ジョンズ・ホプキンス大学の医師 IT リーダーが語る、AI は需要に合わせて供給を可能にする

ブライアン・ハッセルフェルド博士は、背景にウォール街があり、医療に対する人工知能の潜在的な利点、つまり経済的な観点、つまり需要と供給の法則について話すのが好きです。

誰もが医療がどのように機能するかを知っています。 患者は主治医の診察を受け、主治医が紹介状を発行します。 その後、その医師はサブスペシャリティの紹介状を発行し、最終的に正しい答えが明らかになる可能性があります。 ただし、最近では精密医療の紹介も必要かもしれません。

それはとても気遣いですね。 需要が多い。 そして残念なことに、医療現場は深刻な人材不足に直面しており、その供給は非常に限られています。

「私の立場から言えば、問題はツールの問題ではなく、実際にはアクセスの問題だ」とハッセルフェルド氏はAIについて語った。 「現在と同じ臨床労働力でより多くの患者をケアするにはどうすればよいでしょうか? 生産性を有意義に高めるにはどうすればよいですか? 既存の同じリソースを活用してより多くの人々をケアするにはどうすればよいでしょうか? そして単に臨床労働者にもっと働くよう求めるだけではないでしょうか?

「患者にとって最初に何が起こるか、次に何が起こるかについて、本当に有意義なインテリジェンスを注入するにはどうすればよいでしょうか?」 彼は続けた。 「そして、その不必要なケアの一部をシステムから抽出し始めることができれば、追加の供給を解放することができます。」

Hasselfeld 氏は、ジョンズ・ホプキンス大学医学部のデジタルヘルスおよびイノベーション担当シニアメディカルディレクターであり、ジョンズ・ホプキンス大学インヘルス部門のアソシエイトディレクターでもあります。 彼はジョンズ・ホプキンス大学の地域内科医で内科と小児科を専門とするプライマリ・ケア医でもあります。

私たちは人工知能についてヘルス IT 業界のトップの声と話すシリーズの一環として彼にインタビューしました。 インタビューのパート 1 であるこの記事では、ヘルスケアにおける AI 全体の適用について説明しています。 明日掲載されるパート 2 では、ジョンズ ホプキンス大学医学部が今日 AI をどのように使用しているかについて詳しく説明します。

Q. デジタルヘルスおよびイノベーションの上級幹部として、どのような形式の人工知能に最も注目していますか?

A. 私たちは、新しい形の人工知能と呼ばれるもの全体にわたって取り組まなければならない問題の範囲が完全にはわかっていない段階にいます。

他のすべての産業分野にわたって一般的な AI 業界を追跡しているほとんどの専門家は、おそらく歴史的または伝統的な AI と呼ばれるもの、つまり事前定義されたコンピューター サイエンスに基づいたルール、入力、出力に基づいて構築されたツールがあることを認識し始めています。 そして今、私たちは新しい生成 AI を手に入れました。これは確かに昨年 1 月の Microsoft と OpenAI の ChatGPT に関する発表で有名になり、今や市場の他のすべての競合他社も同様です。

このテクノロジーは、医療分野で解決すべき問題にどのように適用できるかという点で、本当に無限になるでしょう。 私たちにとって優先事項となる特定の種類のツールについて考えるのではなく、これを、対処すべき主要なリソース問題に向けた医療における極めて重要な瞬間であると捉え直したいと思います。

私は元経済学部の学生でウォール街に通っていたので、経済学の話になるので少しの間ご容赦ください。 今日の医療においては、重大な需要と供給の不一致が生じています。 規模の大小、学術的か非学術的かを問わず、何らかの機関の受診を試みたことがある人なら誰でも、比較的複雑な医療システムを操作することの難しさと、そこから生じる待ち時間を確実に理解しているはずです。

しかし、私の観点からすると、テクノロジーは、ヘルスケア分野でテクノロジーが行うべきこと、つまり他の多くの業界や経済全体で行われている、生産性と効率性の向上を注入して、医療に対するすべての需要のバランスをとることをまだ行っていません。私たちの患者と私たちが提供しなければならない供給量は、おそらく比較的固定されています。

私の観点からすると、問題はツールの問題ではなく、実際にはアクセスの問題です。 現在と同じ臨床労働力でより多くの患者をケアするにはどうすればよいでしょうか? 生産性を有意義に向上させるにはどうすればよいでしょうか? 同じ既存のリソースを利用して、より多くの人々をケアしたいですか? そして同時に、もちろん、重要なバランス要素、つまり臨床スタッフにもっと働いてもらうことは単純にできないということも避けてください。

