Agentic AI ist ein heißes Thema in zahlreichen Branchen, einschließlich der Gesundheitsversorgung. Jeder scheint über AGI zu summern und sich Jarvis von Iron Man vorzustellen, in dem KI-Systeme in der Lage sind, Intelligenz und Entscheidungsfunktionen auf Menschenebene aufzubauen.
Die Aufregung ist verständlich – plötzlich gibt es eine echte Gelegenheit, Modelle und Roboter zu bauen, die menschliche Aufgaben nachahmen und mit Menschen interagieren und sich mit Menschen beschäftigen können. Unternehmen sind begeistert von dieser Fähigkeit, insbesondere in Branchen mit Arbeitskräftemangel, um menschliche Arbeitnehmer durch KI -Maschinen zu ersetzen, die Aufgaben effizienter automatisieren können, ohne Fehler oder finanzielle Entschädigung.
Aber wenn es um die Gesundheitsversorgung geht, müssen wir uns eine Minute Zeit nehmen, um auf einer tieferen Ebene einzuschätzen. Im Allgemeinen ist das Gesundheitswesen aus gutem Grund eine stark regulierte Branche und kann einige der Risiken und Misserfolge, die mit KI inhärent sind, die andere Branchen können, nicht eingehen. Wir müssen die Agenten -KI über die spezifische Linse der Gesundheitsbranche und ihre Arbeitsabläufe bewerten, die Bedürfnisse von Anbietern, Gesundheitsorganisationen und Patienten bewerten und anerkennen, dass die Gesundheitsversorgung nicht monolithisch ist und Workflows aufweisen, die angemessener sind als andere für die Umsetzung von AI.
Um dies zu verstehen, muss man ehrlich über die Stärken und Schwächen der Agenten -KI sind. LLMs Excel bei kreativen Prozessen – zum Beispiel kann Chatgpt sofort einen neuen Song über Taylor Swifts neuestes Album im Stil von Dr. Seuss mit minimalen Eingabeaufforderungen erstellen. Vergleichsweise sind Regeln basierende Motoren gut in der strukturierten Ausgabe. Betrachten Sie eine Eingabeaufforderung für ein selbstfahrendes Auto: „Wenn eine Ampel rot ist, stoppen Sie dann.“ Das Faszinierende an der Agentic-KI ist, dass sie wahrscheinlich irgendwo in der Mitte fallen wird-teilweise auf Regeln basierende und teilweise kreative, und das Navigieren in diesem Mittelweg und das angemessene Risiko und die Belohnung, wann sie im Gesundheitswesen angewendet werden sollte, ist die große Herausforderung.
Die nützlichste Heuristik, die ich zu diesem Thema gefunden habe, ist das Betrachten des Risikos und der Konsequenz. Ich definiere das Risiko als den Prozentsatz, den etwas scheitern würde, und als das Ergebnis dieses Versagens.
In Szenarien, in denen Workflow -Risiken hoch sind, möchten Sie nicht, dass der Agentenprozess ihn besitzt – die Realität ist, dass jedes KI -Modell irgendwann fehlschlägt und die Kosten für diesen Fehler in Bezug auf die Ergebnisse des Gesundheitswesens zu hoch sein könnten.
Hier sind zwei Beispiele, in denen agenten -Arbeitsabläufe nicht funktionieren würden:
Autoring oder Definieren von erweiterten Richtlinien (Planung der Lebensende). Hier gibt es eindeutig einen kreativen und interpretativen Workflow, der Empathie, menschliche Erfahrung und Urteilsvermögen erfordert, wann man leiten muss, wann man zuhört. Weil die Informationsquelle (Menschen und ihre Situationen) nicht alle gleich sind. Es ist auch eine Situation mit hohen Folgen, die Sie in keiner Weise falsch machen möchten. Triage in einer Notaufnahme verwalten-eine chaotische, sich schnell bewegende Umgebung. Die Menschen sind am besten geeignet, um schnelle Entscheidungen zu treffen – es ist keine Zeit, Daten in einen Agenten einzugeben.
