AI అత్యవసర గదిని పరిష్కరించలేదు - మరియు అదే పాయింట్

అత్యవసర విభాగానికి నిర్మాణాత్మక సమస్య ఉంది

యునైటెడ్ స్టేట్స్ అంతటా అత్యవసర విభాగాలు ఆరోగ్య సంరక్షణ వ్యవస్థకు చివరి ప్రయత్న భద్రతా వలయంగా మారాయి, ఇది రోగులను తలుపుల వద్దకు చేరుకోవడానికి చాలా కాలం ముందే విఫలమవుతుంది. రోజుల తరబడి కొనసాగే బోర్డింగ్ హోల్డ్లు, పడకల కోసం ఎదురుచూసే రోగులతో నిండిన కారిడార్లు, డాక్యుమెంటేషన్లో మునిగిపోయే వైద్యులు మరియు అసాధ్యంగా సన్నగా విస్తరించిన సహాయక సిబ్బంది అసాధారణమైనవి కావు. అవి డిఫాల్ట్. ఈ వారం AI ప్రోగ్నోసిస్ కాలమ్లో, బ్రిట్టనీ ట్రాంగ్ వాదించారు, కృత్రిమ మేధస్సు సాధనాలు - ఎంత అధునాతనమైనవి అయినా - అత్యవసర గదిని పరిష్కరించవు, ఎందుకంటే అత్యవసర గది సాఫ్ట్వేర్ సమస్య కాదు. ఇది ఆరోగ్య సంరక్షణ ఎలా నిర్వహించబడుతుందో, ఆర్థికంగా ఎలా మద్దతు ఇవ్వబడుతుందో మరియు ఎలా పంపిణీ చేయబడుతుందో అనే దానిలో లోతైన, మరింత మొండి వైఫల్యాల లక్షణం.

ఆ ముగింపు అభివృద్ధి చెందుతున్న AI ఆరోగ్య సంరక్షణ ప్రకృతి దృశ్యానికి విరుద్ధంగా ఉంది. ఇటీవలి సంవత్సరాలలో, రోగి-వైద్యుడు సంభాషణలను విని క్లినికల్ నోట్లను స్వయంచాలకంగా రూపొందించే AI స్క్రైబ్లు, సెప్సిస్ ప్రమాదం లేదా గాయం తీవ్రతను జెండా చేసే అంచనా అల్గారిథమ్లు మరియు ఛాతీ ఎక్స్-రేలు మరియు CT స్కాన్లను అతి మానవ ఖచ్చితత్వంతో చదవగలవని వాగ్దానం చేసే కంప్యూటర్ విజన్ కోసం హైప్ విపరీత స్థాయికి చేరుకుంది. అత్యవసర విభాగం, సమయ ఒత్తిడి, విస్తారమైన డేటా మరియు అధిక ప్రమాదాలతో నిండి ఉంది, ఇది పరిపూర్ణ పరీక్షా స్థలంగా కనిపించింది.

అత్యవసర వైద్యానికి AI ఎందుకు ఆకర్షణీయంగా ఉంది

ఆకర్షణ అర్థమవుతుంది. అత్యవసర వైద్యం అత్యంత డాక్యుమెంటేషన్-భారీ ప్రత్యేకతలలో ఒకటి. ఒక సాధారణ షిఫ్ట్ అపారమైన చార్టింగ్, సైన్-అవుట్లు, బిల్లింగ్ కోడ్లు మరియు నాణ్యతా కొలమానాలను ఉత్పత్తి చేస్తుంది. వైద్యులు తరచుగా ప్రతి గంట ప్రత్యక్ష రోగి సంరక్షణకు రెండు గంటలు పని తర్వాత చార్టింగ్ కోసం గడుపుతారు. AI స్క్రైబ్లు ఆ గంటలను తిరిగి పొందుతామని వాగ్దానం చేస్తాయి, వైద్యులు స్క్రీన్లకు బదులుగా రోగులపై దృష్టి పెట్టడానికి వీలు కల్పిస్తాయి. ట్రైయేజ్ సాధనాలు రిస్క్ స్కోర్ల ఆధారంగా రోగులకు ప్రాధాన్యత ఇవ్వడానికి మెషిన్ లెర్నింగ్ను ఉపయోగిస్తాయి, వేచి ఉండే సమయాన్ని తగ్గించవచ్చు. సెప్సిస్ అంచనా నమూనాలు సూక్ష్మమైన ప్రారంభ సంకేతాలకు వైద్యులను అప్రమత్తం చేయగలవు, భుజం మీదుగా స్వయంచాలక చూపు వంటిది.