おそらく、介入の多くは臨床医の仕事量を減らそうとするものでした。 適用されるツールは、患者アクセスのプロセス全体にわたって、患者に適切な種類のケアを適切なタイミングでより迅速に提供する方法を最優先事項として重点を置いています。

確かに、市場でテスト中の一部の初期製品は、患者が実際に必要なケアの種類を特定するのに役立ちます。 現在は、訪問、紹介、サブ専門分野の紹介という通常のパラダイムを経ることなく、最終的に正しい答えにたどり着きます。 私はプレシジョン メディシン イニシアチブでも役割を担っています。つまり、それはプレシジョン リファーラルまたはプレシジョン ケア プランニングと呼ばれるかもしれません。

患者にとって最初に何が起こるか、次に何が起こるかについて、本当に有意義なインテリジェンスを注入するにはどうすればよいでしょうか? そして、その不必要なケアの一部をシステムから抽出し始めることができれば、追加の供給を解放することができます。

逆に、1 人の患者を 15 分間診察するのに 1 人の臨床医が対応する必要はないというパラダイムに立つ必要があります。 時間と人が固定されているため、これは拡張できません。 そして、取り込まれたデータと患者に向けられたケアプランの間で、より優れたインテリジェンスを活用して、より多くの患者をケアするための道筋を見つけ出す必要があります。

私は元指導者の一人に同意します この一連の記事では、ジョン・ハラムカ博士が [at the Mayo Clinic]、患者は教科書を読んでもらうために臨床医のところに来るわけではないということ。

したがって、20 倍の患者をケアし、臨床医をケアの行程から外すことができると主張するわけではありません。 しかし、3、6、12か月ごとに1回の訪問というパラダイムは、予防を重視すべきシステムにおいて明らかに破綻していると私は信じています。 そしてそれは、私たちが取り組まなければならないホームデータの大きな問題を抱えていることを実際に意味しており、ツールが進化し続けるにつれて、これは大きな機会の領域であると私は考えています。

Q. デジタル アプリ、コネクテッド デバイス、ウェアラブル、ホーム センサーはすべて、個人の健康追跡の未来であると言われているとおっしゃいました。しかし、これらの方法は一般的にはあまり普及しておらず、臨床医と患者の関係ではほとんど見られません。 あなたは、AI の最新バージョンが臨床ケアにおけるこの新しい情報の取り込みに対する主要な障壁に最終的に対処すると信じています。 この件について詳しく教えてください。

A. 実際、これは最後の質問を終えたばかりの場所への完璧なピックアップです。手首の時計や Fitbit から、個人のベッドサイドにあるデバイス、家庭用血圧計や体重計など、家庭のデータを測定するためのさまざまな歴史的な方法に至るまで、多岐にわたります。 、血糖計および連続血糖計。

私たちはこれほど豊富なホームベースのデータを持っています。 確かに、多発性硬化症を研究しているジョンズ・ホプキンス医科大学の精密医療グループは、そのデータが将来の診断と治療計画にどのように適用できるかについて、驚くべき新しいパラダイムを提唱しました。

その動きを認識して ウェアラブルによって追跡される Fitbit や同様の先進的な運動デバイスは、運動障害の進行と有意に相関する可能性があり、これはすべて合理的であり、長期的には、高価な MRI を備えた高度な第 4 期神経学的治療センターに定期的に通う必要がある MS 患者に取って代わる可能性があります。

しかし、その測定パラダイムをどのように取り入れてスケールアップするのでしょうか? 現在の外来臨床医を見ると、私はプライマリ・ケアの臨床医ですが、フルタイムのプライマリ・ケアの臨床医であれば、1,500 人から 2,000 人の患者をケアすることになるでしょう。

それを病院と比較してみましょう。 病院内で、ICU や臨床治療室で最も集中的に測定される領域は何ですか? これらの病棟では、1 対 1 または 1 対 2 の看護比率で、15 名か最大 20 名をケアする臨床医のチームがいます。 つまり、患者を定期的に (時間単位ではないにしても毎日) デバイスに接続するには、これくらいの人員配置が必要です。

そして、私たちの病院のフロアでも、1対4、1対6の看護比率があり、その周りに臨床チームがあり、4〜6時間ごと、または12時間ごとにデータを取得しています。

では、1 人の臨床医が数人の患者に看護サポートを提供し、1 人の臨床医が数千人の患者に他の長期的なサポートを最小限に抑え、なおかつ毎日、1 日に複数回データを取得することが期待されるこの環境から、どのように移行すればよいのでしょうか。そのレベルの家庭での摂取に対応する準備ができていない従業員、システム、実践モデル、支払いモデルが圧倒されていないでしょうか?

