¿Puede la IA abordar el problema de la cinta roja de Health Care?
Por Minoo Javanmardian y Aditya Lingampally
Harvard Business Review
Tecnología
La productividad en la industria del cuidado de la salud de los Estados Unidos está disminuyendo, y ha estado ocurriendo desde la Segunda Guerra Mundial. A medida que aumenta el costo de tratar a los pacientes, la esperanza de vida en los Estados Unidos comienza a disminuir. Pero existe una creciente evidencia de que la inteligencia artificial (AI) puede revertir la espiral descendente en la productividad al automatizar el laberinto de tareas administrativas ineficientes que requieren mucha mano de obra, muchas de las cuales tienen poco que ver con el tratamiento de pacientes.
Las ineficiencias administrativas y operacionales representan casi un tercio de los $ 3 billones en costos anuales del sistema de atención médica de los Estados Unidos. La mano de obra es el mayor gasto operativo de la industria, con seis de cada 10 personas que trabajan en la atención médica que nunca interactúan con los pacientes. Incluso aquellos que lo hacen pueden pasar tan poco como el 27% de su tiempo trabajando directamente con los pacientes. El resto se gasta frente a computadoras, realizando tareas administrativas.
Con el uso de herramientas basadas en la inteligencia artificial capaces de procesar grandes cantidades de datos y hacer recomendaciones en tiempo real, algunos hospitales y aseguradores están descubriendo que pueden reducir las horas administrativas, especialmente en las áreas de documentación regulatoria y reclamos fraudulentos. Esto permite a los empleados de atención médica dedicar más tiempo a los pacientes y centrarse en satisfacer sus necesidades de manera más eficiente.
Sin duda, como hemos visto con la adopción de registros electrónicos de salud (EHR, por sus siglas en inglés), la industria del cuidado de la salud tiene un historial de arrastre de pies cuando se trata de adoptar nuevas tecnologías y de no maximizar las ganancias de eficiencia de las nuevas tecnologías. . Fue una de las últimas industrias en aceptar la necesidad de digitalizar, y en general ha diseñado sistemas digitales que a los médicos y al personal médico no les gustan, lo que contribuye a las advertencias sobre el agotamiento en la industria.
Sin embargo, la adopción de AI no requiere que los registros de salud electrónicos (EHR) del esfuerzo de Herculean lo hicieran. Donde los EHR requerían miles de millones de dólares en inversiones y compromisos de varios años de los sistemas de salud, AI trata más sobre soluciones específicas. Implica mejoras en la productividad realizadas en incrementos por organizaciones individuales sin el requisito previo de colaboración y estandarización a través de los actores de atención de salud requeridos con la adopción de EHR.
De hecho, las soluciones de AI que tratan con la reducción de costos y la burocracia, donde la IA podría tener el mayor impacto en la productividad, ya están produciendo el tipo de ganancias internas que sugieren que es mucho más posible en las oficinas de los jugadores de atención médica. En la mayoría de los casos, estos son experimentos lanzados por hospitales o aseguradores individuales.
Aquí, analizamos tres formas en que AI se está deshaciendo de tareas administrativas y rutinarias en varios proveedores de atención médica y logrando nuevas eficiencias.
Asignaciones más rápidas de camas de hospital
La asignación rápida de pacientes a las camas es fundamental tanto para la recuperación de los pacientes como para la salud financiera de los hospitales. Los hospitales grandes suelen emplear equipos de 50 o más administradores de camas que pasan la mayor parte del día haciendo llamadas y enviando faxes a varios departamentos que compiten por su parte de las camas disponibles. Este trabajo se hace más complejo debido a los requisitos únicos de cada paciente y al momento de las solicitudes de camas entrantes, por lo que no siempre se trata de camas insuficientes sino del tipo correcto en el momento adecuado.
Ingrese a AI con la capacidad de ayudar a los hospitales a anticipar con mayor precisión la demanda de camas y asignarlos de manera más eficiente. Por ejemplo, al combinar los datos de disponibilidad de camas y los datos clínicos de los pacientes con las futuras solicitudes de camas proyectadas, un centro de control impulsado por AI en el Hospital Johns Hopkins ha podido prever cuellos de botella y sugerir acciones correctivas para evitarlos, a veces días antes.
Como resultado, desde que el hospital introdujo su nuevo sistema hace dos años, Johns Hopkins puede asignar camas un 30% más rápido. Esto ha reducido la necesidad de mantener a los pacientes sometidos a cirugía en salas de recuperación más de lo necesario en un 80% y reducir el tiempo de espera para camas para los pacientes que ingresan a la sala de emergencias en un 20%. Las nuevas eficiencias también permitieron a Hopkins aceptar un 60% más de pacientes transferidos de otros hospitales.
