على مدار العام الماضي، كان الذكاء الاصطناعي محور المحادثات في مجال الرعاية الصحية. Même si le potentiel de l’IA pour révolutionner les soins de santé est évident, depuis la prestation des soins jusqu’à l’amélioration de l’efficacité opérationnelle et l’accélération de la recherche, de nombreuses organisations ne savent toujours pas par où يبدأ.
تحديات اعتماد الذكاء الاصطناعي في الرعاية الصحية
بالمقارنة مع الصناعات الأخرى، تحتاج صناعة الرعاية الصحية إلى اتخاذ المزيد من الاحتياطات عند اعتماد الذكاء الاصطناعي. إن الطبيعة شديدة التنظيم لعملنا والمتطلبات الهامة للحصول على أدلة لدعم المطالبات أو اتخاذ القرار تذكرنا بأن سلامة المرضى يجب أن تكون دائمًا أولوية.
يجب دراسة كل نموذج وحالة استخدام للذكاء الاصطناعي بعناية. ينبغي تدريب النماذج على مجموعات بيانات تمثيلية كبيرة تلتقط وجهة نظر أصحاب المصلحة المتعددين للمريض. بمجرد وضع الأساس الصحيح، يجب على قادة الرعاية الصحية والأطباء اعتماد أساليب شفافة للذكاء الاصطناعي بمساعدة الإنسان لضمان التنفيذ المسؤول.
بالإضافة إلى ذلك، يجب على المستخدمين التعامل مع كل نتيجة بمستوى معين من الحذر حيث تستفيد المؤسسات من السرعة والتحليلات المتخصصة لهذه التقنيات الناشئة. في حين قد تتبنى الصناعات الأخرى سير عمل “الطيار الآلي”، يجب على المتخصصين في الرعاية الصحية التعاون مع “مساعد الطيار” الخاص بالذكاء الاصطناعي. ينبغي اعتبار نتائج الذكاء الاصطناعي دقيقة على الأرجح، ولكنها ليست مؤكدة، حيث تعمل في المقام الأول بطريقة مساعدة لتحسين عملية صنع القرار من قبل الخطط الصحية أو مقدمي الخدمات أو الصيادلة أو الباحثين.
ومع ذلك، في بعض مجالات الرعاية الصحية، تعمل هذه الأنظمة بالفعل على تحسين النتائج السريرية والمالية. لقد تم تنظيم كميات هائلة من البيانات بشكل صحيح والاستفادة منها من خلال نهج تجريبي مشترك لتحويل طريقة عمل الرعاية الصحية.
فيما يلي أربعة مجالات يحقق فيها الذكاء الاصطناعي تحسينات ملحوظة في الرعاية الصحية.
#1: أتمتة مراجعة السجلات الطبية
بالنسبة للخطط الصحية، تعتبر مراجعات السجلات الطبية (MRRs) ضرورية لأداء تعديل المخاطر وتحسين رعاية الأعضاء. تعتبر MRR بشكل عام عملية شاقة ومكلفة. ويتطلب هذا موارد كبيرة ومراجعة بشرية يدوية، وهو ما يمكن أن يقوض دقة درجات المخاطر ويؤدي إلى نتائج صحية أسوأ، وارتفاع التكاليف، والإيجابيات الكاذبة ــ السجلات التي تبدو وكأنها تحتوي على شروط لترميزها، ولكنها في الواقع غير مؤهلة لتعديل المخاطر.
حتى الآن، كانت هذه هي الطريقة الوحيدة لاكتشاف التناقضات بين المستندات الطبية وبيانات المطالبات. ومع ذلك، فإن تقنيات الذكاء الاصطناعي والتعلم الآلي تحل محل الطبيعة اليدوية والمعرضة للأخطاء لـ MRR بنهج أفضل، يجمع بين الذكاء السريري ومعالجة اللغة الطبيعية (NLP) لإجراء الاختبارات بشكل أسرع وبدقة أكبر.
يمكن لهذه القوة المشتركة للذكاء الاصطناعي والبرمجة اللغوية العصبية تحليل السجلات الطبية للأعضاء المستهدفين وتحديد متى يكون التدخل ضروريًا، والقضاء على النتائج الإيجابية الكاذبة – التي تفقد الخطط الصحية موارد كبيرة بسببها كل عام. بفضل الحلول القائمة على البرمجة اللغوية العصبية والتعلم الآلي، يمكن للخطط الصحية الآن تقليل التكاليف التي يتم إنفاقها على MRR من خلال تركيز فريقها على الإيجابيات الحقيقية لتحسين دقة درجات المخاطر ونتائج الأعضاء.
#2: تحديد أخطاء التغطية المكلفة وإصلاحها
بالنسبة لمقدمي الخدمات، يعتمد دفع المطالبات في نهاية دورة إيراداتهم إلى حد كبير على دقة الواجهة الأمامية. ولكن عندما تكون تغطية المريض مفقودة أو غير صحيحة، يتأخر الوصول إلى الرعاية، وتزداد حالات الرفض النهائي، وتكون هناك حاجة إلى موارد إضافية لتصحيح المطالبات.
يساعد الذكاء الاصطناعي مقدمي الخدمات على بدء دورة إيراداتهم بشكل صحيح، وتحويل التحقق من الأهلية من عملية غير فعالة وعرضة للأخطاء إلى عملية سريعة وأكثر دقة ومؤتمتة. تفصل عمليات التقديم المدعومة بالذكاء الاصطناعي طلبات الأهلية الصالحة عن تلك التي تحتوي على معلومات مفقودة، وترسل فقط الطلبات التي تحتوي على جميع المعلومات المطلوبة إلى الخطط الصحية. تتلقى الخطط الصحية دفعات أكثر نظافة من المطالبات لمراجعتها، ويتم إرسال المطالبات غير الصحيحة مرة أخرى إلى المزود لتحديثها.
