Como construir uma base em IA para acelerar a transformação da saúde

É necessária uma estratégia holística de IA em escala para que, se a organização precisar se recalibrar durante um projeto inicial de IA, isso não resulte em uma perda de adesão organizacional em relação à realização do poder da GenAI para a saúde. "A adoção de inovações ousadas costuma ser um desafio, especialmente para os profissionais da área de saúde, cuja principal preocupação é, antes de tudo, a segurança do paciente. No entanto, uma liderança forte pode superar esses desafios por meio de educação adequada e pontos de prova de benefícios clínicos claros para o atendimento ao paciente", disse o Dr. Mault, da BioIntelliSense.

Mais de 40% dos CEOs da área de saúde que responderam à pesquisa CEO Outlook Pulse da EY disseram que já haviam estabelecido uma força-tarefa de IA, com linha direta para o C-suite, responsável pela visão e estratégia da empresa.

Em primeiro lugar, a liderança deve trazer clareza e visão estratégica em relação ao futuro modelo operacional baseado em IA e GenAI. Planejando para esse estado futuro, os executivos devem considerar como a organização amadurecerá seus recursos para operar e manter um portfólio de algoritmos. Eles devem planejar como monitorarão os dados subjacentes que sustentam os algoritmos, darão suporte a testes, treinamento e gerenciamento de mudanças em torno de cada algoritmo e ficarão atentos a mudanças nos elementos de dados, modelos de atendimento ou procedimentos que possam afetar a eficácia relativa de cada algoritmo. É possível imaginar um futuro em que os algoritmos dependerão de outros algoritmos e, portanto, os recursos, as funções e as habilidades de gerenciamento de mudanças em toda a empresa devem evoluir para gerenciar adequadamente essas complexidades e riscos. Dessa forma, os executivos devem considerar esses impactos futuros do modelo operacional do setor de saúde e as medidas que precisam ser tomadas agora para planejar, investir, contratar, treinar e proteger a organização de saúde.

Os CEOs do setor de saúde estão tomando medidas para moldar suas estratégias de IA

O que você pode fazer agora: comece com uma vitória rápida - um caso de uso voltado para o ambiente interno que seja de baixo risco, baixo custo e que permita que as partes interessadas executivas entendam os algoritmos, o processo de governança e o gerenciamento de mudanças necessários antes de se aventurar em casos de uso de maior complexidade.

Foco no futuro: os executivos devem ser os principais atores na defesa de novos projetos e no fornecimento de comunicações estratégicas e supervisão de projetos.

Como a IA continua a evoluir globalmente, os órgãos reguladores estão se esforçando para navegar nesse novo ambiente, especialmente quando se trata de integrar a tecnologia em dispositivos médicos e fluxos de trabalho clínicos. Para se proteger contra os riscos de algoritmos tendenciosos e conjuntos de dados variáveis que afetam o atendimento ao paciente, as organizações de saúde devem estar atentas ao monitoramento do desempenho e ao gerenciamento de mudanças^.5

A governança deve ser a âncora para garantir uma IA segura, sustentável, responsável e transparente^.6 "A IA explicável é importante para que os médicos possam entender que as informações apresentadas se baseiam em protocolos de tratamento clinicamente aceitos e possam tomar decisões mais bem informadas", disse Femi Ladega, Group Chief Digital Officer da Dedalus, uma empresa global de soluções de diagnóstico e cuidados com a saúde digital. "A governança de IA de uma organização deve ser flexível para atender às necessidades de amadurecimento dos modelos de IA na empresa de saúde."

Na empolgação com a IA e a GenAI, à medida que as organizações de saúde recorrem a terceiros para obter ajuda, existe o perigo de se apoiar em dezenas de soluções pontuais, que podem se tornar incontroláveis e caras. As organizações de saúde precisam de políticas para examinar e montar adequadamente o ecossistema de parceiros e soluções que podem escolher nesse ambiente em rápida mudança.

O que você pode fazer agora: harmonizar sua governança de IA com a governança organizacional e de dados existente. A IA deve ser conectada aos processos existentes para que a organização possa adotá-la e compreendê-la melhor.

