Ryanas Sousa yra sveikatos IT konsultacinės įmonės „Pivot Point Consulting“ duomenų, analizės ir dirbtinio intelekto praktikos viceprezidentas. (2024 m. KLAS už valdomas paslaugas ir technines paslaugas buvo įvertinta 1 geriausia.) Jo AI ir analizės patirtis ir patirtis yra didelė. Ir paprašytas pažvelgti į 2025 m. sveikatos IT srityje, jis turi daug ką pasakyti apie šias dvi tokias sveikatos priežiūrai svarbias technologijas.

Sousa prognozuoja didelių dalykų generuojančiam dirbtiniam intelektui, naują DI ir analizės pristatymo būdą ir dviejų technologijų naudojimą kartu augimui skatinti. Kalbėjome su juo kitų metų tema, ir štai ką jis turėjo pasakyti.

K. Sakote, kad 2025 m. genAI atsiras savaime ir sukurs potencialą žymiai sutaupyti. Kaip tai atsitiks?

A. 2025 m. „genAI“ koncepcijų įrodymas ir bandomosios programos pradės rodyti teigiamą poveikį ir vertę sveikatos priežiūros organizacijoms, kurios pradės tyrinėti, kaip jos gali atidėti naujas arba sustabdyti investicijas į esamus produktus, tai darydamos pačios.

Tokios sritys kaip diagnostika, pacientų srautų optimizavimas ir administracinės užduotys, pvz., atsiskaitymas ir tiekimo grandinė, turi didžiausią naudą iš genAI, nes ji gali analizuoti struktūrizuotus ir nestruktūrizuotus duomenis, kad būtų galima sukurti nuspėjamąsias ir įsakmias įžvalgas.

Šios ankstyvos sėkmės paskatins organizacijas permąstyti tradicinius požiūrius į investicijas į technologijas, leisdamos joms atidėti naujų produktų įsigijimą ir laipsniškai atsisakyti senų sistemų ir kurti individualizuotas sistemas įmonės viduje.

Šis genAI pritaikymas neapsieis be iššūkių. Sveikatos priežiūros organizacijos susidurs su tokiomis kliūtimis kaip duomenų privatumas ir etika, teisės aktų laikymasis, integracija su esamomis sistemomis ir darbo jėgos bei pacientų švietimo poreikis.

Norint išspręsti šias problemas, reikės tvirtos, keičiamo dydžio duomenų valdymo politikos, investicijų į kibernetinio saugumo priemones, strateginio technologijų integravimo planavimo ir išsamių mokymo programų, skirtų prisitaikyti prie naujų įrankių ir darbo eigos.

Išnaudodamos šias pažangias galimybes, sveikatos sistemos suteiks precedento neturinčią naudą. Automatizuotas kodavimas gali žymiai sumažinti klaidų skaičių ir sutrumpinti ieškinių tvarkymo laiką, todėl sumos bus greičiau grąžinamos ir administracinės išlaidos.

Surašymo prognozės leidžia geriau paskirstyti išteklius ir priimti personalo sprendimus, pagerinti veiklos efektyvumą ir pacientų priežiūros teikimą. Didėjant efektyvumui, pacientai patirs mažesnes išlaidas, trumpesnį laukimo laiką ir kokybiškesnę priežiūrą dėl efektyvesnio išteklių ir personalo naudojimo.

Šios transformacijos kertinis akmuo yra nuolatinis perėjimas prie debesies, pasižymintis masteliu, dalijimosi duomenimis galimybėmis ir skaičiavimo galia. Debesų infrastruktūra palaiko didžiulius genAI programų duomenų saugojimo ir apdorojimo poreikius, palengvindama sklandų integravimą į esamas darbo eigas.

Tačiau šis perėjimas kelia susirūpinimą dėl saugumo, ypač dėl duomenų pažeidimų ir sveikatos priežiūros taisyklių, tokių kaip HIPAA, laikymosi. Be to, organizacijos turės išmokti panaudoti didžiulius turimus įrankius, kad galėtų diegti duomenų naujoves, taip pat išmokti tobulėti fin-ops, kad tai padarytų ekonomiškai efektyviai.

K. Kita vertus, siūlote naują analizės teikimo būdą, o AI įsigalios 2025 m. Kas tai yra ir ką tai reikštų sveikatos priežiūrai?

A. Pasenęs centralizuotas, operacinis analizės ir AI pristatymo metodas, kuris yra griežtas, iš viršaus į apačią ir orientuotas į projektus, užleis vietą jungtiniam ir bendradarbiavimo modeliui. Senasis metodas sukurtas statiškesnei aplinkai ir sunkiai prisitaiko prie dinamiškų šiandieninės priežiūros ekosistemos poreikių.

Priešingai, federacinis bendradarbiavimo modelis suteikia galimybę decentralizuotoms komandoms priimti judrius sprendimus realiuoju laiku. Šis pokytis yra ne tik atsakas į technologijų pažangą, bet ir kultūrinė transformacija, pabrėžianti pasitikėjimą, autonomiją ir tarpfunkcinį bendradarbiavimą.

Priėmus sprendimų priėmimo struktūrą iš apačios į viršų, analizės ir dirbtinio intelekto iniciatyvos labiau suderinamos su neatidėliotinais priežiūros paslaugų teikėjų ir pacientų poreikiais. Tai leidžia sukurti labiau pritaikytas ir kontekstą suvokiančias sistemas, sprendžiančias konkrečius iššūkius skirtinguose skyriuose ar padaliniuose.

