Come l'intelligenza artificiale può aiutare a risolvere il problema dei dati nel settore sanitario / How AI Can Help Solve Healthcare’s Data Problem.

Come l'intelligenza artificiale può aiutare a risolvere il problema dei dati nel settore sanitario / How AI Can Help Solve Healthcare’s Data Problem.

Segnalato dal Dott. Giuseppe Cotellessa / Reported by Dr. Giuseppe Cotellessa

Dando priorità all'accuratezza dei dati e all'interoperabilità, le parti interessate possono iniziare a sfruttare il potenziale dell'intelligenza artificiale in ambito sanitario.

Il mercato sanitario è stato inondato da nuove soluzioni di intelligenza artificiale ed, a dire il vero, alcune di queste soluzioni applicano l’intelligenza artificiale in modo significativo ed efficace; tuttavia, esistono altrettante soluzioni che promettono di rivoluzionare l’erogazione e l’amministrazione dell’assistenza. In realtà, molte di queste soluzioni equivalgono a poco più che l’utilizzo di chatbot basati sull’intelligenza artificiale per ridurre marginalmente i flussi di lavoro manuali e le spese generali, addebitando ai clienti somme esorbitanti per il servizio.  

La tendenza delle aziende che si dedicano all’intelligenza artificiale al settore sanitario e delle aziende sanitarie che si spostano verso l’intelligenza artificiale, alimentata da grandi investimenti tecnologici, è una chiara prova dell’enorme potenziale dell’intelligenza artificiale. Eppure, anche le aziende di intelligenza artificiale più affermate hanno faticato ad adattare le proprie soluzioni alle complessità dell’assistenza sanitaria. ChatGPT è ampiamente considerata come l'intelligenza artificiale generativa più avanzata disponibile al pubblico, ma quando i ricercatori di JAMA Pediatrics hanno recentemente messo alla prova ChatGPT, il programma ha diagnosticato erroneamente un sorprendente 83% di casi pediatrici.

Queste applicazioni a basso ROI rendono più difficile per le soluzioni di intelligenza artificiale legittime delle organizzazioni di intelligenza artificiale affermate affermarsi nel mercato. E questo modello di promesse eccessive e di risultati insufficienti genererà inevitabilmente scetticismo tra i leader del settore sanitario, il che a sua volta ostacolerà l’adozione di soluzioni basate sull’intelligenza artificiale in tutto il settore.

Per utilizzare efficacemente l’intelligenza artificiale nel settore sanitario, i leader del settore sanitario devono prima capire di cosa è capace l’intelligenza artificiale e, cosa altrettanto importante, di cosa non lo è. Una comprensione più completa dell’intelligenza artificiale è essenziale per aiutare il settore sanitario a separare la verità dalle esagerazioni. Le organizzazioni fornitrici in particolare devono prestare molta attenzione al modo in cui applicano l’intelligenza artificiale, soprattutto per quanto riguarda la cura dei pazienti. Ma c’è un punto debole per l’intelligenza artificiale nel continuum sanitario: affrontare l’enorme carico amministrativo con cui molte organizzazioni stanno lottando. L’intelligenza artificiale ha un enorme potenziale per contribuire alla semplificazione amministrativa, all’adeguamento del rischio e all’assistenza basata sul valore.

Gran parte del fermento che circonda l'AI sanitaria è incentrato sul potenziale dei modelli generativi. Boston Consulting Group sostiene che l'AI generativa può leggere e analizzare le risonanze magnetiche, diagnosticare condizioni, creare piani di trattamento personalizzati per i pazienti, migliorare l'interoperabilità dei dati sanitari e persino supportare iniziative sulla salute della popolazione.

Il potenziale per queste applicazioni esiste sicuramente, ma ci sono alcuni ostacoli significativi da superare prima che il settore sanitario possa applicare in modo significativo l'IA generativa con poco o nessun input umano. Ci si aspetta che l'IA generativa commetta errori mentre impara; questi errori sono, di fatto, il modo in cui l'IA impara. Altri settori possono permettersi di adottare un approccio basato su tentativi ed errori, ma non è il caso dell'assistenza sanitaria, dove la posta in gioco è molto più alta ed il fallimento può essere fatale. Gli operatori sanitari hanno il dovere legale e morale di proteggere la vita dei loro pazienti e non c'è semplicemente spazio per gli errori.

