Блог SQNS · ИИ в клинике

ИИ в медицине: 5 барьеров внедрения искусственного интеллекта

Что мешает клиникам внедрять ИИ: ответственность врача, реальная польза, безопасность данных, области применения и сложность внедрения. Разбираем на примерах медицинских и административных процессов.

ИИ всё активнее входит в работу клиник: анализирует снимки, отвечает пациентам, помогает с записью и снимает часть рутины. Но чем больше задач ему передают, тем больше вопросов возникает у руководителей и врачей.

Кто отвечает, если алгоритм ошибётся? Можно ли доверять ему данные пациентов? Даст ли внедрение реальную пользу – или клиника получит ещё один дорогой сервис, который сотрудники будут обходить стороной?

Разберём пять барьеров, которые чаще всего останавливают клиники перед внедрением ИИ, и посмотрим, где действительно есть риск, а где – скорее неправильное представление о технологии.

Это один из самых понятных страхов врачей. Если алгоритм анализирует снимок, отмечает подозрительный участок или предлагает интерпретацию результата, легко представить, что следующим шагом станет передача ему части медицинского решения.

Но здесь важно разделять помощь в анализе и само клиническое решение.

ИИ может быстрее обработать большой объём информации, обратить внимание врача на отдельные зоны или представить результат в более наглядном виде. Но он не знает пациента так, как врач: не оценивает жалобы, анамнез, сопутствующие заболевания и всю клиническую картину в том объёме, в котором это делает специалист.

Поэтому сценарий с проверкой результата специалистом выглядит так: ИИ проанализировал — врач проверил результат — сопоставил его с другими данными — принял решение.

Например, в стоматологии Diagnocat помогает анализировать 2D- и 3D-исследования и визуально выделять области, которые требуют внимания. Такой отчёт может стать дополнительным источником информации для врача, но не заменяет его профессиональную оценку.

Подключить Diagnocat

Именно поэтому при выборе ИИ-инструмента клинике важно смотреть не только на то, что алгоритм умеет, но и на то, какую роль ему отводят в рабочем процессе.

Перед внедрением стоит ответить на три вопроса:

• что ИИ делает самостоятельно;
• какой результат обязательно проверяет специалист;
• на каком этапе принимается окончательное медицинское решение.

Чем ближе технология находится к диагностике и лечению, тем важнее эта граница.

Хороший медицинский ИИ не убирает врача из процесса. Он даёт ему дополнительную информацию для принятия решения.

Если окончательное решение всё равно принимает врач, возникает логичный вопрос: что тогда вообще даёт искусственный интеллект клинике?

Здесь легко попасть в ловушку и оценивать ИИ по количеству функций: сколько умеет распознавать, генерировать или анализировать. Но для клиники важнее другое – изменился ли после внедрения конкретный рабочий процесс.

ИИ действительно полезен, если после его подключения врачу или администратору приходится делать меньше ручной работы, быстрее находить нужную информацию или реже переключаться между разными сервисами.

Например, в стоматологии ценность Diagnocat не заканчивается на анализе снимка. При интеграции с SQNS результаты можно использовать дальше в работе с пациентом и зубной формулой. То есть врачу не нужно воспринимать ИИ как отдельный сервис, результат которого потом приходится вручную переносить в МИС. То же самое работает и за пределами врачебного приёма. Если ИИ отвечает пациенту на типовой вопрос, но администратору затем всё равно приходится вручную искать свободное время и переносить запись в расписание, автоматизирована только часть процесса. Если же диалог связан с расписанием и запись создаётся в МИС, польза становится гораздо конкретнее.

Как оценивать пользу ИИ

До внедрения стоит выбрать один процесс и посмотреть на него в цифрах:

• сколько времени он занимает сейчас;
• сколько ручных действий выполняет сотрудник;
• сколько раз приходится переносить информацию между системами;
• где чаще всего возникают задержки или ошибки;
• какой показатель должен измениться после подключения ИИ.

Тогда через месяц можно сравнить результат, а не ограничиваться ощущением, что «работать стало современнее». ИИ полезен тогда, когда меняет конкретный рабочий процесс клиники.

Когда речь заходит об искусственном интеллекте в медицине, чаще всего представляют алгоритмы, которые анализируют снимки, помогают искать патологические изменения или работают с медицинскими данными. Из-за этого легко решить, что ИИ нужен только врачу – и только там, где есть диагностика.

На практике у клиники есть и другой большой пласт задач: общение с пациентами до и после приёма. Пациенты каждый день задают похожие вопросы:

• сколько стоит приём;
• какой специалист нужен;
• есть ли свободное время вечером;
• как подготовиться к визиту;
• можно ли перенести запись.

На каждый такой вопрос должен кто-то ответить. И если все обращения обрабатывает администратор вручную, даже простые диалоги постепенно превращаются в заметную нагрузку. Здесь ИИ выполняет уже совсем другую роль. Он не анализирует снимок и не помогает принимать медицинское решение – он помогает организовать коммуникацию вокруг приёма.