Todas estas mejoras significan más ingresos para el hospital. El éxito de Hopkins ha llevado al Humber River Hospital en Toronto y al Hospital General de Tampa en Florida a crear también sus propios centros de control impulsados por AI.
Documentación más fácil y mejorada
La recopilación, el análisis y la validación rápidos de los registros de salud es otro lugar donde AI ha comenzado a marcar la diferencia. Los proveedores de atención médica generalmente gastan casi $ 39 mil millones cada año para garantizar que sus registros electrónicos de salud cumplan con aproximadamente 600 directrices federales. Los hospitales asignan aproximadamente a 60 personas a esta tarea en promedio, una cuarta parte de los cuales son médicos y enfermeras.
Este cálculo cambia cuando los proveedores utilizan una herramienta de inteligencia artificial desarrollada en colaboración con el proveedor de registros electrónicos de salud Cerner Corporation. Integrada en el flujo de trabajo de los médicos, la herramienta de IA creada por Nuance Communications ofrece sugerencias en tiempo real a los médicos sobre cómo cumplir con las pautas federales mediante el análisis de los datos clínicos del paciente y los datos administrativos.
Al seguir las recomendaciones de la herramienta AI, algunos proveedores de atención médica han reducido el tiempo dedicado a la documentación hasta en un 45%, al tiempo que hacen que sus registros sean un 36% más compatibles.
Detección automatizada de fraude
El fraude, el desperdicio y el abuso también continúan siendo un drenaje constante. A pesar de un ejército de investigadores de reclamos, cada año le cuesta a la industria hasta $ 200 mil millones.
Si bien AI no elimina esos problemas, ayuda a las aseguradoras a identificar mejor las reclamaciones que los investigadores deben revisar, en muchos casos, incluso antes de que se les pague, para reducir de manera más eficiente la cantidad de reclamaciones sospechosas que atraviesan el sistema. Por ejemplo, el inicio Fraudscope ya ha ahorrado a las aseguradoras más de $ 1 mil millones mediante el uso de algoritmos de aprendizaje automático para identificar reclamaciones potencialmente fraudulentas y alertar a los investigadores antes de realizar el pago. Su sistema de AI también prioriza los reclamos que producirán el mayor ahorro, asegurando que el tiempo y los recursos se utilicen donde tendrán el mayor impacto.
Preparándose para la inteligencia artificial
Cuando se trata de reducir la carga administrativa del cuidado de la salud a través de AI, solo estamos empezando a rascar la superficie. Pero la capacidad de la industria para amplificar ese impacto se verá limitada a menos que se mueva para eliminar ciertos impedimentos.
Primero, las organizaciones de atención médica deben simplificar y estandarizar los datos y los procesos antes de que los algoritmos de AI puedan trabajar con ellos. Por ejemplo, no es posible encontrar camas de hospital disponibles de manera eficiente a menos que todos los departamentos definan el espacio para camas en los mismos términos.
En segundo lugar, los proveedores de servicios de salud deberán romper las barreras que suelen existir entre los sistemas de tecnología de la información personalizados y conflictivos en los diferentes departamentos. AI solo puede automatizar la transferencia de pacientes de quirófanos a unidades de cuidados intensivos (UCI) si los sistemas de TI de ambos departamentos pueden comunicarse entre sí.
Finalmente, la productividad de la industria no mejorará mientras haya demasiado personal de atención de la salud en trabajos que no agreguen valor a la empresa al mejorar los resultados. Los jugadores de atención médica deben comenzar a reducir sus fuerzas laborales aprovechando el 20% de la tasa de desgaste de la industria y automatizando las tareas, en lugar de ocupar puestos en el piloto automático.
La tarea de mejorar la productividad en el cuidado de la salud mediante la automatización de las tareas administrativas con AI no se completará de forma rápida o sencilla. Pero el progreso ya logrado por las soluciones de AI es lo suficientemente alentador para que algunos se pregunten si reinvertir los ahorros de la misma podría reducir en última instancia el costo general de la atención médica y mejorar su calidad. Para una industria conocida por su enfoque glacial para el cambio, la IA ofrece más que un poco de luz al final de un largo túnel.
Minoo Javanmardian, PhD, es socio en la práctica de ciencias de la vida y salud de Oliver Wyman.
Aditya Lingampally es la directora de la práctica de salud y ciencias de la vida de Oliver Wyman.
