هوش مصنوعی مراقبت های بهداشتی نباید خطاهای مجوز قبلی را خودکار کند | نظر

همه در آمریکا در نهایت به سیستم مراقبت های بهداشتی وابسته خواهند شد، اما دریافت مراقبت هایی که پزشک توصیه می کند می تواند به معنای مبارزه با هفته ها کاغذبازی بیمه باشد. ما باید مجوزهای قبلی را اصلاح کنیم و هوش مصنوعی مراقبت های بهداشتی را بخواهیم که شواهد بالینی، سیاست های بیمه و مقررات ایالتی را درک کند. در غیر این صورت، ما در خطر ساختن آینده ای هستیم که در آن فناوری اشتباهات اداری را تسریع می بخشد در حالی که بیماران آسیب قابل پیشگیری را متحمل می شوند.

مجوز قبلی پزشکان را ملزم می‌کند تا قبل از پوشش برخی درمان‌ها یا داروها، تأییدیه بیمه‌گر را دریافت کنند. هدف مراقبت ایمن و موثر با حفظ هزینه است. در عمل، این فرآیند اغلب پزشکان را به کارکنان دفتری و بیماران را به آسیب های جانبی تبدیل می کند. پزشکی مدرن می‌تواند کارهای خارق‌العاده‌ای انجام دهد، اما زمانی که موانع اداری مانع از دسترسی بیماران به درمان می‌شود، این قابلیت‌ها اهمیت چندانی ندارند.

اعداد لعنت کننده هستند طبق نظرسنجی پزشکان مجوز قبلی انجمن پزشکی آمریکا در سال 2025، پزشکان و کارکنان آنها به طور متوسط ​​13 ساعت در هفته را صرف تکمیل مجوزها می کنند و تقریبا 40 درخواست را برای هر پزشک انجام می دهند. 95 درصد از پزشکان مورد بررسی تأخیر در درمان را گزارش می‌کنند، 79 درصد می‌گویند مشکلات مجوز می‌تواند منجر به ترک درمان بیماران شود، و 94 درصد می‌گویند که این فرآیند به فرسودگی شغلی کمک می‌کند. هشداردهنده ترین، 26 درصد گزارش می دهند که مجوز قبلی باعث ایجاد یک عارضه جانبی جدی برای بیمار شده است.

اینها علائم هشدار دهنده سیستمی است که می تواند یک بیماری قابل درمان را به یک بحران پزشکی تبدیل کند.

مشکل اساسی عمیق تر از کاغذبازی بیش از حد است. تصمیمات مراقبت های بهداشتی به زمینه بستگی دارد و این زمینه دائما تغییر می کند. معیارهای درمانی مناسب ممکن است بسته به بیمه‌گر، محصول بیمه، تشخیص و ایالت متفاوت باشد. یک طرح سلامت تجاری و یک سیاست غرامت کارگران از یک بیمه‌گر می‌تواند از قوانین متفاوتی پیروی کند.

یک پزشک را در نظر بگیرید که بیمار مبتلا به آسیب روتاتور کاف را درمان می کند. حاد یا مزمن بودن پارگی می تواند معیارهای درمانی مربوطه را تحت تاثیر قرار دهد. اگر پزشک دستورالعمل اشتباهی را توصیه کند، نیاز به مستندات را از دست بدهد، یا به چک باکس الکترونیکی پرونده سلامت تکیه کند که معیارهای دقیق بیمه‌گر را نشان نمی‌دهد، ممکن است از درمان ضروری خودداری شود. اطلاعات موجود است. چالش پیدا کردن اطلاعات مناسب برای بیمار مناسب در زمان مناسب است.

رهبران مراقبت های بهداشتی به طور خطرناکی وسوسه می شوند که برچسب هوش مصنوعی را به عنوان مدرکی برای صلاحیت تلقی کنند. ابزارهای هوش مصنوعی عمومی می توانند پاسخ های مطمئن و قانع کننده ای را بدون درک قوانین خاص حاکم بر یک تصمیم بالینی ایجاد کنند. در مراقبت های بهداشتی، یک پاسخ قابل قبول لزوما صحیح نیست. هنگامی که فناوری یک تمایز مهم را نادیده می گیرد، می تواند انکارها را تقویت کند، وقت پزشکان را تلف کند و درمان را به تاخیر بیندازد.

وعده فناوری بهتر واقعی است، اما خطر استقرار ابزارها بدون تخصص لازم برای قابل اعتماد کردن آنها نیز وجود دارد. هوش مصنوعی باید شواهد بالینی را به خط مشی دقیق، صلاحیت قضایی و شرایط مرتبط مرتبط کند. باید معیارهای قابل اجرا و منابع پشتیبان را به کاربران نشان دهد، عدم قطعیت پرچم را نشان دهد و استثناها را برای بازبینان انسانی واجد شرایط ارسال کند. اتوماسیون باید اصطکاک معمول را حذف کند، نه اینکه جایگزین قضاوت بالینی شود.

ما نمی توانیم تنها به وعده های بیمه گذاران تکیه کنیم. نظرسنجی AMA گزارش می‌دهد که در ژوئن 2025، بیش از 60 بیمه‌گر متعهد به اصلاحات داوطلبانه با مجوز قبلی شدند. با این حال، مشخص شد که تنها 33 درصد از پزشکان انتظار داشتند که این تعهدات تفاوت معناداری ایجاد کند. اعتماد از طریق تعهد باز نمی گردد. به نتایج قابل اندازه گیری نیاز دارد.

مدیران، بیمه‌گران و ارائه‌دهندگان مراقبت‌های بهداشتی باید هم‌اکنون وارد عمل شوند. ابزارهای هوش مصنوعی را در برابر سناریوهای بالینی و نظارتی واقعی قبل از استقرار آنها آزمایش کنید. منابع شفاف، تطبیق دقیق خط مشی ها، روش های تشدید واضح، و اندازه گیری مستقل انکارها، تأخیرها و نتایج بیمار را درخواست کنید. تنظیم‌کننده‌ها همچنین باید گزارش‌های معنی‌داری را بخواهند و سازمان‌ها را در مواقعی که اقدامات اداری مانع مراقبت‌های لازم می‌شود، پاسخگو نگه دارند.

این کار را درست انجام دهید، و پزشکان می توانند زمان را برای بیماران پس بگیرند، تصمیمات می توانند سازگارتر و شفاف تر شوند، و افراد بیشتری می توانند بدون پیمایش در پیچ و خم اداری، مراقبت های مناسب را دریافت کنند. اشتباه کنید، و ما سردرگمی را خودکار می کنیم، بی اعتمادی را عمیق تر می کنیم و بیماران آسیب پذیر را در حالی که شرایطشان بدتر می شود منتظر می گذاریم.

فناوری مراقبت های بهداشتی باید مسیر درمان را واضح تر، سریع تر و ایمن تر کند. معیار موفقیت این است که آیا بیمار قبل از اینکه یک تاخیر قابل پیشگیری زندگی او را تغییر دهد، مراقبت مناسب را دریافت کند، نه اینکه یک نمایش هوش مصنوعی چقدر چشمگیر به نظر می رسد.

جیمی لاپاگلیا، RN، CCM، بنیانگذار Claim Clarity، یک شرکت فناوری غرامت کارگران مبتنی بر هوش مصنوعی است. همه نظرات متعلق به نویسنده است.