అయినప్పటికీ, ఈ సాధనాలు, ట్రాంగ్ పేర్కొన్నారు, వ్యవస్థ అంచులలో పనిచేస్తాయి. రాత్రి, వారాంతాల్లో లేదా బీమా లేకుండా చాలా మంది ప్రజలు సంరక్షణ పొందగల ఏకైక ప్రదేశం ER అనే వాస్తవం గురించి అవి ఏమీ చేయవు. ఆసుపత్రి సామర్థ్యంతో ఉన్నందున వెళ్ళడానికి చోటు లేని ప్రవేశం అవసరమైన రోగులకు వారు ఇన్పేషెంట్ పడకలను సృష్టించరు. నర్సులు, మానసిక వైద్య సిబ్బంది లేదా సామాజిక కార్యకర్తల కొరతను వారు తగ్గించరు. ప్రాథమిక సంరక్షణ వైద్యుడితో అపాయింట్మెంట్ పొందలేని లేదా వైద్యపరమైన అవసరాలు కాకుండా సామాజిక అవసరాలు ఉన్న రోగుల ప్రవాహాన్ని వారు ఆపరు - గృహ, ఆహార భద్రత, రవాణా.

AI స్క్రైబ్లు లక్షణాన్ని పరిష్కరిస్తాయి, వ్యాధిని కాదు

ఆసుపత్రి నిర్వాహకుల ప్రియమైన AI స్క్రైబ్ను తీసుకోండి. ఇది "డంబ్ ప్రాబ్లెమ్" పరిష్కారానికి ఖచ్చితమైన ఉదాహరణ: నోట్-టేకింగ్ యొక్క సామాన్యమైన, పునరావృత పనిని ఆటోమేట్ చేయడం. ఈ ప్రక్రియలో, క్లినికల్ ఎన్కౌంటర్ సమయంలో, ఈ సాధనం బర్న్అవుట్ను తగ్గించి, వైద్యుడు మరియు రోగి మధ్య కంటి సంబంధాన్ని పునరుద్ధరించవచ్చు. అటువంటి సాధనాలను ఉపయోగించే వైద్యులు తక్కువ అలసట మరియు అధిక సంతృప్తిని నివేదిస్తారు, కనీసం ప్రారంభంలో. కానీ ఆ డాక్యుమెంటేషన్ భారానికి లోతైన కారణాలు - పనికిరాని క్లిక్లు, రక్షణాత్మక వైద్యం, సమ్మతి-నడిచే చెక్బాక్స్లు మరియు ప్రతి నిమిషాన్ని బీమాదారులకు సమర్థించాల్సిన అవసరం - అంటుకోలేనివిగా ఉంటాయి.

వాల్యూమ్పై విలువను బహుమతిగా ఇచ్చే వ్యవస్థ ఇప్పటికీ వైద్యులను ఎక్కువ మంది రోగులను చూడమని నెట్టివేస్తుంది, చార్టింగ్ ఆటోమేట్ అయినప్పటికీ. టైపింగ్ నుండి స్వయంచాలకంగా ఉపశమనం పొందిన వైద్యుడు రద్దీగా ఉన్న వెయిటింగ్ రూమ్ మరియు నిర్వాహకులు నిర్దేశించిన నాలుగు గంటల లక్ష్యాల ఒత్తిడిని ఇప్పటికీ అనుభవిస్తాడు. AI స్క్రైబ్ ఎక్కువ సమయం ఇవ్వదు; అది పిండిన సమయం ఎక్కడ ముగుస్తుందో మారుస్తుంది. ప్రోత్సాహకాలు, సిబ్బంది నిష్పత్తులు మరియు సంరక్షణకు తిరిగి చెల్లించే విధానంలో మార్పులు లేకుండా, నికర ప్రభావం ఆసుపత్రులు అదే సంఖ్యలో వైద్యులకు ఎక్కువ రోగి ఎన్కౌంటర్లను షెడ్యూల్ చేయడం, బర్న్అవుట్ను మరింత వేగవంతం చేయడం.