Toks požiūris palengvina greitesnį duomenų produktų pristatymą, sumažina biurokratinius vėlavimus ir skatina naujoves, skatindamas struktūrinius eksperimentus visais organizacijos lygiais.

Eksploataciniu požiūriu jungtiniai modeliai gali žymiai padidinti našumą. Darbuotojai, turintys teisę priimti sprendimus ir prasmingai prisidėti prie iniciatyvų, yra labiau įsitraukę ir patenkinti savo vaidmenimis. Ši praturtinta darbo aplinka ne tik kelia nuotaiką, bet ir padeda pritraukti ir išlaikyti geriausius talentus vis labiau konkurencingoje pramonėje.

Šis modelis nėra be iššūkių. Organizacijos turi investuoti į tvirtas, lanksčias duomenų valdymo sistemas, kad užtikrintų decentralizuotų komandų nuoseklumą, saugumą ir atitiktį. Be to, norint išnaudoti visas šio požiūrio galimybes, būtina skatinti bendradarbiavimo ir nuolatinio mokymosi kultūrą.

Be to, tie, kurie gali įveikti šiuos iššūkius, klestės, o tie, kurie to nepajėgs, stengsis neatsilikti.

Klausimas. Dar vienas žvilgsnis į priekį 2025 m.: Jūs sakote, kad pirmaujančios organizacijos naudos analizę ir dirbtinį intelektą, kad paskatintų augimą. Kaip jiems tai pavyks?

A. Augant konkurencijai, kurią skatina nauji žaidėjai ir susijungimai bei įsigijimai, bus didelis spaudimas panaudoti analizę ir dirbtinį intelektą, siekiant sumažinti išlaidas ir pagerinti pelningumą, pašalinant iš sistemos atliekas ir perteklius.

Pirmaujančios organizacijos subalansuos šį negailestingą išlaidų mažinimą, naudodamos analizę ir dirbtinį intelektą, kad skatintų augimą ir didesnį pelningumą – pagerins rezultatus ir praturtins paciento bei paslaugų teikėjo patirtį.

„Analytics“ ir dirbtinis intelektas yra ne tik sąnaudų mažinimo įrankiai – jie yra galingi augimo varikliai, prisidedantys prie pelningumo. Puikus pavyzdys yra DI įgalinta personalizuota medicina. Analizuodama didžiulį pacientų duomenų kiekį, AI gali padėti pritaikyti gydymo planus individualiems pacientams, todėl pasiekiami geresni klinikiniai rezultatai ir didesnis pacientų pasitenkinimas.

Pavyzdžiui, sveikatos priežiūros organizacijos, kurios naudoja dirbtinį intelektą, siekdamos optimizuoti vėžio gydymo būdus, gali pagerinti pacientų pasveikimo rodiklius ir sustiprinti savo, kaip pažangios sveikatos priežiūros lyderių, reputaciją. Panašiai prognozuojamas pajamų ciklo valdymo modeliavimas leidžia organizacijoms nustatyti finansines kliūtis ir pagerinti pajamų surinkimą, sukuriant naujas augimo galimybes.

Išlaidų mažinimo ir investicijų į augimo iniciatyvas pusiausvyra yra labai svarbi tvariai sėkmei. Pirmaujančios organizacijos pasiekia šią pusiausvyrą reinvestuodamos sutaupytas efektyvumo didinimo priemones į naujoviškus projektus, kurie pagerina jų strateginę poziciją.

Šios organizacijos pasitelkia analizę, kad supaprastintų operacijas, kartu investuodamos į pažangiausius tyrimus ir į pacientus orientuotas priežiūros iniciatyvas. Šis dvigubas dėmesys paskatino veiklos efektyvumą ir pagerino pacientų patirtį, o tai leido organizacijai pasiekti tvarų augimą ir pelningumą.

Žvelgiant į ateitį, kai kurios naujos analizės ir dirbtinio intelekto technologijos bus labai svarbios sveikatos priežiūros organizacijoms, kad jos išliktų konkurencingos iki 2025 m. Tokios technologijos kaip generatyvus AI klinikinių sprendimų palaikymui, nuspėjamoji analizė realiuoju laiku operacijų valdymui ir dirbtinio intelekto valdomi skaitmeniniai dvyniai. vis svarbesnis.

Pavyzdžiui, skaitmeniniai dvyniai leidžia sveikatos priežiūros organizacijoms modeliuoti ir optimizuoti ligoninės veiklą, numatyti pacientų srautus ir išbandyti naujus priežiūros teikimo modelius virtualioje aplinkoje. Tačiau turbūt labiausiai permaininga sritis bus tikrojo sąveikumo siekimas – sklandžiai sujungti skirtingus duomenų šaltinius visoje sveikatos priežiūros ekosistemoje.

Tai leis organizacijoms kurti holistines, įgyvendinamas įžvalgas, o tai galiausiai pagerins priežiūros koordinavimą, sumažins išlaidas ir pagerins pacientų rezultatus.

Sveikatos priežiūros organizacijos, sėkmingai derinančios efektyvumu grindžiamą sąnaudų mažinimą su į augimą orientuotomis naujovėmis, taps lyderėmis. Strategiškai panaudodami analitiką ir dirbtinį intelektą, jie pagerins savo finansinę būklę ir sukurs į pacientus labiau orientuotą ir paslaugų teikėją palankesnę sveikatos priežiūros ekosistemą.