سونيا ماخني، دكتوراه في الطب، المدير الطبي للمعلوماتية التطبيقية، منصة Mayo Clinic
يشارك الدكتور سهل مخني إطار Mayo Clinic الاستراتيجي لاستخدام الذكاء الاصطناعي للتخلص من “العبء الإداري” على الأطباء وحل الأسباب الجذرية للإرهاق.
يبدأ تأثير الذكاء الاصطناعي على القوى العاملة في أنظمة الرعاية الصحية بالسرعة التي تبني بها المؤسسات المعرفة العملية للفرق السريرية والتشغيلية والفنية، مع الحفاظ على توافق الحوكمة والتدريب مع رعاية المرضى. ترى سونيا ماخني، المديرة الطبية للمعلوماتية التطبيقية في منصة Mayo Clinic وأخصائية المستشفى في Mayo Clinic في روتشستر، مينيسوتا، أن الموجة القادمة تمثل تحديًا لتصميم القيادة والقوى العاملة يجب أن يتوازى مع التطور السريع لمنتجات الذكاء الاصطناعي.
تنظر أنظمة الرعاية الصحية الكبرى الآن إلى معرفة القراءة والكتابة في مجال الذكاء الاصطناعي باعتباره كفاءة أساسية، ولكن ليس بالطريقة التي توقعها الكثيرون. يتضمن دور ماخني في Mayo Clinic وضع الإستراتيجية وتكامل سير العمل والتطوير المسؤول، متجاوزًا ما تسميه “قبعتها السريرية” و”قبعتها المعلوماتية”. الفكرة الأساسية: ليس من الضروري أن تندمج هذه القبعات بشكل كامل، لكن المؤسسات تحتاج إلى أشخاص يمكنهم سد الفجوة بينهم.
البودكاست: العب في نافذة جديدة | تحميل (المدة: 41:52 — 28.8 ميجابايت)
الاشتراك: أبل بودكاست | سبوتيفي
يقول ماخني: “هناك تصور مفاده أنه ما لم تكن لديك خلفية علمية أو هندسية في مجال البيانات، فلن تتمكن حقًا من المشاركة بفعالية في هذا التطور”. “لا أعتقد أن هذا صحيح. في الواقع، أعلم أنه ليس صحيحا.”
تكمن الفرص المتاحة للموظفين في بناء أدوار تربط المعرفة بالمجال السريري بالتنفيذ الفني: أشخاص يفهمون ما يكفي للتواصل بين العالمين. يقوم ماخني بتعليم الزملاء والمتدربين أساسيات الذكاء الاصطناعي على وجه التحديد لأن الفهم النوعي لكيفية إنشاء حلول الذكاء الاصطناعي وتطويرها والتحقق من صحتها يكشف عن المكان الذي يجب أن تتم مواءمة مختلف الموظفين السريريين فيه: بدءًا من تصميم الخوارزمية وتقييم التحيز وحتى الاختبار والتنفيذ.
تحتاج فرق القيادة إلى التخطيط لمزيج مرن من المهارات لأن الأدوات تتغير بسرعة. وقالت: “الطريقة التي نؤدي بها الأشياء اليوم قد لا تكون هي نفس الطريقة التي نؤدي بها الأشياء غدًا”. الأساسيات أكثر أهمية من متابعة تخصصات فنية محددة.
تتطلب مخاطر إزالة القتل حواجز حماية متعمدة
بالإضافة إلى الحماس للأتمتة، حدد ماخني مشكلة تدريب تتجاوز سيناريوهات التوقف عن العمل: عندما تتم أتمتة المهام الروتينية، يمكن للمؤسسات عن غير قصد إضعاف الخبرة البشرية التي يعتمد عليها الأطباء أثناء الحالات والاستثناءات الغامضة.