Nonostante queste sfide, l’imperativo di adottare l’IA nel settore sanitario è chiaro. Il passaggio del settore verso un'assistenza basata sul valore richiede enormi quantità di dati sui pazienti/membri e sulla popolazione per essere efficace. Maggiore è il numero di dati raccolti dalle organizzazioni sanitarie, maggiore è il lavoro amministrativo necessario per gestirli e maggiore è la spesa del settore in attività amministrative. Un recente rapporto del Council for Affordable Quality Healthcare (CAQH) ha rilevato che il settore sanitario ha speso 60 miliardi di dollari in attività amministrative nel 2022, con un aumento di 18 miliardi di dollari rispetto al 2021.

La maggior parte dei dati dei pazienti non è strutturata (immagini, note di cartelle cliniche, PDF non OCR e fax, ecc.) e non è facilmente organizzata od inserita nei sistemi sanitari per ulteriori analisi. Di conseguenza, informazioni preziose su pazienti/membri e popolazioni rimangono spesso inaccessibili alle organizzazioni sanitarie. Le spese generali amministrative possono essere notevolmente ridotte applicando l'intelligenza artificiale per contribuire a rendere i lavoratori umani più efficienti. L'intelligenza artificiale generativa può fornire dati contestuali per fornire dettagli ed assistenza per ridurre drasticamente le attività amministrative.

Le organizzazioni sanitarie operano anche su sistemi eterogenei, il che esacerba la sfida della condivisione dei dati. Le informazioni che i provider ed i piani sanitari si scambiano tra loro sono spesso frammentate ed incomplete, il che a sua volta crea attriti tra le organizzazioni partner. Superare questi ostacoli è fondamentale per il successo nell'assistenza basata sul valore.

Sfruttare ed applicare efficacemente l'intelligenza derivata dai dati è uno dei principali ostacoli per il settore sanitario. Un altro è la necessità di garantire la fedeltà e l'accuratezza di tali dati. I modelli di intelligenza artificiale sono accurati solo quanto i dati su cui vengono addestrati; le organizzazioni sanitarie devono dare priorità alla fedeltà dei dati per ottimizzare l'accuratezza delle informazioni basate sull'intelligenza artificiale.

La strada verso un’adozione significativa dell’IA nel settore sanitario è lunga. Tuttavia, il problema dei dati del settore sanitario sottolinea l’urgente necessità di supporto dell’intelligenza artificiale. Dando priorità all’accuratezza ed all’interoperabilità dei dati, le parti interessate possono iniziare a sfruttare il potenziale dell’intelligenza artificiale nel settore sanitario. Come sempre, il settore continuerà ad evolversi. Rimodellare il futuro dell’erogazione e dell’amministrazione sanitaria richiederà un’applicazione responsabile e giudiziosa delle soluzioni di intelligenza artificiale. E sebbene l’intelligenza artificiale possa migliorare il lavoro svolto dagli esseri umani, è importante ricordare che l’intelligenza artificiale da sola non è un sostituto accettabile dell’interazione umana e della valutazione clinica.

ENGLISH

By prioritizing data accuracy and interoperability, stakeholders can begin to unlock the potential of AI in healthcare.

The healthcare market has been inundated with new AI solutions, and to be sure, some of these solutions apply AI meaningfully and effectively; however, there are just as many solutions that promise to revolutionize care delivery and administration. In reality, many of these solutions amount to little more than using AI-powered chatbots to marginally reduce manual workflows and overhead, while charging customers exorbitant sums for the service.  

The trend of AI companies moving into healthcare and healthcare companies moving into AI – fueled by large tech investments – is clear evidence of AI’s massive potential. Yet even the most well-established AI companies have struggled to adapt their solutions to the complexities of healthcare. ChatGPT is widely regarded as the most advanced generative AI available to the public, yet when researchers for JAMA Pediatrics recently put ChatGPT to the test, the program incorrectly diagnosed an astonishing 83% of pediatric cases.

