克服人工智能实施障碍：解决医疗组织投资回报担忧的策略
人工智能（AI）在美国的医疗组织中应用日益广泛。AI能够协助诊断成像和行政任务，从而提高护理质量并加快工作速度。然而，许多管理者（如行政人员和IT经理）发现很难让AI充分发挥作用，他们担心在AI上的投入是否值得。衡量AI带来的财务收益和效益仍然是一个重大问题，这往往减缓了其应用进程。
美国医疗领域AI角色的增强与ROI挑战
预计从2024年到2032年，生成式AI市场将增长1800亿美元，这表明包括医疗在内的多个行业希望使用AI。最近的一项调查显示，去年美国89%的医疗组织使用了AI工具。但仍有69%的医疗领导者表示，他们没有看到AI带来的明显财务收益。这一差距使人们对未来在AI上投入更多资金持谨慎态度。
以下是几个难以衡量AI在医疗领域回报的原因：
- 多样化的绩效指标： 不同的地方使用不同的方法来检查AI的效果。一些关注患者结果，另一些则关注工作效率、收入或员工表现。这使得比较结果变得困难。
- 集成复杂性： 许多医院拥有老旧的IT系统，新AI工具不容易与这些旧系统兼容，尤其是电子健康记录和成像工具。
- 劳动力和文化挑战： 一些工人害怕失去工作或不了解AI工具，这阻碍了顺利采用。
医疗组织采用AI的常见障碍
1. 领导惰性和缺乏明确战略
许多领导不愿改变现状，这阻碍了AI项目的推进。如果没有强有力的领导，AI努力可能会失败或无法充分发挥潜力。只有25%的公司有明确的AI战略。这是一个问题，因为正确使用AI是有益的。
INCITE的Dan Brassington表示，领导者需要在整个组织中明确支持AI。否则，项目可能浪费金钱和时间。他举了一个卫生系统花费超过7500万美元却停滞AI工作七年之久的例子。
2. 对未知的恐惧和文化抵抗
在美国许多医疗机构中，工作人员担心AI会抢走他们的工作。这种恐惧使他们不太愿意接受AI。哈佛商学院的一项研究表明，91%的AI使用问题来自文化问题，而不是技术问题。
医疗领导者应该解释，AI是用来帮助人们更好地完成工作，而不是取代他们。公开AI的作用及其如何帮助患者可以缓解工人的恐惧。
3. 数据质量和可用性
AI需要大量干净、有序的数据才能良好运作。许多医疗团体面临数据不准确或不完整的问题，这限制了AI的能力。
Bernard Marr表示，制定良好的数据管理规则非常重要。医院应专注于清理数据、检查质量和以相同方式收集数据，以帮助AI更好地工作。
4. 与遗留系统的技术集成
将新的AI工具连接到旧系统（如电子健康记录、计费程序和诊断设备）是很困难的。这可能导致昂贵的IT工作或变通方案，从而延缓AI的好处。
为了解决这个问题，IT团队使用编程接口（API）和中间件。这些允许逐步添加AI，而无需完全更改旧系统。
5. 高昂的实施成本和有限的财政激励
AI技术、升级、培训和维护可能非常昂贵。较小的诊所和医院尤其感受到这种成本压力。此外，像Medicare这样的机构很少有支付使用AI的项目，这使得衡量ROI变得更加困难。
Vizient的Adam Fairbourn表示，较老的工具如PACS之所以流行是因为有付款激励措施。类似的付款计划可能有助于AI在成像和其他临床领域的应用。
解决医疗领域AI ROI担忧的策略
设定明确的目标和可衡量的KPI
为了有效使用AI，组织应设定符合其主要优先事项的明确目标。他们需要找到AI可以帮助的具体问题，例如：
- 减少患者来电等待时间
- 提高诊断准确性
- 加快索赔处理
- 减少行政工作
他们还应创建关键绩效指标（KPI）。这些可以是平均呼叫等待时间、诊断错误数量或员工加班小时数等。KPI有助于衡量AI的表现。
Dr. Nici Sweaney建议了一个五步计划，该计划从明确目标和可衡量的KPI开始。这有助于跟踪AI结果并随着时间推移改进其使用。
从小型试点项目开始
与其立即全面使用AI，不如从小型项目着手，专注于某些任务。试点项目让医院以安全的方式看到AI的好处。它们也更容易说服他人进行更多投资，并减少对成本的担忧。
