AI は医療における人間の要素をサポートするツールを提供します

ソーニャ・マクニ医師、メイヨークリニックプラットフォーム応用情報学メディカルディレクター

医療システムにおける AI の労働力への影響は、組織が患者ケアと連携したガバナンスとトレーニングを維持しながら、臨床、運用、技術チーム全体で実践的な流暢性をいかに迅速に構築できるかによって始まります。メイヨー クリニック プラットフォームの応用情報学部門のメディカル ディレクターであり、ミネソタ州ロチェスターのメイヨー クリニックのホスピタリストであるソーニャ マクニ医師は、今後の波を、急速な AI 製品開発と並行して実行する必要があるリーダーシップと労働力設計の課題であると見ています。

現在、大規模な医療システムは AI リテラシーをコア コンピテンシーとして扱っていますが、多くの人が期待していたものではありません。メイヨー クリニックでのマフニの役割は、戦略、ワークフローの統合、責任ある開発に及び、彼女が「臨床の帽子」と呼ぶものと「情報学の帽子」を横断しています。重要な洞察: これらの帽子を完全に統合する必要はありませんが、組織にはそれらの間の橋渡しができる人材が必要です。

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: 41:52 — 28.8MB)

購読する： アップルのポッドキャスト | スポティファイ

「データサイエンスやエンジニアリングのバックグラウンドがなければ、この進化に効果的に参加することはできないという認識があります」とマフニ氏は言う。 「それが真実だとは思えません。実際、それが真実ではないことはわかっています。」

労働力のチャンスは、臨床領域の知識を技術的な実行に結びつける役割を構築すること、つまり両方の世界の間でコミュニケーションをとるのに十分な理解のある人材を構築することにあります。 Makhni 氏が同僚や研修生に AI の基礎と基本を教えているのは、AI ソリューションがどのように作成、開発、検証されるのかを定性的に理解することで、アルゴリズムの設計やバイアス評価からテストと導入に至るまで、さまざまな臨床従事者がどこに参加する必要があるかがわかるからです。

ツールの動きは速いため、リーダーシップ チームは柔軟なスキル ミックスを計画する必要があります。 「今日の私たちのやり方は、明日のやり方と同じではないかもしれません」と彼女は言う。特定の技術的専門性を追求するよりも、基礎が重要です。

スキルを落とすリスクには意図的なガードレールが必要

マフニ氏は、自動化への熱意とともに、ダウンタイムのシナリオを超えたトレーニング上の懸念があると指摘しました。日常的なタスクが自動化されると、組織は、曖昧な症例や例外の際に臨床医が頼りにする人間の専門知識を意図せず弱体化させる可能性があります。

「AI は介護者の代わりをするものではなく、ツールです」とマフニ氏は言います。 「病理学や放射線医学など、誰かのトレーニングにとって非常に基礎的なタスクを突然自動化することになった場合、これらのタスクを自動化して排除したら、基礎の学習にどのような影響があるでしょうか?」リスクは災害復旧を超えて広がります。ベースラインスキルがなければ、臨床医はバイアスを捉え、エラーを特定し、アルゴリズムのドリフトをリアルタイムで検出する能力を失います。

エコー装置や高度な画像処理装置があるにもかかわらず、医学教育では依然として学生に聴診器の使い方と心音の解釈を教えています。同じ原則が AI で強化されたワークフローにも当てはまります。組織は、特にパターン認識と判断が繰り返しによって発達する専門分野の場合、どのタスクをトレーニング パスウェイの一部として残すかを慎重に決定する必要があります。

AI の導入を成功させるには、自動化のメリットを享受しながら、これらの基本を保護する組織構造が必要です。 「AI はデータ内のパターンを見つけるのに役立ちます。推論、判断、異常検出を支援できます。」

すべての根底にあるプラットフォームとしてのデータ

マフニ氏は、データ品質を AI 戦略と切り離せないものと位置づけました。彼女とメイヨー クリニック プラットフォームの同僚は、彼女が言うところの膨大なデータ セットに隠された洞察を解き放つことに取り組んでいます。まず基本的なことから始めて、データを利用可能にし、品質基準に合わせて調整し、次に匿名化とプライバシーとセキュリティのための専門家による認定を通じてアクセスを拡大し、最後に臨床医や革新者がいる場所で満足できる洞察を提供します。