అదేవిధంగా, AI-ఆధారిత ట్రైయేజ్ సాధనాలు సహాయపడతాయి, కానీ వాటిని జాగ్రత్తగా క్రమాంకనం చేసి, ఇప్పటికే పనిచేసే వర్క్ఫ్లోలో విలీనం చేయాలి. అంతర్లీన ప్రక్రియ గందరగోళంగా ఉంటే, అల్గారిథమ్ ఆ గందరగోళాన్ని వారసత్వంగా పొందుతుంది. మరియు అంచనా నమూనాలు చారిత్రక డేటాలో ఉన్న పక్షపాతాలను ఎన్కోడ్ చేయగలవు, ఇప్పటికే అట్టడుగున ఉన్న జనాభాకు అధ్వాన్నమైన సంరక్షణ ప్రమాదం ఉంది.

'డంబ్ ప్రాబ్లెమ్స్' అత్యంత కష్టమైనవి

ట్రాంగ్ కాలమ్ విస్తృత AI ప్రోగ్నోసిస్ సిరీస్లో భాగం, ఇది ఆరోగ్య సంరక్షణలో AI స్వీకరణకు అత్యంత ముఖ్యమైన అడ్డంకులు మెరిసే అల్గారిథమ్లు కాదని, అందమైన, బోరింగ్ "డంబ్ ప్రాబ్లెమ్స్" అని స్థిరంగా వాదించింది: డేటా ఇంటర్ఆపరేబిలిటీ, అలర్ట్ ఫెటీగ్, యూజర్ ఇంటర్ఫేస్లు మరియు రెగ్యులేటరీ స్పష్టత. STATలో మరెక్కడా ప్రొఫైల్ చేయబడిన మాజీ ARPA-H డైరెక్టర్ స్టార్టప్ ఈ ఖచ్చితమైన సమస్యలను ఎదుర్కొంటున్నట్లు నివేదించబడింది, వైద్యంలో AI యొక్క అతిపెద్ద విజయాలు గొప్ప అంచనాలను చేయడం కంటే డిజిటల్ ప్లంబింగ్ను పునర్నిర్మించడం నుండి వచ్చే అవకాశం ఉందని అంగీకరించింది.

అత్యవసర విభాగం సందర్భంలో, ఆ డంబ్ ప్రాబ్లెమ్స్ ప్రతిచోటా ఉన్నాయి. నేరేటివ్ స్క్రైబ్లను శక్తివంతం చేసే సహజ భాషా ప్రాసెసింగ్ ప్రతి యాస, మాండలికం మరియు వైద్య భాషను తప్పనిసరిగా కల్పించాలి. ఇంటర్ఫేస్లు పాత కంప్యూటర్లలో అయోమయ డెస్క్ వద్ద పనిచేయాలి. AI అవుట్పుట్లు బహుళ విక్రేతల నుండి ఎలక్ట్రానిక్ హెల్త్ రికార్డులలోకి ప్రవహించాలి, ప్రతి దాని స్వంత నిర్మాణం ఉంటుంది. మరియు అలర్ట్ ఫెటీగ్ కారణంగా వైద్యులు వాటిని పూర్తిగా విస్మరించకుండా అలర్ట్లను ట్యూన్ చేయాలి. ఆ సమస్యలను పరిష్కరించడం చాలా అవసరం, కానీ అప్పుడు కూడా అది కఠినమైన ఉపరితలాన్ని కొద్దిగా మృదువుగా చేస్తుంది.

