مشكلة هيكلية في قسم الطوارئ
أصبحت أقسام الطوارئ في جميع أنحاء الولايات المتحدة شبكة أمان الملاذ الأخير لنظام رعاية صحية يفشل في كثير من الأحيان في خدمة مرضاه قبل وقت طويل من وصولهم إلى أبوابه. فاحتجاز المرضى في الأسرة الذي قد يمتد لأيام، وممرات مكتظة بمرضى ينتظرون أسرة، وأطباء غارقون في التوثيق، وطاقم دعم موزع بشكل رفيع بشكل مستحيل ليست حالات شاذة. بل هي الوضع الافتراضي. في عمود "AI Prognosis" لهذا الأسبوع، تجادل بريتاني ترانج بأن أدوات الذكاء الاصطناعي — مهما كانت متطورة — لن تصلح غرفة الطوارئ، لأن غرفة الطوارئ ليست مشكلة برمجية. إنها عرض لفشل أعمق وأكثر عنادًا في كيفية تنظيم الرعاية الصحية وتمويلها وتقديمها.
هذا الاستنتاج يتعارض مع المشهد المزدهر للذكاء الاصطناعي في الرعاية الصحية. في السنوات الأخيرة، بلغ الضجيج ذروته حول كتّاب الذكاء الاصطناعي الذين يستمعون إلى محادثات المريض والطبيب ويولّدون تلقائيًا الملاحظات السريرية، وحول الخوارزميات التنبؤية التي تشير إلى خطر الإنتان أو شدة الصدمة، وحول الرؤية الحاسوبية التي تعد بقراءة الأشعة السينية للصدر والأشعة المقطعية بدقة خارقة. بدا قسم الطوارئ، المليء بضغط الوقت والبيانات الضخمة والرهانات العالية، وكأنه أرض اختبار مثالية.
لماذا يجذب الذكاء الاصطناعي طب الطوارئ؟
الجاذبية مفهومة. طب الطوارئ هو أحد التخصصات الأكثر اعتمادًا على التوثيق. فالنوبة النموذجية تنتج كميات هائلة من الرسوم البيانية، والتوقيعات، ورموز الفوترة، ومقاييس الجودة. غالبًا ما يقضي الأطباء ساعتين في التوثيق خارج ساعات العمل مقابل كل ساعة من رعاية المرضى المباشرة. يعد كتّاب الذكاء الاصطناعي باستعادة تلك الساعات، مما يسمح للأطباء بالتركيز على المرضى بدلاً من الشاشات. تستخدم أدوات الفرز التعلم الآلي لتحديد أولويات المرضى بناءً على درجات المخاطر، مما قد يقلل من أوقات الانتظار. يمكن لنماذج التنبؤ بالإنتان تنبيه الأطباء إلى العلامات المبكرة الدقيقة، مثل نظرة آلية فوق الكتف.
ومع ذلك، تعمل هذه الأدوات، كما تلاحظ ترانج، على أطراف النظام. فهي لا تفعل شيئًا بشأن حقيقة أن غرفة الطوارئ هي المكان الوحيد الذي يمكن للكثيرين الوصول إلى الرعاية فيه ليلاً، أو في عطلات نهاية الأسبوع، أو بدون تأمين. وهي لا تنشئ أسرة للمرضى الداخليين للمرضى الذين يحتاجون إلى دخول المستشفى ولكن ليس لديهم مكان يذهبون إليه لأن المستشفى ممتلئ. وهي لا تخفف من نقص الممرضين أو الطاقم النفسي أو الأخصائيين الاجتماعيين. وهي لا توقف تدفق المرضى الذين لم يتمكنوا من الحصول على موعد مع طبيب الرعاية الأولية، أو الذين لا تكون احتياجاتهم طبية بل اجتماعية — السكن، والأمن الغذائي، والنقل.
كتّاب الذكاء الاصطناعي يعالجون العرض وليس المرض
خذ كاتب الذكاء الاصطناعي، المفضل لدى مديري المستشفيات. إنه مثال مثالي لحل "مشكلة غبية": أتمتة المهمة الدنيوية المتكررة المتمثلة في تدوين الملاحظات. في هذه العملية، أثناء اللقاء السريري، قد تقلل الأداة بالفعل من الإرهاق وتستعيد شيئًا من التواصل البصري بين الطبيب والمريض. الأطباء الذين يستخدمون مثل هذه الأدوات يبلغون عن تعب أقل ورضا أعلى، على الأقل في البداية. لكن الأسباب الأعمق لعبء التوثيق هذا — النقرات عديمة الفائدة، والطب الدفاعي، ومربعات الاختيار المدفوعة بالامتثال، والحاجة إلى تبرير كل دقيقة لشركات التأمين — تظل بعيدة المنال.