Например, Aura System может вести диалог с пациентом, отвечать на организационные вопросы, учитывать информацию об услугах и доступном времени и помогать довести обращение до записи в SQNS. Если ситуация требует участия человека, диалог можно передать сотруднику.

Получается два совершенно разных сценария:

Именно поэтому оценивать ИИ как одну универсальную технологию неправильно. Для каждого процесса должны быть свои границы: где алгоритм действительно помогает, а где решение должен принимать человек.

ИИ в клинике – это не «виртуальный врач», а набор инструментов для разных рабочих задач.

Что важно не отдавать ИИ

Автоматизация организационного диалога не означает, что алгоритму стоит передавать всё общение с пациентом. Медицинские рекомендации, изменение лечения, сложные жалобы, конфликтные ситуации и другие случаи, где требуется профессиональная оценка или человеческое участие, должны оставаться за специалистом.

Поэтому при внедрении важно определить, в какой момент он должен передать работу человеку.

Посмотреть Aura в работе

Как только ИИ начинает работать с информацией о пациенте, вопрос безопасности становится гораздо важнее удобства. И здесь опасно впадать в две крайности: считать, что любой ИИ автоматически небезопасен, или, наоборот, подключать сервис только потому, что поставщик обещает «защищённую работу с данными».

Сам по себе искусственный интеллект ничего не говорит о безопасности системы. Важно другое: какие данные получает конкретный сервис, зачем они ему нужны, где обрабатываются и кто получает к ним доступ.

Например, инструмент для анализа медицинского снимка и ИИ, который отвечает пациенту в мессенджере, работают с разными типами информации и по-разному встраиваются в процессы клиники. Поэтому и оценивать их нужно отдельно.

Что проверить до подключения ИИ

Руководителю клиники стоит заранее получить ответы как минимум на несколько вопросов:

• какие данные пациентов передаются сервису;
• нужны ли для его работы все эти сведения;
• где и как они обрабатываются и хранятся;
• кто может получить к ним доступ;
• как разграничены права сотрудников;
• какие сторонние сервисы участвуют в передаче данных;
• можно ли отследить действия пользователей;
• какие согласия и другие основания для обработки персональных данных потребуются клинике.

Особенно внимательно стоит относиться к привычке сотрудников использовать обычные публичные нейросети для рабочих задач. Загрузить туда медицинский документ, снимок или фрагмент карты «только чтобы быстро проверить текст» – совсем не то же самое, что работать со специализированным сервисом, который клиника официально подключила и проверила.

Поэтому правило здесь простое: передавать ИИ данные пациента можно только после того, как клиника проверила основания для передачи и обработки данных и понимает, как именно эти данные будут обрабатываться.

Вопрос безопасности не должен останавливать внедрение ИИ полностью. Но он должен быть одним из критериев выбора – наравне с функциональностью и пользой для сотрудников. И даже если с данными всё понятно, остаётся ещё один практический страх: не превратится ли подключение ИИ в отдельный проект с новыми программами, настройками и долгим обучением команды?

Ещё один частый страх – что ИИ обязательно означает сложное внедрение: отдельный сервис, новые окна, обучение сотрудников, дополнительные настройки и постоянную помощь технического специалиста.

Но сложность зависит не столько от самой технологии, сколько от того, как она встроена в уже существующий процесс.

Если врачу нужно открыть отдельную программу, выгрузить данные, загрузить их в ИИ-сервис, получить результат, скачать его и потом вручную перенести обратно в МИС, автоматизация действительно может добавить новую рутину.

Совсем другой сценарий – когда ИИ работает внутри привычного контура.

Например, при интеграции Diagnocat с SQNS врач может использовать результаты анализа дальше в работе с зубной формулой, а Aura System связывает диалог с пациентом с расписанием и записью. В таком случае сотруднику не приходится каждый раз переносить информацию между несколькими системами.

Поэтому перед внедрением полезно оценивать не только возможности ИИ, но и весь путь сотрудника:

• сколько новых действий появится;
• потребуется ли отдельный интерфейс;
• нужно ли вручную переносить данные;
• как быстро команда сможет включить инструмент в ежедневную работу.

Хорошая интеграция ИИ должна сокращать количество действий, а не создавать ещё один сервис, который сотрудникам придётся обслуживать.

Что проверить до внедрения

Посмотрите на процесс целиком: от момента, когда появляется задача, до того, как результат попадает туда, где сотрудник продолжает работу.

Если после подключения ИИ путь становится короче – технология действительно встроена в процесс. Если к прежним действиям просто добавилось ещё несколько новых, эффект стоит пересмотреть.

Именно поэтому при выборе ИИ для клиники важен не только сам алгоритм, но и то, насколько хорошо он связан с МИС и другими рабочими инструментами.

ИИ не обязательно внедрять сразу во все процессы. Иногда достаточно найти одну задачу, где сотрудники регулярно тратят время на действия, которые можно частично автоматизировать.