బోర్డింగ్ సమస్య పరిష్కరించబడదు. దేశవ్యాప్తంగా అత్యవసర విభాగాలు రికార్డు స్థాయిలో ఎక్కువ వేచి ఉండే సమయాలను నివేదిస్తున్నాయి, ఎందుకంటే రోగులను ఇన్పేషెంట్ యూనిట్లకు తరలించలేము. ఇది తరచుగా ఆసుపత్రి పడకల కొరత కారణంగా ఉంటుంది, పేపర్వర్క్ కారణంగా ప్రవేశాలు ఆలస్యం అవుతున్నాయని కాదు. ఒక వైద్యుడికి ICU సంరక్షణ అవసరమైన విమర్శనాత్మకంగా అనారోగ్యంతో ఉన్న రోగి ఉంటే కానీ ICU పడక ఖాళీ లేకపోతే, ఏ AI సాధనం ఒకదాన్ని సృష్టించదు. అదేవిధంగా, మానసిక ఆరోగ్య సౌకర్యంలో పడక కోసం మానసిక వైద్య హోల్డ్ రోజుల తరబడి వేచి ఉన్నప్పుడు, AI ఆ రోగికి గృహం ఇవ్వదు లేదా మానసిక వైద్య శ్రామిక శక్తిని విస్తరించదు.

కొన్ని సమస్యలకు సాంకేతిక పరిష్కారం లేదు

అత్యవసర వైద్యంలో సంక్షోభం విస్తృత శ్రామిక శక్తి కొరతను కూడా ప్రతిబింబిస్తుంది. నర్సులు వృత్తిని వదిలి వెళ్ళారు, మహమ్మారి-యుగం బర్న్అవుట్ మరియు పేలవమైన పని పరిస్థితుల వల్ల తీవ్రమయ్యాయి. వైద్యులు ముందుగానే పదవీ విరమణ చేస్తున్నారు లేదా మెరుగైన పని-జీవిత సమతుల్యతను వాగ్దానం చేసే ఉద్యోగాలను వెతుకుతున్నారు. మిగిలిన నర్సులు మరియు వైద్యులలో AI స్క్రైబ్ను ప్రసారం చేయడం కొంత ఒత్తిడిని తగ్గించవచ్చు, కానీ అది శిక్షణ పొందిన నిపుణుల పైప్లైన్ను పునర్నిర్మించదు. వ్యవస్థాగత పరిష్కారం విద్యలో పెద్ద పెట్టుబడులు, గంటలు మరియు జీతం పునర్నిర్మించడం మరియు సురక్షిత సిబ్బంది నిష్పత్తులను సృష్టించడం - ఇవి రాజకీయమైనవి, సాంకేతికమైనవి కావు.

అప్పుడు రోగులు కూడా ఉన్నారు. అత్యవసర విభాగాలు ఎక్కువగా తీర్చబడని సామాజిక అవసరాలకు రిపోజిటరీగా పనిచేస్తాయి. సంరక్షకుడు లేని వృద్ధ రోగి పడిపోతే; సంరక్షణ ప్రణాళిక లేని వ్యసనంతో ఉన్న యువకుడు; నిరాశ్రయతను ఎదుర్కొంటున్న పని కుటుంబం. AI ఇంటి సంరక్షణను ఏర్పాటు చేయదు, సరసమైన గృహాన్ని జోడించదు లేదా మానసిక ఆరోగ్య కౌన్సెలింగ్కు ప్రాప్యతను నిర్ధారించదు. ఈ కేసులు బాగా పనిచేసే వ్యవస్థలో "ఎడ్జ్ కేసులు" కావు; అనేక ఆసుపత్రులలో అవి రోజువారీ హాజరీదారులలో గణనీయమైన భాగాన్ని సూచిస్తాయి. EMR డేటా, డయాగ్నస్టిక్ కోడ్లు మరియు నేరేటివ్లు అన్నీ సామాజిక ఆరోగ్య నిర్ణాయకాలైన నమూనాలను వెల్లడిస్తాయి, సాంకేతిక ప్రవాహంలో లోపాలు కాదు.

