AWS แทนที่ "งานธุรการทางการแพทย์" ด้วยเอเจนต์ AI: เป้าหมายหลักของ Amazon Connect Health

แม้ว่าการเปลี่ยนแปลงทางดิจิทัลในด้านการแพทย์จะก้าวหน้าไป แต่ "ความเครียดก่อนเข้ารับการรักษา" ยังคงเป็นปัญหาแบบดั้งเดิม โทรศัพท์ที่ไม่สามารถติดต่อได้ ต้องโทรกลับหลายครั้งเพื่อเปลี่ยนแปลงการนัดหมาย และการเขียนข้อมูลเดิมซ้ำๆ ที่แผนกต้อนรับ—สิ่งเหล่านี้เป็นเรื่องยากสำหรับผู้ป่วยที่มีอาการไม่สบาย และเป็นงานที่ทำให้เหนื่อยล้าสำหรับเจ้าหน้าที่ที่ขาดแคลนแรงงาน AWS ได้เข้ามาแก้ไขปัญหา "ความขัดแย้งที่จุดเริ่มต้น" นี้อย่างจริงจัง

AWS ได้เปิดตัวแพลตฟอร์ม AI เอเจนต์สำหรับสถานพยาบาลชื่อ "Amazon Connect Health" โดยมีเป้าหมายเพื่ออัตโนมัติการจัดการงานที่ทำซ้ำๆ เช่น การนัดหมาย การยืนยันตัวตน การสร้างเอกสาร และการเข้ารหัสทางการแพทย์ ภายใต้กรอบการปฏิบัติตามกฎระเบียบ

สิ่งที่สามารถทำได้: การทำให้ "งานที่มีความถี่สูง" ในสถานพยาบาลเป็นเอเจนต์

ตามรายงานของ TechCrunch, Amazon Connect Health มีแนวคิดในการใช้ AI เอเจนต์เพื่ออัตโนมัติการปรับตารางนัดหมาย การจัดทำเอกสาร และการยืนยันตัวตนของผู้ป่วย สามารถเชื่อมต่อกับซอฟต์แวร์ EHR (บันทึกสุขภาพอิเล็กทรอนิกส์) และให้บริการในฐานะที่ผ่านการรับรอง HIPAA

ฟังก์ชันที่ให้บริการจะเป็นไปตามขั้นตอน โดยในขณะนี้สามารถใช้ "การยืนยันตัวตนของผู้ป่วย" และ "การจัดทำเอกสารแอมเบียนต์ (การสร้างร่างบันทึกทางคลินิกจากการสนทนาทางการแพทย์)" ได้ การจัดตารางนัดหมายและข้อมูลเชิงลึกของผู้ป่วยยังอยู่ในขั้นตอนพรีวิว และการเข้ารหัสทางการแพทย์จะมีการให้บริการในอนาคต

สิ่งสำคัญคือ การออกแบบไม่ได้เป็นเพียง "แชทบอท" แต่เป็นการ "ทำให้กระบวนการทำงานเสร็จสมบูรณ์" AWS อธิบายว่าไม่เพียงแต่การทำงานที่เกี่ยวข้องกับการติดต่อกับผู้ป่วย เช่น การตอบรับโทรศัพท์หรือการนัดหมาย แต่ยังรวมถึงการจัดระเบียบประวัติก่อนการเข้ารับการรักษา การบันทึกระหว่างการรักษา และการสรุปหรือการเรียกเก็บเงินหลังการรักษาในรูปแบบการไหลต่อเนื่อง

การตั้งราคา: เดือนละ 99 ดอลลาร์สำหรับ "600 encounters"

TechCrunch รายงานว่าราคาอยู่ที่ 99 ดอลลาร์ต่อผู้ใช้ต่อเดือนสำหรับการตอบรับการรักษาสูงสุด 600 ครั้ง AWS ยังอธิบายว่าการตอบรับการรักษาของแพทย์ปฐมภูมิโดยทั่วไปสูงสุดอยู่ที่ประมาณ 300 ครั้งต่อเดือน