النظام الذي يكافئ الحجم على القيمة سيظل يدفع الأطباء لرؤية المزيد من المرضى، حتى لو تمت أتمتة التوثيق. الطبيب الذي يتم إعفاؤه تلقائيًا من الكتابة لا يزال يشعر بضغط غرفة الانتظار المزدحمة وأهداف الأربع ساعات التي يحددها المسؤولون. كاتب الذكاء الاصطناعي لا يمنح المزيد من الوقت؛ إنه ببساطة ينقل المكان الذي ينتهي فيه الوقت المضغوط. بدون تغييرات في الحوافز، ونسب التوظيف، وطريقة سداد تكاليف الرعاية، قد يكون التأثير الصافي أن المستشفيات ببساطة تجدول المزيد من لقاءات المرضى لنفس العدد من الأطباء، مما يسرع الإرهاق.
وبالمثل، يمكن أن تكون أدوات الفرز القائمة على الذكاء الاصطناعي مفيدة، لكنها تحتاج إلى معايرة دقيقة ودمجها في سير عمل يعمل بالفعل. إذا كانت العملية الأساسية فوضوية، فإن الخوارزمية ترث تلك الفوضى. ويمكن للنماذج التنبؤية أن تدمج التحيزات الموجودة في البيانات التاريخية، مما يعرض الرعاية للخطر للسكان المهمشين بالفعل.
المشاكل "الغبية" هي الأصعب
عمود ترانج هو جزء من سلسلة "AI Prognosis" الأوسع، والتي جادلت باستمرار بأن أهم العوائق أمام تبني الذكاء الاصطناعي في الرعاية الصحية ليست الخوارزميات البراقة ولكن "المشاكل الغبية" غير الجذابة والمملة: قابلية التشغيل البيني للبيانات، وإرهاق التنبيهات، وواجهات المستخدم، والوضوح التنظيمي. يُقال إن شركة ناشئة لمدير سابق في ARPA-H تم تسليط الضوء عليها في مكان آخر في STAT تعالج هذه القضايا بالضبط، معترفة بأن أكبر مكاسب الذكاء الاصطناعي في الطب ستأتي على الأرجح من إعادة بناء البنية التحتية الرقمية بدلاً من تقديم تنبؤات كبرى.
في سياق قسم الطوارئ، هذه المشاكل الغبية موجودة في كل مكان. يجب أن تستوعب معالجة اللغة الطبيعية التي تشغل الكتّاب السرديين كل لهجة ولهجة ومصطلح طبي. يجب أن تعمل الواجهات على أجهزة كمبيوتر قديمة على مكتب مزدحم. يجب أن تتدفق مخرجات الذكاء الاصطناعي إلى السجلات الصحية الإلكترونية من بائعين متعددين، لكل منها هيكله الخاص. ويجب ضبط التنبيهات حتى لا يتجاهلها الأطباء تمامًا بسبب إرهاق التنبيهات. حل هذه المشاكل ضروري، ولكن حتى ذلك الحين فإنه يجعل السطح الخشن أكثر نعومة قليلاً فقط.
ما لن يتم حله هو مشكلة الاحتجاز. تبلغ أقسام الطوارئ في جميع أنحاء البلاد عن أوقات انتظار قياسية لأن المرضى لا يمكن نقلهم إلى أقسام المرضى الداخليين. غالبًا ما يكون هذا بسبب نقص أسرة المستشفيات، وليس لأن القبول يتأخر بسبب الأعمال الورقية. إذا كان لدى الطبيب مريض مصاب بمرض خطير يحتاج إلى رعاية مركزة ولكن لا يوجد سرير عناية مركزة متاح، فلا يمكن لأداة ذكاء اصطناعي إنشاء واحد. وبالمثل، عندما ينتظر مريض نفسي لأيام للحصول على سرير في مرفق صحة عقلية، لن يؤوي الذكاء الاصطناعي هذا المريض أو يوسع القوى العاملة النفسية.