يقول ماخني: “ليس المقصود من الذكاء الاصطناعي أن يحل محل مقدمي الرعاية الصحية؛ بل هو أداة”. “إذا بدأنا فجأة في أتمتة المهام الأساسية إلى حد ما لتدريب شخص ما، كما هو الحال في علم الأمراض أو الأشعة – إذا قمنا بأتمتة هذه المهام، فما هو التأثير على تعلم الأساسيات؟” ويمتد الالتزام إلى ما هو أبعد من التعافي من الكوارث. وبدون المهارات الأساسية، يفقد الأطباء القدرة على اكتشاف التحيزات، واكتشاف الأخطاء، واكتشاف انحراف الخوارزمية في الوقت الفعلي.
ولا يزال التعليم الطبي يعلم الطلاب كيفية استخدام سماعة الطبيب وتفسير أصوات القلب، على الرغم من وجود أجهزة الموجات فوق الصوتية والتصوير المتقدم. وينطبق المبدأ نفسه على سير العمل المعزز بالذكاء الاصطناعي: يجب على المؤسسات أن تقرر بشكل هادف المهام التي تظل جزءًا من مسارات التدريب، خاصة بالنسبة للتخصصات التي يتطور فيها التعرف على الأنماط والحكم عليها من خلال التكرار.
يتطلب التنفيذ الناجح للذكاء الاصطناعي هياكل تنظيمية تحمي هذه الأسس مع الاستفادة من فوائد الأتمتة. “يمكن أن يساعد الذكاء الاصطناعي في العثور على أنماط في البيانات. ويمكننا المساعدة في الاستدلال والحكم واكتشاف الحالات الشاذة.”
البيانات كمنصة تحت كل شيء
وقد وضع ماخني جودة البيانات على أنها مرتبطة ارتباطًا وثيقًا باستراتيجية الذكاء الاصطناعي. تعمل هي وزملاؤها في Mayo Clinic Platform على ما تسميه فتح الرؤى المخفية في مجموعات البيانات الضخمة، بدءًا من الأساسيات: جعل البيانات قابلة للتنفيذ ومتوافقة مع معايير الجودة، ثم توسيع الوصول من خلال إزالة الهوية وشهادة الخبراء للخصوصية والأمان، وفي النهاية تقديم رؤى تلبي احتياجات الأطباء والمبتكرين أينما كانوا.
وقالت: “البيانات هي أساس كل ما نقوم به. وحتى قبل أن نبدأ الحديث عن الذكاء الاصطناعي في مجال الرعاية الصحية، كنا لا نزال نعتمد على البيانات”. الفرق الآن هو الحجم والتعقيد.
يرتبط عمل جودة البيانات ارتباطًا مباشرًا بالضغوط الموجودة على الخطوط الأمامية. تعمل واجهات المستخدم الأفضل، وجمع البيانات تلقائيًا، والمساءلة الأكثر وضوحًا لإدخال البيانات، على تقليل العبء مع تحسين ما يتدفق إلى التحليلات وأنظمة الذكاء الاصطناعي. “علينا أن نكون مدركين تمامًا أننا نمارس كل هذا الضغط على الأشخاص الذين يقومون أيضًا بخمسة ملايين شيء في الخطوط الأمامية.”
المبدأ: القمامة في الداخل والقمامة في الخارج. وبدون الاستثمارات في البنية التحتية للبيانات، فإن أنظمة الرعاية الصحية تخاطر بتوسيع الفجوة الرقمية وبناء الذكاء الاصطناعي على أساس غير موثوق.
إعادة تعريف عائد الاستثمار حول الموظفين والمرضى
بالنسبة للمديرين التنفيذيين الذين يبررون استثمارات الذكاء الاصطناعي، وصف ماخني عائد الاستثمار بأنه مفهوم مختلط يعتمد على تحديد النجاح قبل التنفيذ. المقاييس المالية مهمة – الاستدامة تتطلب البقاء في المنطقة الخضراء – ولكن يجب أن تكون مقاييس الموظفين والمرضى محورية في التقييم.