يتيح تطبيق الذكاء الاصطناعي والتعلم الآلي للتحقق من الأهلية لمقدمي الخدمات تصحيح الأخطاء المكلفة وإزالة العوائق التي تحول دون رعاية المرضى. فهم يحصلون على المعلومات التي يحتاجونها، بينما يستمتع المرضى بتجربة أفضل.
#3: تحسين الامتثال للأدوية
بالنسبة للصيدليات والمستشفيات، فإن عدم الالتزام بالأدوية يعد أمرًا مكلفًا، مما يمثل 10% من حالات العلاج في المستشفيات و 16% من الإنفاق على الصحة. بالنسبة للمرضى، فإن هذا يضعف فعالية خطة الرعاية الخاصة بهم.
تكمن مشكلة الالتزام بالدواء في عدم وجود آلية واحدة. قد لا يتبع المرضى خطة الرعاية الخاصة بهم لعدة أسباب، بدءًا من تكلفة الأدوية، أو عدم توفر وسائل النقل إلى الصيدلية، أو الآثار الجانبية السلبية، أو ببساطة نسيان تناول أدويتهم.
يجب على الصيادلة، الذين يعانون بالفعل من ضيق الوقت للتشاور مع مرضاهم، أن يتبعوا نهجًا فريدًا مع كل مريض لتقليل تكاليف عدم الامتثال وتحسين رعاية المرضى. ويساعدهم الذكاء الاصطناعي على مراقبة الالتزام بالأدوية وتحسينه من خلال تحليل بيانات المريض ذات الصلة، مثل التاريخ الطبي والخصائص الاجتماعية والاقتصادية، ومطابقة تلك البيانات مع معلومات الوصفة الطبية أو خطة العلاج الدوائية المعمول بها. النتيجة: احتمالية امتثال المريض تتنبأ بما إذا كان المرضى سيعيدون صرف وصفاتهم الطبية في الوقت المحدد أم لا، وتوصيات حول برامج امتثال المريض المستهدفة، مما يوفر للصيادلة كفاءة أكبر طوال يومهم ومزيدًا من الوقت لتخصيصه لاستشارات المرضى.
#4: تسخير قوة الذكاء الاصطناعي التوليدي
يمكن للذكاء الاصطناعي التوليدي تحويل العمليات الإدارية والسريرية عبر الرعاية الصحية من خلال تحليل وتلخيص كميات كبيرة من البيانات. وهناك بالفعل أمثلة على الذكاء الاصطناعي التوليدي الذي يساعد في تحديد الأمراض والتشخيصات، وبالتالي تحسين عملية صنع القرار لدى الأطباء والصيادلة ومقدمي الخدمات.
إن سعة وحجم وسرعة النماذج اللغوية الكبيرة تؤدي إلى تحقيق كفاءات لا تقدر بثمن في مجال الرعاية الصحية، مما يسمح لمقدمي الرعاية الصحية بقضاء المزيد من الوقت مع المرضى. وهذا يسهل الوصول إلى كميات كبيرة من البيانات، مما يسمح لصناع القرار بالبقاء على اطلاع دائم والتركيز على الشخص الذي أمامهم. يمكن أن يساعد الذكاء الاصطناعي أيضًا في إبقاء المستخدمين على اطلاع بمتطلبات العلاج وأفضل ممارسات الرعاية.
يعتمد نجاح الذكاء الاصطناعي على اتساع البيانات وعمقها وجودتها
يبدأ تتبع الاعتماد السريع للذكاء الاصطناعي بأساسيات البيانات المحددة جيدًا. ويعتمد التأثير التحويلي للذكاء الاصطناعي على جودة البيانات التي بنيت عليها النماذج، إلى جانب حالة الاستخدام المناسبة. نظرًا لأن النماذج اللغوية الكبيرة تعمل على تسريع استخدام الذكاء الاصطناعي والتعلم الآلي، يجب على مؤسسات الرعاية الصحية تنفيذ نماذج الذكاء الاصطناعي بشكل مسؤول وضمان بنية بيانات قوية، ونظافة البيانات، وإدارة البيانات بشكل جيد وآمن وصارم.
نظرًا لأن المزيد من تطبيقات الذكاء الاصطناعي والتعلم الآلي تعتبر آمنة وموثوقة في إعدادات الرعاية الصحية، يمكن للصناعة تحسين نتائج الرعاية الصحية والاقتصاد على نطاق واسع. يمكن للذكاء الاصطناعي أن يساعد المستخدمين على القيام بالمزيد وبشكل أسرع – وفي نهاية المطاف تحسين رحلة الرعاية للمرضى عبر سلسلة الرعاية المستمرة.
عن المؤلف
راجيش فيسواناثان هو الرئيس التنفيذي للتكنولوجيا في Inovalon. في هذا الدور، يقود السيد فيسواناثان ويكون مسؤولاً عن جميع جوانب استراتيجية التكنولوجيا والتصميم والتطوير والاختبار والإنتاج والبنية التحتية والعمليات والأمن والصيانة للشركة.
قم بالتسجيل مجانًا في insideBIGDATA النشرة الإخبارية.
انضم إلينا على تويتر: https://twitter.com/InsideBigData1
انضم إلينا على لينكد إن: https://www.linkedin.com/company/insidebigdata/
انضم إلينا على فيس بوك: https://www.facebook.com/insideBIGDATANOW
