Le Dr Kedar Mate est médecin-chef et cofondateur de la santé qualifiée, un vendeur d’infrastructures génératrices de l’intelligence artificielle. Il est également ancien président et chef de la direction de l’Institut d’amélioration des soins de santé, qui vise à faire progresser les résultats de santé équitables dans le monde entier grâce à l’amélioration des sciences.
Mate estime que dans la télésanté et la surveillance à distance des patients aujourd’hui, une grande attention est accordée à des technologies telles que l’intelligence artificielle – et pas assez pour l’infrastructure robuste nécessaire pour soutenir une technologie d’IA importante.
Mate dit que son entreprise vise à aider les hôpitaux et les systèmes de santé à dépasser les systèmes ponctuels vers des plates-formes qui intègrent la sécurité, les capitaux propres et l’impact du monde réel dans la prestation de soins virtuels. Nous avons récemment parlé avec lui des raisons pour lesquelles les outils RPM et de télésanté ont besoin d’une pile d’IA fondamentale pour être en sécurité, évolutive et efficace.
Il a également discuté de ce qu’il faut pour passer des expériences fragmentées à l’opération IA qui soutient la prise de décision clinique en temps réel Dans les soins virtuels, comment la gouvernance, le suivi et l’évaluation soutiennent les modèles de soins virtuels durables et comment on conçoit un système d’IA pour la télésanté qui soutient totalement l’équité.
Q. RPM et les outils de télésanté ont besoin d’une pile d’IA fondamentale pour être sûre, évolutive et efficace, pas seulement nouveau, dites-vous. Veuillez élaborer.
UN. Nous avons vu trop de pilotes d’IA de soins de santé qui éblouissent dans les démos mais s’effondrent sous une complexité clinique et opérationnelle du monde réel. Ce dont nous avons besoin, c’est une infrastructure qui gère le désordre des soins réels des patients et les systèmes de données qui soutiennent les soins aux patients.
Les outils d’IA peuvent permettre aux cliniciens de définir des paramètres de seuil pour la surveillance à distance et de fournir des alertes critiques similaires à celles pour les valeurs de laboratoire critiques, intégrant de manière transparente dans les flux de travail cliniques existants plutôt que de créer une charge supplémentaire. Ceci est encore plus important dans les paramètres de soins éloignés ou virtuels où nous avons besoin de meilleurs signaux du moment où les soins ne se déroulent pas comme prévu.
Les outils d’IA pour ce faire nécessiteront, à leur tour, une gouvernance des données robuste, des normes d’interopérabilité et des mécanismes de sécurité qui reconnaissent la prestation des soins de santé sont fondamentalement les relations humaines, pas seulement les résultats algorithmiques. La sécurité signifie que les systèmes de construction qui peuvent signaler les cas de bord pour une intervention humaine supplémentaire – car dans les soins de santé, les cas de bord sont souvent les patients qui ont le plus besoin de nous.
Q. Que faut-il pour passer des expériences fragmentées à l’IA opérationnelle qui soutient la prise de décision clinique en temps réel en soins virtuels?
UN. Vous devez intégrer les principes des sciences de l’amélioration dès le premier jour: tests de cycle rapide, mesure de l’apprentissage et stratégies de propagation systématiques qui expliquent la variation locale de la façon dont les équipes de soins fonctionnent réellement.
L’IA doit intégrer les données multimodales des DSE, wearables, imagerie médicaleGénétique et déterminants sociaux de la santé pour créer des profils de patients holistiques, allant au-delà des systèmes à point unique à des compléments et des soutiens complets aux soins.
La préparation opérationnelle nécessite une gestion du changement qui aborde les facteurs humains – les équipes de soins de formation non seulement sur la technologie, mais sur la façon d’utiliser des outils d’IA pour augmenter le jugement clinique plutôt que de le remplacer.
Un soutien à la décision en temps réel exige une infrastructure qui peut gérer le volume et la vitesse des données cliniques tout en conservant la confiance et la fiabilité dont les cliniciens ont besoin pour agir sur les recommandations de l’IA.
Q. Comment la gouvernance, le suivi et l’évaluation soutiennent-ils les modèles de soins virtuels durables?
UN. La surveillance continue nécessite à la fois des mesures des résultats cliniques et des mesures de processus qui suivent la façon dont l’IA est réellement utilisée par les équipes de soins et reçue par les patients dans leurs flux de travail quotidiens. Une telle surveillance sera construite avec des paramètres étroits pour comprendre si les outils d’IA fournissent les sorties nécessaires dans des garde-corps clairs.
Les structures de gouvernance doivent centrer les capitaux propres et les résultats pour les patients, pas seulement les mesures d’efficacité – nous avons des choix sur la façon dont nous formons des algorithmes et comment nous les appliquons. Nous devons choisir de créer des modèles d’IA qui ne perpétuent pas ou n’amplifient pas les disparités existantes dans l’accès aux soins de qualité.
Les cadres d’évaluation doivent saisir les conséquences involontaires et les effets du système: comment Soins virtuels compatibles AI Changer la nature des relations thérapeutiques et la continuité des soins? La durabilité et l’amélioration des modèles d’IA dépendent des boucles de rétroaction de construction qui permettent un apprentissage et une adaptation rapides, en traitant chaque déploiement comme une intervention et une expérience dans l’amélioration de la prestation des soins.
Q. Comment concevoir un système d’IA pour la télésanté qui prend en charge totalement les capitaux propres?
UN. Commencez par les populations les plus marginalisées par les systèmes de santé actuels – conception pour ceux qui ont une littératie numérique limitée, Internet peu fiable ou des besoins sociaux complexes, et vous construirez des systèmes plus robustes pour tout le monde.
L’IA favorise les capitaux propres en matière de santé en élargissant l’accès aux soins de qualité. Par exemple, en permettant une traduction simultanée en centaines de langues. Et en améliorant à la fois l’expérience de soins et la relation clinique. Mais ces effets ne se produisent que si nous concevons intentionnellement nos outils d’IA pour lutter contre les disparités dès le départ.
L’équité nécessite d’interagir avec les gens à travers des choses telles que les interfaces multilingues, les protocoles de soins culturellement sensibles et la flexibilité de la façon dont les patients peuvent s’engager avec des services soutenus par l’IA en fonction de leurs préférences et de leurs capacités.
La preuve ultime sera en réfléchissant de manière critique sur le résultat: les disparités dans les résultats cliniques à travers les lignes raciales, ethniques et socioéconomiques ont-elles été réduites après la mise en œuvre de l’IA ou non? Sinon, vous avez un choix important à l’avance pour réorganiser votre déploiement d’IA pour maximiser à la fois l’impact global des résultats et réduire les disparités inutiles.
Suivez la couverture à succès de Bill sur LinkedIn: Bill Siwicki
Envoyez-lui un courriel: [email protected]
Healthcare IT News est une publication des médias HIMSS.
Regardez maintenant: saisir la bague en laiton de l’officier de l’IA en chef – et travailler avec les top laiton