وتقول: “إن كيفية تعريفنا للنجاح مرتبطة بكيفية تفكيرنا في عائد الاستثمار. فالنتائج السريرية، والإرهاق، ورضا المرضى والموظفين على حد سواء هي عائد استثمار مهم للغاية في مجال الرعاية الصحية”. يجب على المنظمات أن تتوقع فترة تعلم بعد التنفيذ وأن تقاوم إغراء قياس النجاح من خلال مكاسب الإنتاجية الفورية فقط. لا ينبغي للأدوات المستخدمة لتقليل وقت التوثيق أن تترجم تلقائيًا إلى رؤية المزيد من المرضى. “نحن بحاجة إلى الاستدامة في كلا النوعين، المالية والرفاهية.”
التنسيق هو الأهم. عندما يجتمع أصحاب المصلحة من وجهات نظر مختلفة (مالية، تشغيلية، إكلينيكية) مع فهم مشترك لآثار ومخاطر وفوائد الذكاء الاصطناعي، يتم تصميم التطبيقات بشكل صحيح. “عندما نقوم بمواءمة الحوافز، عادة ما نرى فرصة أكبر للنجاح.”
الحوكمة والإبداع المشترك والقدرة على التغيير
لقد تجاوزت وتيرة دخول التكنولوجيا إلى الرعاية الصحية ما تم بناء هياكل الإدارة التقليدية من أجله. وشدد ماخني على تمثيل جميع المستويات في اتخاذ القرارات بشأن تطبيقات الذكاء الاصطناعي: تكنولوجيا المعلومات، والأطباء، والممرضات، والإداريين، والشركاء التشغيليين. يتجاوز الإبداع المشترك تكنولوجيا البناء ويتضمن أيضًا العمليات وسير العمل واستراتيجيات التنفيذ.
“إن وتيرة إدخال التكنولوجيا في النظام البيئي للرعاية الصحية جديدة تمامًا. ومن الضروري أن يتحمل جميع أصحاب المصلحة مسؤولية المشاركة في هذه المحادثة.”
القدرة على التغيير لها حدود. يجب على المنظمات أن تدرك متى تصل الوحدات إلى الحد الأقصى من القدرة لاستيعاب الأدوات الجديدة، سواء كانت عمليات التنفيذ مطلوبة من الأسفل إلى الأعلى أو مفروضة من الأعلى. إن الحكم مع الحوافز المناسبة يعني منح الناس الوقت والمساحة للتفكير.
خذها بعيدا
- الذكاء الاصطناعي ليس بديلاً؛ إنها أداة لمساعدة القوى العاملة.
- قم ببناء أدوار “المترجم” التي تربط المعرفة بالمجال السريري والتنفيذ الفني. لا يحتاج الجميع إلى مهارات البرمجة، لكن الفرق تحتاج إلى أشخاص يفهمون اللغتين
- حماية المهارات السريرية الأساسية من فقدان المهارات من خلال تحديد المهام المتبقية في مسارات التدريب بشكل هادف، خاصة بالنسبة للتخصصات التي تتطلب أحكامًا مكثفة
- استثمر في جودة البيانات وسهولة استخدامها كأساس لأداء الذكاء الاصطناعي: واجهات أفضل، والتقاط آلي، ومساءلة أكثر وضوحًا
- حدد النجاح قبل التنفيذ باستخدام مقاييس مختلطة: الاستدامة المالية، ورضا الموظفين، ونتائج المرضى
- خطط لفترات التعلم بعد بدء البث المباشر؛ مقاومة قياس النجاح فقط من خلال مكاسب الإنتاجية الفورية
- التأكد من أن الحوكمة تشمل أصواتًا من جميع المستويات (تكنولوجيا المعلومات، والأطباء، والعمليات) وتمنح الأشخاص الوقت والمساحة للمشاركة بشكل هادف
واقترح ماخني أن هناك فرصة طويلة المدى تتمثل في استخدام أدوات الذكاء الاصطناعي لمساعدة العاملين في مجال الرعاية الصحية: “يمثل الذكاء الاصطناعي فرصة مذهلة لدعم العنصر البشري في الطب حتى نتمكن مرة أخرى من قراءة ما بين السطور، والتوصل إلى استنتاجات، والتركيز على البعد الإنساني لتجربة المريض”.