 
เมื่อพิจารณาถึงค่าใช้จ่ายต่อชั่วโมงของแพทย์และการสูญเสียโอกาสจากเวลาทำงานนอกการรักษา ราคาอยู่ในระดับที่ง่ายต่อการพิจารณาในการนำไปใช้ ในทางกลับกัน ค่าใช้จ่ายทั้งหมดขององค์กรจะเปลี่ยนแปลงขึ้นอยู่กับ "จำนวนบุคลากรในแต่ละตำแหน่งที่ต้องเสียค่าใช้จ่าย" และ "ค่าใช้จ่ายในการเชื่อมต่อและการดำเนินงานที่มีอยู่เพิ่มขึ้นเท่าใด" ซึ่งการประมาณการค่าใช้จ่ายทั้งหมดจะเป็นจุดสำคัญต่อไปจากมุมมองของสถานที่ทำงาน

ทำไม AWS ถึงเข้ามาใน "งานธุรการ" ของการแพทย์ในตอนนี้

เบื้องหลังคือการที่การแพทย์เป็นตลาดขนาดใหญ่ และคุณค่าของ AI ไม่ได้แสดงออกมาเพียงแค่ "การสนับสนุนการวินิจฉัย" แต่ยังรวมถึง "การอัตโนมัติของกระบวนการ" TechCrunch ระบุว่า AWS กำลังพยายามเพิ่มความสำคัญในด้านการแพทย์ โดยเป็นการเคลื่อนไหวต่อเนื่องจาก Comprehend Medical (2018), HealthLake (2021), และ HealthOmics (2022)

นอกจากนี้ AWS ยังระบุว่าเจ้าหน้าที่ของสถานพยาบาลต้องสลับไปมาระหว่างหลายระบบสำหรับงานประจำ และใช้เวลาสูงสุดถึง 80% ของการตอบรับโทรศัพท์ในการรวบรวมข้อมูล มีการชี้ให้เห็นว่าผู้ป่วยก็เปลี่ยนสถานที่รับการรักษาเนื่องจาก "ความยากลำบากในการนัดหมายและเวลารอ"

ดังนั้น AWS จึงดูเหมือนจะมีกลยุทธ์ในการสร้างความสำเร็จด้วย KPI ที่สามารถวัดผลได้ง่าย เช่น "การลดเวลา", "การลดการโทรที่ถูกละทิ้ง", และ "การย่นระยะเวลาถึงการเรียกเก็บเงิน" และขยายไปสู่มาตรฐานของฐานข้อมูลการแพทย์และจุดติดต่อกับผู้ป่วย

วิธีสร้าง "ความเชื่อมั่น": การทำแผนที่หลักฐานและการประเมินหลายขั้นตอน

สิ่งที่หลีกเลี่ยงไม่ได้ใน AI ทางการแพทย์คือค่าใช้จ่ายของข้อผิดพลาดที่สูง AWS เน้นการ "ทำแผนที่หลักฐาน" โดยระบุว่าการสรุปและข้อเสนอแนะของโค้ดที่สร้างโดย AI สามารถติดตามได้ว่ามาจากส่วนใดของการสนทนาหรือบันทึกใด
นอกจากนี้ยังอธิบายถึงการเรียนรู้ด้วยข้อมูลเฉพาะทาง การประเมินโมเดลในหลายขั้นตอน รวมถึงการตรวจสอบโดย AI อื่นและการตรวจสอบโดยผู้เชี่ยวชาญทางคลินิก

ในทางกลับกัน เอกสารทางการของ AWS ระบุว่าการจัดทำเอกสารแอมเบียนต์เป็น "ผลลัพธ์ที่มีความน่าจะเป็น" และความแม่นยำจะเปลี่ยนแปลงตามคุณภาพเสียง เสียงรบกวน และความซับซ้อนของคำศัพท์เฉพาะทาง และควรมีการตรวจสอบโดยผู้เชี่ยวชาญทางการแพทย์ที่ได้รับการฝึกอบรมเสมอ กล่าวคือ การออกแบบไม่ได้มุ่งเน้นที่ "การทำให้เสร็จสมบูรณ์โดยอัตโนมัติ" แต่เป็น "การสร้างร่างอย่างรวดเร็ว"

