オックスナー・ヘルスは、AI の役割を深く活用していると発表 healthsystemcio.com

オックスナー・ヘルス社では、AI が実験プロジェクトから中核的な臨床機能に移行しており、イノベーション責任者のジェイソン・ヒル医学博士は、AI を最初に使いこなす医師と医療システムが、ケアの質と効率において決定的な優位性を獲得できるだろうと述べています。

独自の医療プランも運営する、80 億ドルの 46 病院の統合配送ネットワーク内のイノベーション部門を率いるヒル氏は、10 年間を単一の Epic EHR の配線に費やし、入院患者ケアのアソシエイト CMIO を務め、臨床医とテクノロジー チームの間のギャップを埋めるための情報学への取り組みを指揮しています。

ヒル氏にとってチャンスは、倫理と安全を導入の中心に据えながら、テクノロジを利用してメキシコ湾岸南部の広範囲にわたるケアモデルを再設計することだ。彼が言うように、「AI の非常に興味深い点は、それが最終的には人間の知識の民主化であるということです。」

ポッドキャスト: 新しいウィンドウで再生する | ダウンロード (長さ: 33:53 — 23.3MB)

購読する： アップルのポッドキャスト | スポティファイ

その能力はすでにOpenEvidenceなどのツールに表れており、同氏は病院現場で使用しており、免許試験ではほぼ満点、あるいは多くの現役医師の試験成績と同等かそれを上回る成績を収めることができる。

同氏は、このレベルの認知能力が医学やソフトウェア開発などの知識労働における根本的な変化であると考えており、AIをパートナーとして採用する臨床医がそうでない臨床医に勝ると信じており、「医師がAIに取って代わることはないだろうが、AIを使用する医師がAIを使用していない医師に取って代わることはほぼ確実だ」と述べた。

ガバナンスと迅速な実験のバランスを取る

ヒル氏は、AI モデルが臨床ワークフローに導入され、新しいデータとインタラクションから学習し始めた後に何が起こるかを考えることに多くの時間を費やしていますが、これは固定機能ソフトウェアとは大きく異なる動作パターンです。

同氏は、生成モデルは調整や再学習の際に微妙に変動し、当初の期待と一致しなくなる可能性のある応答を生成する可能性があること、また一部の研究グループは、医療に新たな安全性の問題を提起する欺瞞、お調子者、その他の形式の不一致などの行動を文書化していると指摘した。

モデルの予測と結果を比較する従来のモニタリング アプローチは、物語や会話の出力に適用することが難しいため、評価では代わりに、大量の自由テキスト応答の品質、一貫性、信頼性に焦点を当てる必要があります。ヒル氏の見解では、この規模の課題により、組織には監視プロセスの自動化を強化する以外に選択肢はほとんどありません。彼の言葉を借りれば、「現実的には、それを行う唯一の方法は別の AI を使用することなので、AI が AI を判断することになります。」

この力関係により、医療システムは高度なモデルを従来のアプリケーションではなく、動作を継続的に観察、記録、レビューする必要がある複雑な半自律システムのように扱うガバナンス構造の設計を余儀なくされるだろうと同氏は示唆した。

アンビエントリスニングから拡張知能まで

臨床面では、来院の声を聞き、EHR で直接メモを生成するアンビエント ドキュメンテーション システムなど、最終的な決定を臨床医に委ねながら事務負担を軽減するツールが最も早い利益をもたらすとヒル氏は考えています。

これらのサービスはすでに全国のオクスナー医師や多くの同僚に広く採用されており、燃え尽き症候群を軽減し、臨床医がキーボードではなく患者に集中できるようになったと同氏は述べた。

同氏は、EMR、以前の画像処理、ゲノミクス、外部記録、さらには社会的要因を活用して、それぞれの出会いに関するより豊かなコンテキストを組み立てて、医師が行動する前に総合的な見解を提供する機能の次の波が来ることを期待している。

ヒル氏は、AI が自由形式の臨床質問を、人間が迅速に評価できる可能性の高い診断や管理オプションの小さなセットに変換し、複雑な鑑別診断を、適切に設計された多肢選択式の検査に回答するようなワークフローに変えるのに役立つ将来の状態について説明しました。

このモデルでは、システムがスケール、パターン認識、リコールを処理するという点で拡張知能が目標となり、一方で医師はニュアンス、判断、長期的な関係を提供して、長期にわたるケアの決定を形成します。

CIO が次に行うべきこと

医療システムの CIO やその他の IT リーダーが AI 投資にどのような優先順位を付けるべきかとの質問に対し、ヒル氏はまず、収益サイクル、アクセス、コールセンター、マーケティング、戦略機能など、リスク プロファイルが低く、財務収益の測定が容易な運用領域を挙げました。

これらの領域は、自動化や副操縦に適した、多段階の例外駆動型プロセスに似ていることが多く、多くの組織は、ガードレールが設置されたら有効にできる AI が組み込まれた生産性スイートのライセンスをすでに所有しています。

また、同氏は幹部らに対し、中核となるEHRベンダーのAIロードマップを注意深く監視するようアドバイスした。なぜなら、これらの機能は、技術統合と規制上の精査によって実現されるため、たとえ慎重な変更管理が必要であっても、自社開発の取り組みでは独自に構築する必要があるからだ。

同氏は、コアプラットフォーム以外にも、事前承認などの摩擦の高い問題に取り組むベンダーに関して、今後1～2年でいくつかの的を絞った賭けをする余地があるとみており、オクスナー氏自身の初期の取り組みがすでにスループットと臨床医の満足度に大幅な向上をもたらしている。

テイク・イット・アウェイ

• AI を、他のすべてのテクノロジーのパフォーマンスを変えるシステムレベルの機能として扱います。
• 収益サイクル、アクセス、コールセンターなどのリスクの低い運用領域に初期導入を集中させて、エクスペリエンスを構築し、価値を証明します。
• カスタム ツールを構築する前に、セキュリティ、コンプライアンス、臨床のリーダーと協力して、既存の生産性プラットフォームを積極的に使用します。
• 学習システムが時間の経過とともに変動し、継続的な監視が必要になることを前提としたガバナンス構造と監視プロセスを設計します。
• 臨床医とスタッフがトレーニング、フィードバック ループ、共同設計を通じて準備を整え、AI 対応ワークフローに疑問を持ち、導入し、改善する方法を理解できるようにします。

ヒル氏にとって、AI 導入で最も困難な要素は中核的なインフラストラクチャよりも人間の行動であり、医療システムのリーダーはこの現実を念頭に置くべきだと彼は考えています。「問題は技術面の EHR には発生しません。問題は人間に EHR を使用させる方法にあります。」