そのため、遠隔患者モニタリングのようなものが大量に普及するのに苦労しているのを私たちは見てきました。 私たちはメディケアに対し、変更を最適化する方法を検討し続けさせてきたと思います。また、場合によっては RPM コーディングを削除するべきかどうかについても疑問を呈することさえありました。

患者に関する既知の潜在的に有益な情報が、月または年間を通じて縦断的に得られることは、年間を通じて数回の訪問によるトランザクションの性質よりも優れているように思えます。 その間に欠けているのは、すべてのデータを取得して、それを臨床的に関連性があり、臨床的に意味があり、解釈可能なものにし、その患者の状況に当てはめるシステムです。

そこで、私が血圧測定用のカフを渡して、血圧が X を超え Y 未満の場合は悪いと言うシステムを作ることができます。そして、それらの数値を選択すると、ほとんどの患者に当てはまります。 しかし、私があなたのことを知らない限り、それがあなたの状況に正確でない限り、あなたの臨床目標、基礎的な臨床状態、そして私たちの相互の治療目標に応じて、それはあなたにとって悪いことかもしれないし、悪いことではないかもしれません。

したがって、大量のリモートデータを処理できるシステムと、あなたについて知っているすべてのこと、特に訪問時や治療計画に関して話し合った内容に基づいてデータを患者の状況に関連付けることができるシステムが必要です。

それで、私たちがそれについて話すとき、 生成AIの応用 医療の問題を解決するために、チャート内の非構造化データ、特に書かれたメモを取得し、それを目立たないものにし、構造化され、他の多くの種類のシステムで理解できるものにして、最適化を支援するという問題についてよく聞きます。お手入れ。

ここが本当のチャンスです。 ここホプキンス大学での私の仕事の一部は、仮想ケア チームの監督を支援することです。 私はパンデミックを通じてそれらのチームを率いました。 そして、私たちにできることは、リモート接続されたデバイスと訪問間のデータ量の価値を実際に解き放つことです。

もし私にシステムができて、あなたのカルテのメモを知り、血圧について何が言われているか、体重について何が言われているか、目標、どのような状態にあるのか、どのような薬を服用しているのかを理解して、それを正確なインテリジェンス層にすることができたら入院患者側ですでに存在している入院患者のアラーム疲労を再現しないように、受信データを中心に調整すれば、外来側でそれを指数関数的に拡大することができます。

ようやく、私たちには、臨床スタッフの在宅データを中心とした非常にインテリジェントな層を構築する機会が訪れました。この層の規模は拡大する予定はなく、1,000 人や 2,000 人の患者の在宅データを測定することはできません。完全な通常の診療日。

私たちは、私たちが家族に望んでいることをついに明らかにする機会に非常に興奮しています。それは、患者にとって意味のある状態に関するより継続的な情報が、年が進むにつれて解釈され、準備され、利用可能になり、実用化されることです。

このインタビューのビデオを見るには、 ここをクリック。

編集者注: これは、医療における人工知能の使用について議論する医療 IT 分野のトップの声を特集するシリーズの 7 回目です。 メイヨークリニックのジョン・ハラムカ博士に関する最初の特集を読むには、 ここをクリック。 ガイジンガー社のアールペン・パテル博士との 2 番目のインタビューを読むには、 ここをクリック。 3 番目を読むには、Meditech の Helen Waters 氏が次のように述べています。 ここをクリック。 4 番目の記事を読むには、Epic の Sumit Rana 氏とともに、 ここをクリック。 第 5 回を読むには、ブリガムミサ将軍のレベッカ G. ミシュリス博士と、 ここをクリック。 そして 6 番目を読むには、フロッタート & ウィスコンシン医科大学健康ネットワークのメレク・ソマイ博士による、 ここをクリック。

LinkedIn で Bill の HIT 報道をフォローしてください。 ビル・シウィッキー
彼にメールを送ります: [email protected]
Healthcare IT News は HIMSS Media の出版物です。