ปฏิกิริยาบนโซเชียลมีเดีย: ความคาดหวังคือ "การลดความขัดแย้ง" ความกังวลคือ "ความเป็นมนุษย์และการตรวจสอบ"

เมื่อดูจากโพสต์และความคิดเห็นบน LinkedIn ปฏิกิริยาจะแบ่งออกเป็นสามกลุ่มใหญ่

1) ยินดีต้อนรับ: การปรับปรุงประสบการณ์ของผู้ป่วยและการป้องกันการหมดไฟในสถานที่ทำงาน
ในโพสต์ประกาศของ AWS มีการยกตัวอย่าง "ประสบการณ์การนัดหมายที่ต้องรอ 20 นาที" และพูดถึงอนาคตที่การจัดตารางเวลาผ่านการสนทนาธรรมชาติและการจัดทำเอกสารแอมเบียนต์จะทำให้แพทย์สามารถมุ่งเน้นไปที่ผู้ป่วยมากกว่าหน้าจอ มีการแชร์ตัวเลขเช่น การลดการโทรที่ถูกละทิ้งลง 30% ที่ UC San Diego Health และการเพิ่มขึ้นของการใช้การจัดทำเอกสารแอมเบียนต์ 275% ที่ Netsmart และมีความคิดเห็นที่ชื่นชมการลดความขัดแย้งในงานและการมุ่งเน้นที่การสนทนาของมนุษย์

2) มุมมองจากสถานที่ทำงาน: เป็นจุดเริ่มต้นที่เหมาะสมแต่ "หัวใจหลัก" ยังอยู่ลึกกว่านั้น
ในโพสต์จากแพทย์ มีการชี้ให้เห็นว่า "เอกสาร การนัดหมาย และศูนย์บริการโทรศัพท์มีความสำคัญ แต่เป็นเพียงขอบนอกของงานธุรการทางการแพทย์ ความซับซ้อนที่แท้จริงอยู่ที่การดำเนินงานที่ลึกกว่า เช่น การอนุมัติก่อน การตรวจสอบความจำเป็นทางการแพทย์ การอุทธรณ์ การจัดการการดูแล เป็นต้น" AI กำลังก้าวหน้าอย่างรวดเร็ว แต่การก้าวไปสู่ "AI ที่ช่วยในการตัดสินใจ" ต้องการความสามารถในการตรวจสอบและความเชื่อมั่น ซึ่งเป็นจุดที่ AWS เน้นคุณค่าของการผูกมัดหลักฐาน

3) ความระมัดระวัง: ความกังวลเกี่ยวกับการตอบสนองที่มีความเห็นอกเห็นใจ ความแตกต่างทางวัฒนธรรม และข้อจำกัดของความแม่นยำ
ในช่องแสดงความคิดเห็นของโพสต์เดียวกัน มีคำถามเกี่ยวกับวิธีการจัดการกับการตอบสนองที่มีความเห็นอกเห็นใจและความซับซ้อนทางวัฒนธรรมและการรับรู้ การนัดหมายและการยืนยันตัวตนสามารถทำให้เป็นมาตรฐานได้ง่าย แต่การประเมินความกังวลและความเร่งด่วนของผู้ป่วยขึ้นอยู่กับคุณภาพของ "การสนทนา" หากผิดพลาด อาจนำไปสู่การเพิ่มความไม่ไว้วางใจแทนที่จะปรับปรุงประสบการณ์

 
นอกจากนี้ จากการที่เอกสารทางการของ AWS ระบุว่าเป็น "ผลลัพธ์ที่มีความน่าจะเป็น" และ "ต้องมีการตรวจสอบ" การออกแบบการดำเนินงานที่กำหนดว่า "จะมอบหมายให้ AI ทำอะไร และจะคืนให้มนุษย์ทำอะไร" จะเป็นตัวกำหนดความสำเร็จหรือความล้มเหลวของการนำไปใช้

สภาพแวดล้อมการแข่งขัน: AI ทางการแพทย์แยกออกเป็น "สำหรับผู้บริโภค" และ "สำหรับสถานที่ทำงาน"