Foco no futuro: estabeleça ciclos contínuos de feedback que monitorem as mudanças de regulamentação, os riscos e as tendências em todo o portfólio de IA. O ciclo de feedback deve fazer parte da estrutura de governança para supervisionar e aprimorar constantemente todos os algoritmos.

As organizações de saúde terão funcionários que começarão a usar a IA e a GenAI por conta própria ou que tomarão decisões com base nos resultados, por isso é importante pensar no treinamento necessário para ajudar os funcionários a reconhecer preconceitos e entender como monitorar o desempenho. Trabalhar com os médicos ao implementar ferramentas de IA ou GenAI é essencial para uma integração bem-sucedida. A transparência em relação aos dados e modelos que alimentam os resultados é necessária desde o início para que os médicos saibam exatamente como essas novas ferramentas podem afetar seu estado futuro.

O que você pode fazer agora: no que diz respeito ao ensino de IA em geral, muitas universidades importantes estão incorporando cursos de IA para preparar a futura força de trabalho. As pessoas que prestam atendimento devem receber treinamento em IA para prepará-las para a incorporação da IA e da GenAI em suas vidas diárias.

Foco para o futuro: estabelecer funções específicas para que os prestadores de serviços de saúde com mais conhecimento ou interesse em IA trabalhem com aqueles que desenvolvem e mantêm algoritmos de IA para criar continuamente experiências que satisfaçam os pacientes e otimizem a prestação de cuidados.

As organizações de saúde querem ter certeza de que seu investimento será compensado em termos de equação de valor, seja o valor financeiro ou a experiência do médico e do paciente. Para gerar valor, o tipo certo de IA deve ser aplicado com base na situação, o que é mais aplicável clinicamente, econômico e, o que é mais importante, sustentável. Cada caso de uso pode não girar em torno apenas da GenAI ou de um tipo de IA, mas sim de uma mistura de automação de processos robóticos (RPA), aprendizado de máquina e GenAI para ser econômico e sustentável. O segredo é arquitetar essas ferramentas de forma que sejam gerenciáveis e tenham a supervisão adequada para produzir algoritmos éticos e valiosos em escala.

O custo é certamente um fator determinante quando se trata de manter algoritmos em escala. Os conjuntos de dados e as tendências dos algoritmos podem mudar com o tempo, o que significa que eles precisarão ser otimizados continuamente. À medida que os algoritmos se tornam mais complexos e crescem em escala, o modelo operacional de como gerenciá-los muda drasticamente. Além disso, em nível empresarial, haverá um portfólio de algoritmos de IA que precisará ser supervisionado, mantido, rastreado e regulamentado de forma consistente, o que exige habilidades especializadas, infraestrutura de dados e supervisão significativa.

Mas o valor não é apenas financeiro, diz o Dr. Stewart, da Johns Hopkins Medicine. O valor pode vir na forma de maior satisfação do médico por meio da redução de cliques no EHR ou de passos gigantescos para melhorar a saúde do mundo. "Se eu pudesse abordar a disparidade no atendimento à saúde na aplicação das melhores práticas em todas as pessoas para hipertensão, diabetes, insuficiência cardíaca congestiva e câncer de mama, e eliminar as disparidades no atendimento à saúde para essas doenças em todas as pessoas, então eu realmente não me importaria com o custo", disse ele.

Aqui está o que você pode fazer agora: determinar os objetivos e metas estratégicos de sua organização ao usar a IA. O objetivo é a redução de custos, o aumento da receita, a eficiência operacional, a satisfação do cliente ou a inovação? Comece com um caso de uso de baixo risco e fácil de implementar que se encaixe em seus objetivos.

Foco no futuro: depois que sua organização tiver testado sua governança em alguns casos de uso e à medida que a infraestrutura e os conjuntos de habilidades amadurecerem, ela poderá assumir casos de uso mais complexos e transformadores. Avalie continuamente os casos de uso implementados para determinar se eles estão atingindo os resultados desejados ou se precisam ser mais otimizados.

Agradecimentos especiais às seguintes pessoas que contribuíram muito para o desenvolvimento deste ponto de vista:

Sezin Palmer, Líder de IA do Setor de Saúde Global da EY

Kayla Horan, líder global de soluções de análise de saúde inteligente da EY

Crystal Yednak, Analista Sênior de Saúde Global da EY

Rachel Dunscombe, CEO da OpenEHR