Медицински стартъп използва AI за диагностика и консултации

Представете си следното: не се чувствате добре и се обаждате на лекаря си, за да си запазите час. За ваша изненада, ви насрочват за следващия ден. По време на прегледа не бързате да опишете здравословните си проблеми; вместо това имате цял половин час да споделите симптомите и притесненията си, както и изчерпателните детайли от здравната си история с някой, който слуша внимателно и задава обмислени последващи въпроси. Напускате с диагноза, план за лечение и усещането, че най-накрая сте успели да обсъдите здравето си с необходимото внимание. Но има уловка: може би изобщо не сте говорили с лекар или друг лицензиран медицински специалист. Това е новата реалност за пациентите в малък брой клиники в Южна Калифорния, управлявани от медицинския стартъп Akido Labs. Тези пациенти, някои от които са на Medicaid, могат да получат специализирани консултации в кратък срок, привилегия, която обикновено е достъпна само за богатите, които посещават частни клиники. Основната разлика е, че пациентите на Akido прекарват относително малко или дори никакво време с лекарите си. Вместо това, те се срещат с медицински асистент, който може да изслуша съчувствено, но има ограничено клинично обучение. Работата по формулиране на диагнози и съставяне на план за лечение се извършва от патентована система, базирана на големи езикови модели, наречена ScopeAI, която транскрибира и анализира диалога между пациента и асистента. Лекар след това одобрява или коригира препоръките на AI системата. "Нашият фокус е върху това как можем да извадим лекаря от посещението," казва Джаред Гуднър, главен технически директор на Akido. Според Прашант Самант, главен изпълнителен директор на Akido, този подход позволява на лекарите да виждат четири до пет пъти повече пациенти, отколкото преди. Има основателна причина да искаме лекарите да бъдат много по-продуктивни. Американците стават по-възрастни и по-болни, и много от тях се борят да получат адекватна здравна грижа. Предстоящото намаление на федералното финансиране за Medicaid с 15% само ще влоши ситуацията. Но експертите не са убедени, че прехвърлянето на толкова много от когнитивната работа на медицината върху AI е правилният начин за решаване на недостига на лекари. Има голяма разлика в експертизата между лекарите и медицинските асистенти, подпомогнати от AI, казва Ема Пиърсън, компютърен учен в UC Berkeley. Прескачането на такава разлика може да въведе рискове. "Аз съм широко развълнувана от потенциала на AI да разшири достъпа до медицинска експертиза," казва тя. "Просто не ми е ясно, че този конкретен начин е правилният начин да го направим." AI вече е навсякъде в медицината. Инструменти за компютърно зрение идентифицират ракови заболявания по време на превантивни сканирания, автоматизирани системи за изследвания позволяват на лекарите бързо да сортират медицинската литература, а медицински писари, захранвани от големи езикови модели, могат да водят бележки по време на срещи от името на клинициста. Но тези системи са проектирани да подкрепят лекарите, докато те извършват своите типични медицински рутинни дейности. Това, което отличава ScopeAI, казва Гуднър, е способността му самостоятелно да изпълнява когнитивните задачи, които съставляват медицинско посещение, от извличане на медицинската история на пациента до съставяне на списък с потенциални диагнози, идентифициране на най-вероятната диагноза и предлагане на подходящи следващи стъпки. Под капака, ScopeAI е набор от големи езикови модели, всеки от които може да изпълнява конкретна стъпка в посещението - от генериране на подходящи последващи въпроси въз основа на това, което пациентът е казал, до попълване на списък с вероятни състояния. В повечето случаи тези модели са фино настроени версии на отворените модели Llama на Meta, въпреки че Гуднър казва, че системата също така използва моделите Claude на Anthropic. По време на срещата, асистентите четат въпроси от интерфейса на ScopeAI, а ScopeAI генерира нови въпроси, докато анализира това, което пациентът казва. За лекарите, които ще прегледат резултатите по-късно, ScopeAI създава кратка бележка, която включва резюме на посещението на пациента, най-вероятната диагноза, две или три алтернативни диагнози и препоръчани следващи стъпки, като насочвания или предписания. Той също така изброява обосновка за всяка диагноза и препоръка. ScopeAI в момента се използва в клиники по кардиология, ендокринология и първична грижа и от екипа за улична медицина на Akido, който обслужва бездомното население на Лос Анджелис. Този екип, който се ръководи от д-р Стивън Хочман, специалист по медицина на зависимостите, среща пациентите в общността, за да им помогне да получат медицинска помощ, включително лечение на разстройства, свързани с употреба на вещества. Преди, за да предпише лекарство за лечение на опиоидна зависимост, Хочман трябваше да се срещне с пациента лично; сега, социалните работници, въоръжени със ScopeAI, могат сами да интервюират пациентите, а Хочман може да одобри или отхвърли препоръките на системата по-късно. "Това ми позволява да бъда на 10 места едновременно," казва той. Откакто започнаха да използват ScopeAI, екипът успя да осигури на пациентите достъп до лекарства за лечение на употреба на вещества в рамките на 24 часа - нещо, което Хочман нарича "нечувано". Тази уговорка е възможна само защото бездомните пациенти обикновено получават здравната си застраховка от Medicaid, публичната застрахователна система за нискодоходни американци. Докато Medicaid позволява на лекарите да