Casi todos los gerentes de la industria de la salud tienen una comprensión común del hecho de que la IA nunca reemplazará el juicio clínico de los empleados, pero la tecnología puede permitirles tener una ruptura con urgencia de la carga administrativa al manejar las tareas con tareas que no son valoras, declaró un ejecutivo del sistema de salud.
Terry McDonnell, director gerente de la enfermera del Sistema de Salud de la Universidad de Duke, señaló que KI puede exponer a los clínicos convirtiendo tareas de rutina para dedicar más tiempo y atención a la atención al paciente.
“Siempre he dicho que puedo enseñarle a una enfermera una habilidad, pero no puedo enseñar cuán enfermo suenan en el teléfono. Eso tiene la experiencia que la experiencia ha aprendido, y eso es exactamente lo que el clínico trae. Y creo que estas son las cosas en las que tenemos que concentrarnos y asegurarnos de que las personas tengan tiempo y el ancho de banda para participar realmente”.
Ella dijo que esta necesidad de escalar la automatización de las tareas controladas por IA es más importante que nunca, ya que la creciente demanda de cuidado de la nación choca con una fuerza laboral clínica reducida.
Un cuello de botella importante pero a menudo pasado por alto es la falta de facultades disponibles para la capacitación de nuevas enfermeras, incluso si las aplicaciones para programas de enfermería aún son mucho.
Estos desafíos para la fuerza laboral son una razón por la cual Duke invirtió fuertemente en productos de IA para racionalizar las tareas y mejorar los resultados del paciente. El sistema de salud está construyendo algunas herramientas de IA en su propia casa mientras compra otros a los proveedores, dijo McDonnell.
Por ejemplo, Duke utiliza un modelo de IA interno que monitorea los datos del paciente de la épica para registrar signos tempranos de deterioro, y los equipos de atención dan la advertencia de que tienen que intervenir.
“Estamos aguas arriba: no reaccionamos en una emergencia. Interveniremos de manera proactiva cuando vemos que la condición clínica puede cambiar, y eso es impulsado por algoritmos de IA”, dijo McDonnell.
Duke utiliza otra herramienta de IA desarrollada internamente que se centra en la sepsis. Analiza los datos del paciente para determinar quién podría estar en riesgo y desencadena paquetes de tratamiento en una etapa temprana antes de que la condición pase a una condición severa.
El sistema de salud también trabaja con Artism para incrustar la visión por computadora en la habitación del hospital, dijo McDonnell. Ella dijo que Duke instaló cámaras en la sala que funcionan con algoritmos de IA para monitorear los riesgos de caída y finalmente la documentación para automatizar la Z.
También descubrió que Duke recientemente llevó a cabo un piloto de IA con los matices de Microsoft y realizó la plataforma de documentación clínica desde Abridge a principios de este año. Si bien tales herramientas han demostrado ser efectivas para reducir el agotamiento para los médicos que trabajan en entornos ambulatorios y ambulatorios, aún no han sido completamente optimizados para la complejidad de la atención hospitalaria, dijo McDonnell. Sin embargo, se dio cuenta de que Duke está trabajando actualmente en un piloto de documentación para pacientes hospitalizados.
McDonnell dijo que en la cuestión de si está construyendo o comprando, depende del problema que el sistema de salud está tratando de resolver.
Todos los pilotos de Ki de Duke comienzan con una declaración del problema, notó. Posteriormente, los gerentes ven si hay una solución en el mercado que se ocupa de este problema, o tal vez una herramienta que uno de sus socios ya desarrolla, como Epic o Microsoft.
Si no hay soluciones bien verificadas en el mercado, Duke tiene en cuenta el desarrollo conjunto de una solución con un socio tecnológico externo. Y si esta no es una opción, Duke ve si puede crear una herramienta para su propio uso de su escuela de ingeniería y habilidades de TI, dijo McDonnell.
“Tenemos una gran fuerza interna en nuestros propios equipos de TI y desarrollo. Tenemos mucha suerte a este respecto, no todos los sistemas tienen este lujo”, dijo.
McDonnell alentó a los sistemas de salud a conciliar la practicidad con la innovación cuando prueban los nuevos modelos de IA.
“No se puede enojar por cada juguete ligero y brillante que viene a través de la puerta principal. Pero también creo que podemos comenzar a aprender, controlar las cosas, probar cosas y aprender rápidamente lo que funciona y lo que no funciona”, comentó.
Para McDonnell, el éxito de la IA no depende de buscar la última tecnología, sino de la selección y el refinamiento de las herramientas que realmente facilitan la carga de trabajo de los médicos y mejoran los resultados de los pacientes.
Foto: Yuichiro Chino, Getty Images
