды ICD-10, распознавать медицинскую терминологию, резюмировать политики страховщиков и рассуждать по открытым клиническим критериям.

Долговременное преимущество будет зависеть от того, как организации объединяют интеллект модели с:

От автоматизации к оркестрации

Оркестрация ИИ-агентов превращает понимание базовой модели в согласованные действия. Такая система может сопровождать работу в разных системах, применять нужные правила, адаптироваться к изменениям и учитывать последующие результаты.

Например, процесс предварительного согласования может включать:

Такой процесс требует координации и ограничителей: нормативных требований, стандартов конфиденциальности, клинических политик, правил кодирования, критериев страховщика и порогов риска, установленных организацией.

Один из перспективных подходов — гибридная архитектура, которая объединяет большие языковые модели со структурированными базами знаний, символьной логикой, обучением с подкреплением и детерминированными слоями проверки.

В Ensemble этот принцип лежит в основе EIQ — системы интеллектуального управления циклом доходов. EIQ объединяет операционные действия, медицинскую документацию, поведение страховщиков и результаты возмещения в постоянно обучаемый интеллектуальный слой, интегрированный с электронной медицинской картой больницы.

Система дополняет основную систему учёта интеллектуальным слоем: связывает сведения и показывает действия, которые с наибольшей вероятностью улучшат результат.

EIQ использует нейросимвольный подход, объединяющий большие языковые модели и специализированные малые языковые модели с рассуждением на основе правил. Архитектура построена на одном из наиболее полных наборов данных в здравоохранении. В нём учтены более десяти лет операционной работы, отмеченной наградами, история операций, поведение страховщиков и решения операторов.

Языковые модели помогают интерпретировать сведения и формировать понятные человеку результаты. Символьный слой описывает политики, правила, требования страховщиков и ограничения рабочих процессов. Благодаря этому система может:

Что будет востребовано в ближайшее десятилетие

Вклад крупных ИИ-компаний в здравоохранение будет значительным. Их модели станут быстрее, безопаснее, функциональнее и доступнее.

Однако в ближайшее десятилетие развитие ИИ в здравоохранении будет определять интеграция с процессами. Наибольшую ценность создадут организации, которые соединят модели с контролируемыми данными, рабочими процессами, отраслевой экспертизой, надзором людей и измеримыми результатами.

Интеллект для здравоохранения не может существовать в отдельном интерфейсе. Он должен быть встроен в решения, которые влияют на доступ пациентов к помощи, медицинскую документацию, возмещение расходов и опыт пациента.

Материал подготовлен Ensemble, а не редакцией MIT Technology Review.