నిజమైన మార్గం ముందుకు

ట్రాంగ్ ముగింపు అత్యవసర గదిలో AI విలువ లేనిదని కాదు. దీనికి విరుద్ధంగా, కాలమ్ కొన్ని సాధనాలు డాక్యుమెంటేషన్ ఖచ్చితత్వాన్ని మెరుగుపరచగలవని, సాధారణ లోపాలను తగ్గించగలవని మరియు సమాచార పునరుద్ధరణతో వైద్యులకు సహాయపడతాయని అనుమతిస్తుంది. కానీ ఇవి సహాయక పాత్రలు. AI ERని పునర్నిర్మించగలదని మరియు పునరుద్ధరించగలదనే అంచనా తప్పు. అత్యవసర విభాగాలను బాధించే సమస్యలు ఆరోగ్య సంరక్షణను విస్తృతంగా బాధించే సమస్యలే: విచ్ఛిన్నమైన ఫైనాన్సింగ్, ప్రాథమిక సంరక్షణ మరియు మానసిక ఆరోగ్య సేవల కొరత, నిధులు లేని ప్రజారోగ్యం మరియు వృద్ధాప్య జనాభా, ఇవన్నీ పురాతన కార్యాచరణ నమూనాపై పొరలుగా ఉన్నాయి.

"AIతో ERని పరిష్కరించడానికి" ప్రయత్నాలు కూడా ప్రతికూలంగా ఉండవచ్చు, అవి నాయకులు కష్టతరమైన సంభాషణలను నివారించడానికి కారణమైతే. నిర్వాహకులు కొత్త AI డాష్బోర్డ్ను మెరుగుదలకు సంకేతంగా చూపవచ్చు, అదే శ్వాసలో నర్సు నిష్పత్తులను పెంచడం, బోర్డింగ్ ప్రోటోకాల్లను మెరుగుపరచడం మరియు నాన్-అర్జెంట్ కేర్ను మళ్లించడానికి కమ్యూనిటీ సంస్థలతో పనిచేయడం అవసరాన్ని విస్మరిస్తారు. అత్యవసర విభాగం మొత్తం ఆరోగ్య సంరక్షణ పర్యావరణ వ్యవస్థకు ఒత్తిడి ఉపశమన కవాటం, మరియు అది పగిలిపోయే స్థితిలో ఉంది. తెలివైన సాంకేతికత ఏ మొత్తం దానిని మార్చదు; సంరక్షణ డెలివరీ నిర్మాణాన్ని మార్చడానికి నిబద్ధత మాత్రమే చేయగలదు.

AI ప్రోగ్నోసిస్ నుండి పాఠం ఏమిటంటే, AI అత్యవసర గదిని పరిష్కరించగలదా అని అడగడం మానేసి, సాంకేతికత ద్వారా మాత్రమే పరిష్కరించగలిగే దానిని ఎందుకు ఆశిస్తున్నామని అడగాలి - విధానం, నాయకత్వం మరియు నిధులు మాత్రమే పరిష్కరించగలవు. అల్గారిథమ్లు సహాయం చేయనివ్వండి, కానీ మద్దతు అవసరమైన వ్యవస్థ యొక్క మొత్తం బరువును వాటిని మోయనివ్వవద్దు.

ట్రాంగ్ రాసినట్లుగా, AI ER యొక్క సమస్యలను మార్చదు. అది సైన్స్ వైఫల్యం కాదు. ఆరోగ్య సంరక్షణ మానవ వ్యవస్థ అని మరియు దాని కష్టతరమైన సమస్యలు మొండిగా మానవులుగా ఉన్నాయని ఇది గుర్తు చేస్తుంది.

ఈ వ్యాసం STAT న్యూస్ రిపోర్టింగ్ ఆధారంగా రూపొందించబడింది. అసలు వ్యాసం చదవండి.