These low-ROI applications make it harder for legitimate AI solutions from established healthcare AI organizations to gain a foothold in the market. And this pattern of overpromising and underdelivering will inevitably engender skepticism among healthcare leaders, which in turn will hamper adoption of AI-enabled solutions across the industry.

To effectively utilize AI in healthcare, healthcare leaders first need to understand what AI is capable of and, just as important, what it isn’t. A more complete understanding of AI is essential to help the healthcare industry separate truth from hype. Provider organizations in particular need to be very careful in how they apply AI, especially in regard to patient care. But there is a sweet spot for AI in the healthcare continuum: to address the overwhelming administrative burden many organizations are wrangling with. AI has tremendous potential to help with administrative simplification, risk adjustment, and value-based care.

Much of the buzz surrounding healthcare AI is centered on the potential of generative models. Boston Consulting Group claims that generative AI can read and analyze MRIs, diagnose conditions, create personalized treatment plans for patients, improve healthcare data interoperability, and even support population health initiatives.

The potential for these applications certainly exists, but there are some significant hurdles to be cleared before the healthcare industry can meaningfully apply generative AI with little to no human input. Generative AI is expected to make mistakes as it learns; these mistakes are, in fact, how the AI learns. Other industries can afford to take a trial-and-error approach, but that isn’t the case in healthcare, where the stakes are much higher, and failure can be fatal. Care providers have a legal and moral duty to protect the lives of their patients, and there is simply no room for error.

Despite these challenges, the imperative to adopt AI in healthcare is clear. The industry’s move towards value-based care requires massive amounts of patient/member and population data to be effective. The more data healthcare organizations collect, the more administrative work is needed to manage it, and the more the industry spends on administrative tasks. A recent report from the Council for Affordable Quality Healthcare (CAQH) found that the healthcare industry spent $60 billion on administrative tasks in 2022, an $18 billion increase from 2021.

Most patient data is unstructured (images, chart notes, non-OCR PDFs and faxes, etc.) and is not easily organized or pulled into healthcare systems for further analysis. As a result, valuable insights about patients/members and populations often remain inaccessible to healthcare organizations. Administrative overhead can significantly be reduced by applying AI to help make human workers more efficient. Generative AI can deliver contextual data to provide details and assistance to dramatically decrease administrative tasks.

Healthcare organizations also operate across disparate systems, which exacerbates the challenge of data sharing. The insights providers and health plans exchange with one another are often fragmented and incomplete, which in turn creates friction between partner organizations. Overcoming these obstacles is vital for success in value-based care.

Effectively harnessing and applying data-derived intelligence is one major hurdle for the healthcare industry. Another is the need to ensure the fidelity and accuracy of that data. AI models are only as accurate as the data they are trained on; healthcare organizations must prioritize data fidelity to optimize the accuracy of AI-driven insights.

The road to meaningful AI adoption in healthcare is a long one. Nevertheless, the healthcare industry’s data problem underscores the urgent need for AI support. By prioritizing data accuracy and interoperability, stakeholders can begin to unlock the potential of AI in healthcare. As it always has, the industry will continue to evolve. Reshaping the future of healthcare delivery and administration will require a responsible and judicious application of AI solutions. And while AI can augment the work humans do, it is important to remember that AI alone is not an acceptable substitute for human interaction and clinical evaluation.

Da:

https://medcitynews.com/2024/06/how-ai-can-help-solve-healthcares-data-problem/?utm_medium=email&_hsenc=p2ANqtz-9oJrKwp4ibznhxAGI24tNHJhS5hvR66yo3_wjhxaCB2yWsNVCA6mQhVvX1vQZGpQ0Ob7HJnSfjiGy5BmsPZzG4RHPhaDipSncIyEwETgGqyaIKVB4&_hsmi=313746926&utm_content=313746926&utm_source=hs_email