Harvard Business Review
Tecnología
La productividad en la industria del cuidado de la salud de los Estados Unidos está disminuyendo, y ha estado ocurriendo desde la Segunda Guerra Mundial. A medida que aumenta el costo de tratar a los pacientes, la esperanza de vida en los Estados Unidos comienza a disminuir. Pero existe una creciente evidencia de que la inteligencia artificial (AI) puede revertir la espiral descendente en la productividad al automatizar el laberinto de tareas administrativas ineficientes que requieren mucha mano de obra, muchas de las cuales tienen poco que ver con el tratamiento de pacientes.
Las ineficiencias administrativas y operacionales representan casi un tercio de los $ 3 billones en costos anuales del sistema de atención médica de los Estados Unidos. La mano de obra es el mayor gasto operativo de la industria, con seis de cada 10 personas que trabajan en la atención médica que nunca interactúan con los pacientes. Incluso aquellos que lo hacen pueden pasar tan poco como el 27% de su tiempo trabajando directamente con los pacientes. El resto se gasta frente a computadoras, realizando tareas administrativas.
Con el uso de herramientas basadas en la inteligencia artificial capaces de procesar grandes cantidades de datos y hacer recomendaciones en tiempo real, algunos hospitales y aseguradores están descubriendo que pueden reducir las horas administrativas, especialmente en las áreas de documentación regulatoria y reclamos fraudulentos. Esto permite a los empleados de atención médica dedicar más tiempo a los pacientes y centrarse en satisfacer sus necesidades de manera más eficiente.
Sin duda, como hemos visto con la adopción de registros electrónicos de salud (EHR, por sus siglas en inglés), la industria del cuidado de la salud tiene un historial de arrastre de pies cuando se trata de adoptar nuevas tecnologías y de no maximizar las ganancias de eficiencia de las nuevas tecnologías. . Fue una de las últimas industrias en aceptar la necesidad de digitalizar, y en general ha diseñado sistemas digitales que a los médicos y al personal médico no les gustan, lo que contribuye a las advertencias sobre el agotamiento en la industria.
Sin embargo, la adopción de AI no requiere que los registros de salud electrónicos (EHR) del esfuerzo de Herculean lo hicieran. Donde los EHR requerían miles de millones de dólares en inversiones y compromisos de varios años de los sistemas de salud, AI trata más sobre soluciones específicas. Implica mejoras en la productividad realizadas en incrementos por organizaciones individuales sin el requisito previo de colaboración y estandarización a través de los actores de atención de salud requeridos con la adopción de EHR.
De hecho, las soluciones de AI que tratan con la reducción de costos y la burocracia, donde la IA podría tener el mayor impacto en la productividad, ya están produciendo el tipo de ganancias internas que sugieren que es mucho más posible en las oficinas de los jugadores de atención médica. En la mayoría de los casos, estos son experimentos lanzados por hospitales o aseguradores individuales.
Aquí, analizamos tres formas en que AI se está deshaciendo de tareas administrativas y rutinarias en varios proveedores de atención médica y logrando nuevas eficiencias.
Asignaciones más rápidas de camas de hospital
La asignación rápida de pacientes a las camas es fundamental tanto para la recuperación de los pacientes como para la salud financiera de los hospitales. Los hospitales grandes suelen emplear equipos de 50 o más administradores de camas que pasan la mayor parte del día haciendo llamadas y enviando faxes a varios departamentos que compiten por su parte de las camas disponibles. Este trabajo se hace más complejo debido a los requisitos únicos de cada paciente y al momento de las solicitudes de camas entrantes, por lo que no siempre se trata de camas insuficientes sino del tipo correcto en el momento adecuado.
Ingrese a AI con la capacidad de ayudar a los hospitales a anticipar con mayor precisión la demanda de camas y asignarlos de manera más eficiente. Por ejemplo, al combinar los datos de disponibilidad de camas y los datos clínicos de los pacientes con las futuras solicitudes de camas proyectadas, un centro de control impulsado por AI en el Hospital Johns Hopkins ha podido prever cuellos de botella y sugerir acciones correctivas para evitarlos, a veces días antes.
Como resultado, desde que el hospital introdujo su nuevo sistema hace dos años, Johns Hopkins puede asignar camas un 30% más rápido. Esto ha reducido la necesidad de mantener a los pacientes sometidos a cirugía en salas de recuperación más de lo necesario en un 80% y reducir el tiempo de espera para camas para los pacientes que ingresan a la sala de emergencias en un 20%. Las nuevas eficiencias también permitieron a Hopkins aceptar un 60% más de pacientes transferidos de otros hospitales.
