临床护理中AI的应用是首席医疗官（CMO）和临床领导者的首要关注点。以下是他们分享的八个洞见。
关键要点
- 确定临床护理中AI工具的投资回报率是一个主要挑战。
- 在临床护理中，AI工具不会取代临床医生，但会简化护理流程。
- 捕获医患互动并生成文档的环境监听技术是AI在临床护理中的一个重大胜利。
- HealthLeaders临床护理AI大师计划今天达到了一个里程碑，医疗保健提供商高管在亚特兰大讨论了关键的机会和挑战。
- 在今天的面对面会议之前，来自10个卫生系统和医院的高管进行了多次虚拟电话会议，并与HealthLeaders编辑合作撰写了关于其组织如何采用和管理AI工具的故事。该计划将在年底前结束，并发布最终报告。
- 确定AI工具的投资回报率是在今天的活动中讨论的一个紧迫问题。
“有几个领域AI的投资回报率是100%明确的，”爱荷华大学健康护理首席健康信息官James Blum博士说。“在编码方面，投资回报率非常明确。通过基于AI的编码，我可以降低我的索赔拒绝率。临床文档改进也有投资回报率。”
MedStar Health高级副总裁兼首席创新官William Sheahan认为，将AI视为基础设施是医疗系统确定投资回报率的正确策略。“对于编码等任务，你可以找到第三方并将他们的工具连接到你的数据基础设施中，从而产生投资回报率，”Sheahan说。
准备人员和流程
从AI工具中获得投资回报涉及准备员工和领导者从技术中受益，Sheahan解释道。“我们有一整套工作内容是关于人员和流程，培训临床医生、后台工作人员、管理员和领导者如何使用AI来提高效率，”Sheahan说。“最终，这将是随着时间推移交付投资回报率的关键。我们可以使我们的业务更加高效。”
AI对临床医生的影响
今天活动的一个热门话题是AI对临床医生的影响以及他们在医院和卫生系统中的角色。参与者表示，AI极不可能取代临床医生。“你总是需要临床医生，”Providence执行副总裁兼首席临床官Hoda Asmar博士说。“AI永远不会取代临床医生，但它会影响临床医生的工作内容。AI可以提供简化并使提供护理的人更轻松。”
参与者的机会
参与的卫生系统和医院认为，临床护理AI大师计划是一个宝贵的机会。“我们讨论了AI变化的速度有多快，以及大量信息的涌现，”OSF HealthCare数字创新开发副总裁Roopa Foulger说，“当你与处理相同问题的从业者合作时，你可以分享想法并避免潜在的陷阱。”
除了确定AI工具的投资回报率的困难外，大师计划还关注了几个其他令人望而生畏的挑战，包括在正确的临床领域应用AI和解决成本问题，Asmar说。“另一个部分是让AI真正受益于最应该受益的人。”Asmar说。“我们需要理解，前线的临床医生和护理团队需要从AI中看到一些好处。他们需要感觉到事情正在变得更好，而不是像电子健康记录（EHR）带来的困扰那样。”
虚拟电话和HealthLeaders故事的洞见
作为临床护理AI大师计划的一部分，HealthLeaders与参与的高管进行了多次虚拟电话会议，并在HealthLeaders在线故事中介绍了每位高管。以下是这些虚拟电话和故事的主要主题和发现：
- 投资回报率难以捉摸：许多小型项目显示出早期成功，但这并没有转化为可扩展性和可持续性。平衡财务投资回报率和临床投资回报率（后者可能需要更长时间才能发展）是一个挑战。
- 环境监听技术的早期胜利：许多卫生系统和医院正在推出环境监听工具，以捕获医患互动。这些工具通常还捕捉编码机会。这些工具减少了临床医生的压力和下班后的“睡衣时间”进行文档记录。
- 机器人变得流行：许多卫生系统和医院正在人口健康和公共卫生项目中试验AI代理，取得了在参与度和增加预约方面的成功。他们正在探索机器人还可以在哪些地方帮助医生进行临床护理。
- 治理是一个问题：许多卫生系统和医院自己处理AI治理，设有专门的委员会，但他们担心会阻碍创新。挑战包括确定谁应坐在这些委员会上并确保所有方面都得到覆盖。
- 外包与内部开发：许多卫生系统和医院将AI开发外包，因为他们没有知识或分析能力来自行完成这项工作。有些人在等待其EHR供应商开发工具，而另一些人则在寻找初创公司以获取创新理念。那些具有内部能力的卫生系统和医院正在尽其所能，并与供应商合作完成其余部分。
- 成本担忧：AI非常昂贵，而且需要大量的数据和数据存储，这也可能非常昂贵。成本限制了创新和AI的发展，特别是对于小型和农村卫生系统和医院。
- 对供应商的压力：许多卫生系统和医院在与AI供应商谈判时采取额外的预防措施。他们要求在前期提供概念验证和投资回报率，缩短合同至三年或更短，并要求详细说明数据的收集和使用方式。
- 生成式和预测性AI：随着AI的发展，医疗保健高管将要求技术做更多事情，例如预测治疗计划和临床结果。一个关键因素是建立临床医生对AI工具的信任。一个紧迫的问题是如何将AI与医生的观察和经验进行对比？
(全文结束)