одобряват предписанията и плановете за лечение на ScopeAI асинхронно, както за улична медицина, така и за клинични посещения, много други застрахователни доставчици изискват лекарите да говорят директно с пациентите, преди да одобрят тези препоръки. Пиърсън казва, че това разминаване повдига опасения. "Тревожите се, че това може да влоши здравните неравенства," казва тя. Самант е наясно с появата на неравенство и казва, че разминаването не е умишлено - това е просто функция на начина, по който работят застрахователните планове в момента. Той също така отбелязва, че бързото обслужване от медицински асистент, подпомогнат от AI, може да е по-добро от дългото чакане и ограничената наличност на доставчици, което е статуквото за пациентите на Medicaid. И всички пациенти на Akido могат да изберат традиционни лекарски срещи, ако са готови да ги изчакат, казва той. Част от предизвикателството при внедряването на инструмент като ScopeAI е навигирането в регулаторен и застрахователен пейзаж, който не е проектиран за AI системи, които могат самостоятелно да ръководят медицински посещения. Глен Коен, професор в Харвардското училище по право, казва, че всяка AI система, която ефективно действа като "доктор в кутия", вероятно ще трябва да бъде одобрена от FDA и може да наруши законите за медицинско лицензиране, които диктуват, че само лекари и други лицензирани професионалисти могат да практикуват медицина. Законът за медицинската практика в Калифорния казва, че AI не може да замени отговорността на лекаря да диагностицира и лекува пациент, но лекарите могат да използват AI в работата си и не е необходимо да виждат пациентите лично или в реално време, преди да ги диагностицират. Нито FDA, нито Медицинският съвет на Калифорния не можаха да кажат дали ScopeAI е на стабилна правна основа само въз основа на писмено описание на системата. Но Самант е уверен, че Akido е в съответствие, тъй като ScopeAI е умишлено проектиран да не достига до "доктор в кутия". Тъй като системата изисква човешки лекар да прегледа и одобри всички нейни диагностични и лечебни препоръки, той казва, че не изисква одобрение от FDA. В клиниката този деликатен баланс между AI и лекарско вземане на решения се случва изцяло зад кулисите. Пациентите никога не виждат интерфейса на ScopeAI директно - вместо това, те говорят с медицински асистент, който задава въпроси по начина, по който би го направил лекар в типична среща. Това подреждане може да накара пациентите да се чувстват по-комфортно. Но Зик Емануел, професор по медицинска етика и здравна политика в Университета на Пенсилвания, който е служил в администрациите на Обама и Байдън, се притеснява, че този комфорт може да скрие от пациентите степента, до която алгоритъмът влияе на тяхната грижа. Пиърсън се съгласява. "Това определено не е това, което традиционно се е разбирало под човешки допир в медицината," казва тя. ДеАндре Сирингоринго, медицински асистент, който работи в кардиологичния офис на Akido в Ранчо Кукамонга, казва, че въпреки че казва на пациентите, с които работи, че AI система ще слуша срещата, за да събере информация за техния лекар, той не ги информира за спецификите на това как работи ScopeAI, включително факта, че прави диагностични препоръки на лекарите. Тъй като всички препоръки на ScopeAI се преглеждат от лекар, това може да не изглежда като голяма работа - лекарят е този, който прави окончателната диагноза, а не AI. Но е широко документирано, че лекарите, използващи AI системи, са склонни да се съгласяват с препоръките на системата по-често, отколкото трябва, феномен, известен като автоматизационно пристрастие. В този момент е невъзможно да се знае дали автоматизационното пристрастие влияе на решенията на лекарите в клиниките на Akido, въпреки че Пиърсън казва, че това е риск - особено когато лекарите не присъстват физически на срещите. "Притеснявам се, че това може да ви предразположи да се съгласявате по начин, по който може би не бихте, ако всъщност бяхте в стаята и гледахте това да се случва," казва тя. Говорител на Akido казва, че автоматизационното пристрастие е валидна загриженост за всеки AI инструмент, който подпомага вземането на решения от лекар и че компанията е направила усилия да смекчи това пристрастие. "Ние проектирахме ScopeAI специално, за да намалим пристрастията, като проактивно противодействаме на слепите петна, които могат да повлияят на медицинските решения, които исторически се основават силно на интуицията и личния опит на лекаря," казва тя. "Също така обучаваме лекарите изрично как да използват ScopeAI обмислено, за да запазят отговорността и да избегнат прекомерната зависимост." Akido оценява представянето на ScopeAI, като го тества върху исторически данни и наблюдава колко често лекарите коригират препоръките му; тези корекции също се използват за допълнително обучение на основните модели. Преди да внедри ScopeAI в дадена специалност, Akido гарантира, че когато се тества върху исторически набори от данни, системата включва правилната диагноза в своите три най-добри препоръки поне 92% от времето. Но Akido не е предприел по-строги тестове, като проучвания, които сравняват срещите на ScopeAI с традиционните лични или телездравни срещи, за да се определи дали системата подобрява - или поне поддържа - резултатите на пациентите. Такова проучване може да помогне да се покаже дали автоматизационното пристрастие е значима загриженост. "Да направим медицинската грижа по-евтина и по-достъпна е похвална цел," казва Пиърсън. "Но просто мисля, че е важно да се проведат силни оценки в сравнение с тази база."