Una buena IA no es suficiente.
Los líderes de la atención médica han ido en gran medida más allá de creer que la IA totalmente autónoma puede resolver sus problemas más difíciles. Con agradecimiento El 95% de las iniciativas de IA son generativas Sin avanzar más allá de la fase piloto, aprendieron que simplemente “agregar IA” no se traducía en un impacto en el mundo real.
La atención sanitaria no es una excepción. La IA está ahora profundamente arraigada en el sistema de salud, desde la documentación y la programación hasta la predicción de riesgos y el apoyo a las decisiones clínicas, lo que obliga a la industria a aclarar cómo se utiliza. La Asociación Médica Estadounidense utiliza este término. “Inteligencia aumentada” Enfatizar que la IA debe ayudar a los médicos, no reemplazarlos, y enfatiza que la toma de decisiones clínicas debe permanecer en manos de los médicos. El Colegio Americano de Médicos ha adoptado una posición similar, señalando esto La IA no debería sustituir el juicio de un médico.
Los médicos están de acuerdo. Aparecen encuestas Quieren que la IA reduzca la carga administrativa y mejore la calidad de la atención, no que actúe de forma autónoma. El objetivo no es construir sistemas que funcionen por sí solos. El paradigma emergente es la inteligencia híbrida como multiplicador de fuerzas que combina tecnología avanzada con conocimiento, supervisión y responsabilidad humanos.
¿Por qué los líderes temen a la IA autónoma?
en Encuesta nacionalse preguntó a los líderes de los sistemas de salud sobre sus percepciones sobre los tipos de modelos de IA, las barreras para su adopción y el papel de la supervisión humana en el flujo de trabajo clínico. Los participantes indicaron sistemáticamente que la IA independiente de “caja negra” es riesgosa e inadecuada para entornos clínicos de alto riesgo, mientras que la IA combinada con la verificación humana de expertos se considera más segura y precisa.
- El 62,5% identificó la “mala interpretación de los datos” como el mayor riesgo cuando la IA funciona sin supervisión humana.
- Sólo el 12,5% dijo que la IA autónoma había aportado un valor significativo a su negocio hasta el momento.
Por el contrario:
- El 75% de ellos depende de la verificación humana por parte de expertos para garantizar que los resultados de la IA sean clínicamente relevantes.
- El 75 % calificó la participación de los médicos en el diseño y la implementación de la IA como “extremadamente importante”.
Los líderes de la atención sanitaria no buscan una clave mágica para la automatización de la atención sanitaria. En cambio, quieren duplicar el poder. Valoran las soluciones que respetan la experiencia clínica, requieren validación humana y se integran perfectamente con los flujos de trabajo existentes. La estrategia ganadora en este sector no es construir una máquina mejor, sino un equipo mejor, donde la IA proporcione velocidad y escala, y los humanos proporcionen criterio y cuidado.
La inteligencia híbrida triunfa
Moderno Lanceta Salud Digital El estudio muestra por qué este modelo funciona. Los investigadores probaron cinco modelos líderes de IA generativa contra médicos que resolvían casos de diagnóstico complejos del Hospital General de Massachusetts. Aunque el modelo de mayor rendimiento superó a los residentes médicos, las ganancias más significativas se produjeron cuando los humanos y la IA trabajaron juntos.
Cuando los médicos revisaron los diagnósticos diferenciales ordenados del modelo, su precisión mejoró dramáticamente, a veces casi duplicándose. Sus listas diagnósticas se han vuelto más completas sin perder la lógica que orienta la atención al paciente. El modelo mostró posibilidades que los médicos tal vez no hayan considerado, mientras que los médicos proporcionaron un contexto del que carecía el modelo.
La colaboración también ha funcionado en la otra dirección. Cuando se introdujeron diferencias entre los médicos en los modelos, los modelos mismos se volvieron más precisos.
En otras palabras, la IA ha agudizado el pensamiento humano y el pensamiento humano ha agudizado la IA. Es el efecto multiplicador de fuerza en acción.
Dónde la inteligencia híbrida tiene el mayor impacto
Las mayores oportunidades para la inteligencia híbrida se encuentran en los flujos de trabajo que requieren precisión y productividad. La documentación clínica, el apoyo al diagnóstico, la coordinación de la atención y la medición de la calidad cumplen con esta descripción. Pero no existe una necesidad más clara en la extracción de datos clínicos.
La extracción de datos clínicos en hospitales es un proceso en el que los médicos revisan manualmente el historial médico electrónico de un paciente para responder preguntas muy específicas para los registros clínicos. Estos registros son bases de datos nacionales estandarizadas que rastrean a pacientes con condiciones o procedimientos similares y son esenciales para la medición de la calidad, la mejora de procesos y la presentación de informes regulatorios. Específicamente, ayuda a los hospitales a realizar un seguimiento de los resultados, evaluar tratamientos, mejorar las vías de atención y demostrar el cumplimiento de los estándares establecidos.
Desafortunadamente, los métodos actuales de extracción manual de datos consumen mucho tiempo, requieren mucha mano de obra, son costosos y propensos a errores humanos. Los sistemas de salud de Estados Unidos gastan entre 10.000 y 15.000 millones de dólares al año para extraer datos manualmente.
La IA puede mostrar los elementos más relevantes de un registro, identificar información faltante o contradictoria y proporcionar un punto de partida estructurado para la abstracción. Luego, los médicos validan, corrigen y mejoran los resultados generados por la IA. Aplican su experiencia para garantizar que los datos finales sean precisos y coherentes con el criterio clínico.
Este método refleja la dinámica descrita en Estudio de Lancet sobre salud digital. La IA amplía el campo de posibilidades y acelera el proceso, y los médicos proporcionan contexto y supervisión.
Los flujos de trabajo de atención médica que requieren precisión a escala, como registros clínicos, revisión de documentos y razonamiento de diagnóstico, no pueden depender únicamente de la automatización. Las soluciones más recientes se centran en la asociación con los médicos, dentro del flujo de trabajo y dentro de las realidades operativas de la atención médica.
El objetivo no es automatizar al médico fuera del proceso. Se trata de diseñar flujos de trabajo multiplicadores de fuerza en los que los médicos puedan hacer su mejor trabajo, respaldados por tecnología que hace que el trabajo sea más rápido, seguro y preciso.
Acerca de Brent Dover
Brent Dover Él es el director ejecutivo de Carta de saludlíder en gestión de datos clínicos empresariales. Con un profundo compromiso de mejorar los resultados de la atención médica, Brent lidera la misión de Carta Healthcare de liberar el poder de los datos clínicos para hospitales, sistemas de salud y organizaciones de ciencias biológicas. Su visión estratégica impulsa el enfoque de la empresa en aprovechar la IA avanzada y profesionales clínicos expertos para agilizar el proceso de extracción de datos, mejorar la eficiencia operativa y generar conocimientos prácticos que, en última instancia, mejoran la atención al paciente. Bajo su liderazgo, Carta Healthcare ha experimentado un crecimiento y reconocimiento significativos por su enfoque innovador para resolver desafíos complejos de datos de atención médica.