MBA的James Stanton表示，试点项目帮助人们在花费大量资金之前了解AI问题。这为更大规模使用AI奠定了良好基础。
通过培训建立内部AI专业知识
由于AI专家不多，医疗组织需要对其员工进行良好培训。他们可以与学校合作或聘请外部帮助填补知识空白。
教员工AI的工作原理及其如何帮助他们的工作让他们更放心。培训计划还确保员工了解与AI相关的规则和伦理。
促进透明沟通和信任
医生和员工需要知道AI工具如何改变患者护理。Dr. Elizabeth Mack表示，应告知患者何时使用AI，以便他们同意或拒绝。这建立了信任。
关于AI如何帮助员工的内部沟通也消除了困惑，使采用更加容易。
实施稳健的治理和伦理框架
处理AI中的公平、隐私和偏见问题非常重要。专家表示，医疗团体必须有明确的政策来监控AI的表现并遵循规则。
这些政策保护患者和员工。它们还帮助组织中的更多人信任AI工具。
AI和医疗运营中的工作流程自动化
AI在医疗中的一个常见用途是自动化前台工作以更快地工作并更好地处理患者沟通。例如，Simbo AI等公司创建了AI电话系统来接听电话并帮助安排预约。
以下是AI工作流自动化的重要性：
- 减少人员短缺： 许多医疗机构，尤其是在前台，缺乏足够的工作人员。AI接听系统可以全天候工作，管理预约、回答问题并处理紧急请求。这使员工能够专注于更复杂的任务。
- 改善患者访问和满意度： 自动化电话减少了等待时间并始终提供准确的答案。BCG的一项研究发现，AI帮助客户问题解决速度快了14%，任务完成率提高了12%，使操作更加顺畅。
- 降低运营成本： 自动化通过减少日常电话和文书工作的劳动力节省了资金。Vizient的Kim Wenger表示，服务领域的自动化可以长期节省资金而不降低质量。
- 增强数据收集和洞察： AI系统跟踪通话和患者对话。这些数据有助于检查服务效果以及需要改进的地方。
- 支持合规和文档： AI电话和虚拟助手可以记录患者请求和批准。这降低了风险并帮助遵守法律。
工作流自动化不仅仅限于电话。机器人过程自动化（RPA）等工具加速了计费、排程和文书工作。光学字符识别（OCR）和大型语言模型（LLMs）帮助更快地分析文件。
通过逐步添加这些AI工具，医疗团体可以使运营更高效、以患者为中心，同时逐渐看到可衡量的ROI。
克服变革管理挑战以实现AI成功
处理变革对于AI的成功至关重要。由于91%的AI问题来自文化而非技术，医疗必须使用好方法：
- 早期参与利益相关者： 在规划AI项目时包括医生、护士、管理人员和IT员工。这获得想法并降低阻力。
- 解决对失业的担忧： 明确表示AI是一个帮助员工的工具，不会抢走工作。提供新技能培训可以减少担忧并保持士气高昂。
- 发展创新友好的文化： 鼓励尝试新事物并接受一些失败作为学习的一部分。Bernard Marr表示，一种接受风险的文化有助于AI使用增长。
- 维持持续反馈循环： 建立让员工对AI工具提供反馈并快速解决问题的方式。
平稳的文化变革减少了延误，创造了一个AI支出可以显示良好回报的环境。
美国医疗组织考虑AI的关键要点总结
- AI使用正在快速增长，但不明确的ROI阻止了更多支出。几乎十分之七的领导者表示ROI是最大的问题。
- 良好的领导和明确的AI计划，具有可衡量的目标，是成功所必需的。
- AI在小型项目中效果最佳，这些项目专注于重要任务并带来早期胜利。
- 数据质量、规则和将AI链接到旧系统必须是充分利用AI的首要任务。
- 对工作和文化的担忧需要清晰的沟通和关于AI如何帮助人们工作的教学。
- 公平、隐私和偏见规则建立了患者和员工的信任。
- 自动化工作流程，如AI电话系统，有助于解决人员短缺问题并改善前台工作，同时降低成本。
- 通过参与、教育和支持进行变革管理是持久AI采用的关键。
美国的医疗组织有许多机会通过AI改善其工作方式、患者护理和财务管理。通过专注于清晰的计划、领导支持、培训、伦理规则和自动化的解决方案，领导者和管理者将能看到AI投资的价值并在未来取得更好的结果。
(全文结束)