Todas estas mejoras significan más ingresos para el hospital. El éxito de Hopkins ha llevado al Humber River Hospital en Toronto y al Hospital General de Tampa en Florida a crear también sus propios centros de control impulsados por AI.
Documentación más fácil y mejorada
La recopilación, el análisis y la validación rápidos de los registros de salud es otro lugar donde AI ha comenzado a marcar la diferencia. Los proveedores de atención médica generalmente gastan casi $ 39 mil millones cada año para garantizar que sus registros electrónicos de salud cumplan con aproximadamente 600 directrices federales. Los hospitales asignan aproximadamente a 60 personas a esta tarea en promedio, una cuarta parte de los cuales son médicos y enfermeras.
Este cálculo cambia cuando los proveedores utilizan una herramienta de inteligencia artificial desarrollada en colaboración con el proveedor de registros electrónicos de salud Cerner Corporation. Integrada en el flujo de trabajo de los médicos, la herramienta de IA creada por Nuance Communications ofrece sugerencias en tiempo real a los médicos sobre cómo cumplir con las pautas federales mediante el análisis de los datos clínicos del paciente y los datos administrativos.
Al seguir las recomendaciones de la herramienta AI, algunos proveedores de atención médica han reducido el tiempo dedicado a la documentación hasta en un 45%, al tiempo que hacen que sus registros sean un 36% más compatibles.
Detección automatizada de fraude
El fraude, el desperdicio y el abuso también continúan siendo un drenaje constante. A pesar de un ejército de investigadores de reclamos, cada año le cuesta a la industria hasta $ 200 mil millones.
Si bien AI no elimina esos problemas, ayuda a las aseguradoras a identificar mejor las reclamaciones que los investigadores deben revisar, en muchos casos, incluso antes de que se les pague, para reducir de manera más eficiente la cantidad de reclamaciones sospechosas que atraviesan el sistema. Por ejemplo, el inicio Fraudscope ya ha ahorrado a las aseguradoras más de $ 1 mil millones mediante el uso de algoritmos de aprendizaje automático para identificar reclamaciones potencialmente fraudulentas y alertar a los investigadores antes de realizar el pago. Su sistema de AI también prioriza los reclamos que producirán el mayor ahorro, asegurando que el tiempo y los recursos se utilicen donde tendrán el mayor impacto.
Preparándose para la inteligencia artificial
Cuando se trata de reducir la carga administrativa del cuidado de la salud a través de AI, solo estamos empezando a rascar la superficie. Pero la capacidad de la industria para amplificar ese impacto se verá limitada a menos que se mueva para eliminar ciertos impedimentos.
Primero, las organizaciones de atención médica deben simplificar y estandarizar los datos y los procesos antes de que los algoritmos de AI puedan trabajar con ellos. Por ejemplo, no es posible encontrar camas de hospital disponibles de manera eficiente a menos que todos los departamentos definan el espacio para camas en los mismos términos.
En segundo lugar, los proveedores de servicios de salud deberán romper las barreras que suelen existir entre los sistemas de tecnología de la información personalizados y conflictivos en los diferentes departamentos. AI solo puede automatizar la transferencia de pacientes de quirófanos a unidades de cuidados intensivos (UCI) si los sistemas de TI de ambos departamentos pueden comunicarse entre sí.
Finalmente, la productividad de la industria no mejorará mientras haya demasiado personal de atención de la salud en trabajos que no agreguen valor a la empresa al mejorar los resultados. Los jugadores de atención médica deben comenzar a reducir sus fuerzas laborales aprovechando el 20% de la tasa de desgaste de la industria y automatizando las tareas, en lugar de ocupar puestos en el piloto automático.
La tarea de mejorar la productividad en el cuidado de la salud mediante la automatización de las tareas administrativas con AI no se completará de forma rápida o sencilla. Pero el progreso ya logrado por las soluciones de AI es lo suficientemente alentador para que algunos se pregunten si reinvertir los ahorros de la misma podría reducir en última instancia el costo general de la atención médica y mejorar su calidad. Para una industria conocida por su enfoque glacial para el cambio, la IA ofrece más que un poco de luz al final de un largo túnel.
Minoo Javanmardian, PhD, es socio en la práctica de ciencias de la vida y salud de Oliver Wyman.
Aditya Lingampally es la directora de la práctica de salud y ciencias de la vida de Oliver Wyman.
No hay comentarios:
Publicar un comentario