「データは私たちの活動すべての基盤です。医療における AI について話し始める前から、私たちは依然としてデータに依存していました」と彼女は言いました。現時点での違いは、規模と複雑さです。

データ品質の作業は現場のプレッシャーに直接関係します。より優れたユーザー インターフェイス、自動化されたデータ キャプチャ、データ入力の明確な説明責任はすべて、分析と AI システムへのフローを改善しながら負担を軽減します。 「私たちは、最前線で500万件の仕事をしている人々にそのようなプレッシャーと負担を与えていることを強く認識しなければなりません。」

原則は、ゴミは入ったらゴミは出るということです。データ インフラストラクチャへの投資がなければ、医療システムはデジタル ディバイドを拡大し、信頼性の低い基盤の上に AI を構築するリスクがあります。

従業員と患者に関する ROI の再定義

AI への投資を正当化する経営陣に対し、Makhni 氏は ROI を導入前の成功の定義に依存する混合概念であると説明しました。財務指標は重要であり、持続可能性には環境に配慮した状態を維持する必要がありますが、評価の中心となるのは労働力と患者の対策です。

「成功をどのように定義するかは、ROI についてどのように考えるかに関係しています。臨床転帰、燃え尽き症候群、そして患者と従業員の満足度は、医療において非常に重要な ROI です。」と彼女は言いました。組織は実装後に学習期間がかかることを予期し、即時の生産性の向上だけで成功を評価したいという誘惑に抵抗する必要があります。文書作成の時間を短縮するために導入されたツールは、自動的により多くの患者を診察することにつながるべきではありません。 「私たちは経済と健康の両方の持続可能性を必要としています。」

調整が最も重要です。財務、運用、臨床など、さまざまな視点を持つ関係者が AI の影響、リスク、メリットについて共通の理解を持って団結すると、導入が適切にセットアップされます。 「インセンティブを調整すると、通常は成功の可能性が高くなります。」

ガバナンス、共創、変革能力

医療へのテクノロジー導入のペースは、従来のガバナンス構造が対応できるレベルを超えて加速しています。マフニ氏は、AI 導入に関する意思決定を行う際には、IT、臨床医、看護師、管理者、運用パートナーなど、あらゆるレベルの代表がいることを強調しました。共創はテクノロジーの構築を超えて、プロセス、ワークフロー、導入戦略にまで及びます。

「医療エコシステムへのテクノロジー導入のペースはまったく新しいものです。すべての利害関係者が責任を持ってこの対話に参加することが不可欠です。」

変更容量には制限があります。組織は、導入が下から要求されたのか上から命令されたのかにかかわらず、部門が新しいツールを吸収する最大能力にいつ達したかを認識する必要があります。適切なインセンティブを備えたガバナンスとは、人々に思慮深く関与するための時間とスペースを与えることを意味します。

テイク・イット・アウェイ

• AI は代替品ではありません。それは労働力を助けるツールです。
• 臨床領域の知識と技術的な実行の橋渡しをする「翻訳者」の役割を構築します。誰もがコーディング スキルを必要とするわけではありませんが、チームには両方の言語を理解できる人材が必要です。
• 特に判断力が求められる専門分野において、トレーニング経路にどのタスクを残すかを慎重に決定することで、中核となる臨床スキルをスキル解除から保護します。
• AI パフォーマンスの基盤としてデータの品質と使いやすさに投資する – より優れたインターフェイス、自動キャプチャ、より明確な説明責任
• 経済的な持続可能性、従業員の満足度、患者の転帰などの複合的な指標を使用して、導入前に成功を定義します。
• 本番稼働後の学習期間を計画します。目先の生産性の向上だけで成功を測ることに抵抗する
• IT、臨床医、運営などあらゆるレベルの声をガバナンスに反映し、人々が有意義に参加できる時間と空間を提供する

マフニ氏は、長期的なチャンスは AI ツールを使用して医療従事者を支援することであると示唆しました。「AI は、医療における人間的要素をサポートする素晴らしい機会です。そのため、私たちは行間を読み、推論を行うことに戻り、患者体験の人間的側面に焦点を当てることができます。」