بعض المشاكل ليس لها حل تكنولوجي
تعكس الأزمة في طب الطوارئ أيضًا نقصًا أوسع في القوى العاملة. غادر الممرضون المهنة بأعداد كبيرة، تفاقم بسبب الإرهاق في عصر الجائحة وظروف العمل السيئة. يتقاعد الأطباء مبكرًا أو يبحثون عن وظائف تعد بتوازن أفضل بين العمل والحياة. قد يؤدي دمج كاتب ذكاء اصطناعي في ما تبقى من الممرضين والأطباء إلى تقليل بعض التوتر، لكنه لا يعيد بناء خط أنابيب المهنيين المدربين. يتضمن الإصلاح النظامي استثمارات أكبر في التعليم، وإعادة هيكلة ساعات العمل والأجور، وخلق نسب توظيف آمنة — وهي مهام سياسية وليست تقنية.
ثم هناك المرضى أنفسهم. تخدم أقسام الطوارئ بشكل متزايد كمستودع للاحتياجات الاجتماعية غير الملباة. مريض مسن بدون مقدم رعاية سقط؛ شاب بالغ يعاني من الإدمان ولكن بدون خطة رعاية؛ عائلة عاملة تعاني من التشرد. لا يمكن للذكاء الاصطناعي ترتيب الرعاية المنزلية، أو إضافة مساكن ميسورة التكلفة، أو ضمان الوصول إلى الاستشارات النفسية. هذه الحالات ليست "حالات حافة" في نظام يعمل بشكل جيد؛ في العديد من المستشفيات تمثل جزءًا كبيرًا من الحضور اليومي. تكشف بيانات السجل الصحي الإلكتروني، ورموز التشخيص، والروايات عن أنماط هي محددات اجتماعية للصحة، وليست عيوبًا في التدفق التكنولوجي.
الطريق الحقيقي إلى الأمام
استنتاج ترانج ليس أن الذكاء الاصطناعي عديم القيمة في غرفة الطوارئ. على العكس من ذلك، يسمح العمود بأن بعض الأدوات يمكنها تحسين دقة التوثيق، وتقليل الأخطاء الروتينية، ومساعدة الأطباء في استرجاع المعلومات. لكن هذه أدوار داعمة. التوقع بأن الذكاء الاصطناعي يمكنه إعادة هيكلة وإنعاش غرفة الطوارئ هو توقع في غير محله. المشاكل التي تعاني منها أقسام الطوارئ هي نفس المشاكل التي تعاني منها الرعاية الصحية بشكل عام: التمويل المجزأ، ونقص خدمات الرعاية الأولية والصحة العقلية، والصحة العامة غير الممولة، وشيخوخة السكان، وكلها متراكبة على نموذج تشغيلي قديم.
قد تكون جهود "إصلاح غرفة الطوارئ بالذكاء الاصطناعي" مضادة للإنتاجية إذا تسببت في تجنب القادة للمحادثات الأصعب. يمكن للمسؤولين الإشارة إلى لوحة معلومات ذكاء اصطناعي جديدة كعلامة على التحسن، بينما يتجاهلون في الوقت نفسه الحاجة إلى زيادة نسب الممرضين، وتحسين بروتوكولات الاحتجاز، والعمل مع المنظمات المجتمعية لتحويل الرعاية غير العاجلة. قسم الطوارئ هو صمام تنفيس الضغط لنظام الرعاية الصحية بأكمله، وهو على وشك الانفجار. لا كمية من التكنولوجيا الذكية ستغير ذلك؛ فقط الالتزام بتغيير هيكل تقديم الرعاية يمكن أن يفعل ذلك.
الدرس المستفاد من "AI Prognosis" هو أننا يجب أن نتوقف عن سؤال ما إذا كان الذكاء الاصطناعي يمكنه إصلاح غرفة الطوارئ وبدلاً من ذلك نسأل لماذا نتوقع من التكنولوجيا حل ما لا يمكن حله إلا بالسياسة والقيادة والتمويل. دع الخوارزميات تساعد، لكن لا تدعها تحمل الوزن الكامل لنظام يحتاج إلى دعم.
كما كتبت ترانج، لا يمكن للذكاء الاصطناعي تغيير مشاكل غرفة الطوارئ. هذا ليس فشلًا للعلم. إنه تذكير بأن الرعاية الصحية نظام بشري، وأن أصعب مشاكله تظل بشرية بعناد.
تستند هذه المقالة إلى تقارير من STAT News. اقرأ المقال الأصلي.
Originally published on statnews.com
