AI は医療に関する会話の中心を占めていますが、MIT の報告によると、生成 AI イニシアティブの 95% は成果を上げられていません。 確かにテクノロジーは困難ですが、私たちを引き止めているのはテクノロジーではありません。 他の新しいテクノロジーと同様に、そのテクノロジーをどのように適用できるかを理解することが、採用を妨げる真の障壁です。
従来のデザイン手法は役に立ちません。 ユーザー中心のデザインは、人々が何を望んでいるかを理解していることを前提としていますが、AIを使用すると、人々は何が可能かをほとんど知りません。 一方、テクノロジーファーストのアプローチは、多くの場合、誰も価値を置かないソリューションを生み出します。 これに加えて、最も困難な問題に最初に攻撃を仕掛ける傾向があるため、多くの取り組みが規模を拡大する前に失速しているのは明らかです。
医療業界には、AIを活用して運用効率を高め、より良い結果を達成するための新しい方法を構想するのに役立つ、異なるアプローチが必要です。
従来の自動化が医療分野で失敗する理由
従来の自動化では、プロセスのすべてのステップを事前にマッピングしていました。 これは予測可能なタスクには有効ですが、医療はほとんど予測できません。 同じ患者は2人おらず、まったく同じ経路をたどる症例も2人いません。 新しい情報や環境の変化により、計画は絶えず変化します。 この変動性により、厳格なワークフローは崩壊します。
医療はクラシック音楽というよりはジャズに似ています：あらかじめ決められた順序ではなく、構造化された即興演奏です。
医療におけるアダプティブオートメーションの仕組み
アダプティブオートメーションは、厳格なワークフローを、目標、コンテキスト、および利用可能なツールを理解するインテリジェントなエージェントに置き換えます。 これらのエージェントは、お互いや人々と連携して、計画、実行、調整をリアルタイムで行います。 彼らは日常的な手順を処理し、例外を警告し、判断が必要な場合には人間の承認を求めます。
主な違いは、例外の下で破綻するのではなく、システムは適応するという点です。
例：退院プロセス
紙の上では、退院は簡単に見えます：リハビリベッドを見つけ、投薬を調整し、承認を得て、検査を実施し、指示を提供してください。 実際には：
複雑さ:
-
患者Aは複雑なステップチェックリストを使用してリハビリを必要としています
-
患者Bは全く異なる経路で帰宅しました。
-
専門家は家庭用心臓モニターなどの要件を追加します
-
異常な検査結果は計画全体を混乱させる可能性があります。
適応型自動化の対応方法：
-
スケジューリング担当者は相談を適切な順序で並べます。
-
必要なときに物流担当者が機器を手配します。
-
ラボエージェントがラボを監視し、結果が異常な場合にはプロセスの変更を提案します
-
ケースマネージャは各ステップをレビューして承認し、次に進む前に進行を確認します。
ワークフローは患者ごとに柔軟に対応しながら、臨床医が管理を維持できるようにします。 例外と戦うのではなく、システムは例外を受け入れる。
医療AIが今求められる理由
何十年もの間、コンピューティングは決定論を追求していました：同じ入力、同じ出力でした。 医療はそのようには機能しません。
現在の AI モデルは非決定論的ですが、有用な結果に偏っています。 耐障害性と柔軟性に優れたメッセージベースの最新のイベント駆動型プラットフォームと組み合わせることで、私たちは最終的に適応型自動化を大規模かつ確実に実装するためのインフラストラクチャを手に入れました。
実際の動作をご覧ください
私が最近行ったウェビナー「医療自動化の未来」では、 私は、アダプティブ・オートメーションが医療における日常の複雑さに対処する方法を実演します。 エージェントが臨床医の仕事を調整し、事務の負担を軽減し、より良い結果を達成できるように導きつつ、臨床医が主導権を握る形を維持します。
このテクノロジーが現在どこに適合しているのか、また実際の運用でどのように測定可能な結果をもたらすかについて実践的に知るには、[ウェビナーの詳細はこちらをご覧ください]。