TechCrunch ระบุว่าการลดภาระงานธุรการทางการแพทย์เป็นหัวข้อที่สตาร์ทอัพนิยม และมีบริษัทอย่าง Regard และ Notable ที่ทำงานในด้านนี้มานานแล้ว

 
นอกจากนี้ บริษัท AI ใหญ่ๆ ยังได้เปิดตัวผลิตภัณฑ์สำหรับการแพทย์อย่างต่อเนื่อง โดยมีทั้งที่เน้นการตอบคำถามของผู้บริโภคและที่เข้ามาในกระบวนการทำงานของผู้ประกอบการทางการแพทย์

 
Amazon Connect Health มุ่งเน้นไปที่ด้านหลัง และพยายามลด "ความขัดแย้งในการปฏิบัติงานจริง" โดยการปฏิบัติตามกฎระเบียบและการเชื่อมต่อกับระบบที่มีอยู่

การคาดการณ์ผลกระทบ: "เวลารอ เอกสาร การเรียกเก็บเงิน" ในการแพทย์จะเปลี่ยนไป

การเคลื่อนไหวนี้บ่งชี้ว่าสนามรบหลักของ AI ทางการแพทย์กำลังขยายจาก "คำตอบที่ถูกต้องทางการแพทย์" ไปสู่ "การดำเนินการที่ถูกต้องในกระบวนการที่ถูกต้อง และเก็บรักษาในรูปแบบที่สามารถตรวจสอบได้"

• ด้านผู้ป่วย: อาจลดความยุ่งยากในการนัดหมาย การรอการโทรกลับ และการตรวจสอบประกัน หากการตอบสนองตลอด 24 ชั่วโมงเป็นจริง ความไม่พอใจด้านการเข้าถึงอาจลดลง

• ด้านสถานพยาบาล: อาจลดภาระที่แผนกต้อนรับและศูนย์บริการโทรศัพท์ ลดการโทรที่ถูกละทิ้ง และช่วยลดการลาออกของพนักงาน

• ด้านวงจรรายได้: หากการบันทึกและการสร้างรหัสการเรียกเก็บเงินสามารถทำได้ใน "รูปแบบที่สามารถตรวจสอบได้ในไม่กี่นาที" อาจมีผลกระทบต่อความล่าช้าในการเรียกเก็บเงินและค่าใช้จ่ายในการส่งกลับ

อย่างไรก็ตาม ไม่ควรคาดหวังมากเกินไป AI ทางการแพทย์จะมีคุณค่าเมื่อมี "ความแม่นยำ", "ขอบเขตความรับผิดชอบ", "การตรวจสอบ", "ความยินยอม", และ "การเชื่อมต่อข้อมูล (การเชื่อมต่อ EHR)" โดยเฉพาะการจัดทำเอกสารแอมเบียนต์ที่เป็น "ผลลัพธ์ที่มีความน่าจะเป็น" อย่างเป็นทางการ และมีการระบุว่าความรับผิดชอบสุดท้ายอยู่ที่การตรวจสอบของมนุษย์ ยิ่งการนำไปใช้ก้าวหน้า ความรู้ในการดำเนินงานเกี่ยวกับ "วิธีการตรวจสอบร่างของ AI, วิธีการฝึกอบรม, และวิธีการลดอุบัติเหตุ" จะกลายเป็นข้อได้เปรียบในการแข่งขัน

สรุป: AI จะเปลี่ยน "การต้อนรับและเอกสาร" ก่อนการรักษา

แก่นของ Amazon Connect Health คือการเปลี่ยนทิศทางจาก "AI ทางการแพทย์ = การวินิจฉัย" ผู้ป่วยมักจะพบปัญหาก่อนการอธิบายอาการ เช่น การโทรศัพท์ การนัดหมาย การยืนยันตัวตน เอกสาร และเวลารอ และผู้ให้บริการทางการแพทย์มักจะเหนื่อยล้าจาก "งานธุรการที่ไม่สิ้นสุด" มากกว่าความยากลำบากในการรักษา AWS ได้เข้ามาแก้ไขปัญหานี้ด้วยเอเจนต์ + การปฏิบัติตามกฎระเบียบ + การเชื่อมต่อที่มีอยู่ ##HTML_TAG_