Hier sind jedoch zwei Beispiele dafür, wo die KI -KI im Gesundheitswesen wirkt:
Entsperren Sie EHR -Daten mithilfe eines Agenten, um eine Abfolge von Aufgaben zu automatisieren, die erforderlich sind, um eine Benutzeroberfläche zu navigieren. Die Software auf Unternehmensebene hat dies bereits getan. Früher wurde es als RPA- oder Roboterprozessautomatisierung bezeichnet, aber jetzt können mit Agenten betriebene Prozesse mit viel mehr Widerstandsfähigkeit ausführen. Überprüfung von Patientendiagrammen, um sicherzustellen, dass die aufstrebenden chronischen Erkrankungen von Klinikern nicht übersehen wurden.
Im Moment denke ich, dass die Agentic AI in einem Stadium befindet, in dem sie scheitern wird, wenn sie den Ärzten sagt, was zu tun ist, und die Entscheidungsfindung übernimmt – und schlimmer noch das Vertrauen aller (durch seine Vereinigung) mit künstlicher Intelligenz in der Medizin. Wenn Patientensicherheit, Empathie und menschliches Urteilsvermögen Vorrang vor Kosteneinsparungen und potenziellen Effizienzverbesserungen haben, muss sich ein Mensch in der Schleife befinden. Die Automatisierung von Aufgaben, Beachten Sie, dass Sie Daten extrahieren – die mühsamen, manuellen Prozesse im Gesundheitswesen, die in jedem Schritt keine menschliche Intervention erfordern – ein großartiger Ort, um die KI zu implementieren. Die Gesundheitsbranche sollte untersuchen, wie KI relevante Daten mit dem Kontext finden kann und präsentieren kann, damit menschliche Kliniker fundierte Entscheidungen treffen und die Zeit der Anbieter zur Reduzierung der Burnout und der Anbietung einer personalisierten Patientenversorgung ermöglichen, um die Patientenergebnisse zu verbessern.
Foto: Filo, Getty Images
Isaac Park verbrachte seine Jugend verbracht, um an der Technologie zu basteln und in der High School seine formale Ausbildung in der Softwareentwicklung zu eröffnen. Nachdem er nach Durham, North Carolina, gezogen war, absolvierte er die Duke University mit einem Bachelor of Science in Informatik. Isaac begann seine Technologiekarriere sofort und arbeitete als Softwareentwickler und baute Front-End-Frameworks auf. Anschließend wechselte er in eine Produktmanagementrolle und führte die Stakeholder und technischen Teams durch eine Vielzahl von Projekten, von der Anfang bis zur endgültigen Veröffentlichung.
Im Jahr 2009 war er Mitbegründer eines Innovations- und Produktstudios, einem Pathos-Ethos und geführten Startups und Unternehmensinnovationsteams durch geschäftliche digitale Produkte im Gesundheitswesen und Verteidigungsbranchen: Auf dem Weg von der Veröffentlichung eines Multimillionen-Dollar-Softwareprodukts bis hin zum Aufbau einer nativen mobilen Anwendung, die von über 1 Mio. Nutzern gleichzeitig verwendet wird. Ende 2022 verließ er das Pathos -Ethos und schloss sich der Duke Pratt School of Engineering an. Er fungierte als Fakultät für das Christensen Family Center für Innovation in Produktmanagement und Innovation. Im Jahr 2023 war er Mitbegründer eines Keebler Health-Unternehmens für das KI-native Gesundheitstechnologie und fungiert derzeit als CEO.
Dieser Beitrag erscheint durch das Medcity Influencers -Programm. Jeder kann seine Sichtweise auf Geschäft und Innovation im Gesundheitswesen in Bezug auf MedCity -Nachrichten durch MedCity -Influencer veröffentlichen. Klicken Sie hier, um herauszufinden, wie.
