la presidenta de Artisight, Dra. Stephanie Lahr; Jessica Beegle, experta en tecnología sanitaria y ex CIO de Lifepoint; Marty Paslick, director de información de HCA Healthcare; y el Dr. Anthony Chang, director de inteligencia e innovación del CHOC Children’s Hospital, analizan la preparación de la IA de las organizaciones de atención médica en ViVE 2024 en Los Ángeles.
Chang sugirió obtener la aceptación de la alta dirección o del liderazgo del hospital mostrándoles que la IA puede abordar los dos problemas más difíciles y solucionables de la organización. El liderazgo deberá brindar apoyo en términos de brindarle al equipo la oportunidad de tener éxito. También necesitarán tener expectativas más bajas acompañadas de una visión a más largo plazo, afirmó.
Beegle señaló que si los datos de una organización no están organizados y son accesibles, entonces no vale la pena tenerlos. Enfatizó la importancia de hacer una evaluación para comprender la infraestructura central del sistema de salud y prepararla para que la organización pueda estar preparada y ágil a medida que surjan nuevos modelos de lenguaje.
“Construir una base sólida ahora realmente les permitirá tener éxito en esa área”, afirmó.
Cuando se trata de comprar o crear soluciones de inteligencia artificial, Chang recomendó hacer ambas cosas.
«Existe una sinergia especial cuando se tiene un equipo interno, por pequeño que sea, y soluciones disponibles en el mercado», dijo, explicando que esas soluciones disponibles a menudo no tienen programas de mantenimiento agresivos, y un Se necesita un equipo interno para garantizar que la solución se mantenga adecuadamente.
Según Chang, los sistemas de salud no pueden permitirse el lujo de no tener otros recursos al considerar la adopción de la IA porque muchas organizaciones no cuentan con un científico de datos interno. Dijo que el primer paso es que la alta dirección decida cómo quieren avanzar mientras piensan en invertir en el futuro.
Descubrir dónde invertir los recursos es clave. Chang sugirió que crear uno o dos puestos relacionados con datos o inteligencia artificial podría marcar una gran diferencia. Más adelante, una vez que las herramientas de inteligencia artificial se implementen de manera efectiva para respaldar las tareas administrativas, los líderes pueden optar por no reemplazar a las personas que decidan reubicarse o jubilarse.
«Hay maneras de recortar costos sin crear pánico», afirmó.
DESCUBRIR: Un experto explica cómo elegir la solución de IA adecuada en el sector sanitario.
La IA de calidad se basa en datos sanitarios de calidad
A medida que las organizaciones avanzan hacia la adopción de la IA, deben asegurarse de que sus datos estén limpios y sean de alta calidad. Durante una sesión titulada “Basura entra, basura sale”, los líderes de atención médica discutieron el impacto que los datos desordenados e incompletos pueden tener en las iniciativas de IA.
Richard Clarke, vicepresidente senior y director de análisis de Salud de Highmark, explicó que la mejor manera de mejorar la calidad de los datos es empezar a utilizarlos para algo que beneficie a la organización, porque entonces la gente se preocupará más por ellos. Uno de los factores limitantes en la adopción de la IA generativa han sido los datos para permitir esos casos de uso.
«Si puedes representar completamente el problema que intentas resolver en los datos, entonces estas herramientas pueden ser sorprendentes», dijo Clarke. Sin embargo, añadió que cada vez es más evidente que sin datos completos y de alta calidad, estas herramientas no son tan efectivas.
Desde la perspectiva del gobierno federal, Elisabeth Myers, subdirectora de políticas del Oficina de la Coordinadora Nacional de TI en Saludexplicó que es importante que las organizaciones de atención médica comprendan cómo pueden obtener datos que sean útiles desde el comienzo de su viaje hacia la IA.
“Hablamos mucho sobre IA, y una de las cosas que conlleva es comprender en qué debería ser buena la IA y cómo configurarla para hacerlo. No existe una varita mágica que haga que esos datos sean buenos. Necesitamos pensar en los datos necesarios para que la IA funcione y llegue al caso de uso que estás buscando”, dijo Myers. «No es deseable que la IA haga inferencias sobre datos inexactos e incompletos, especialmente cuando empezamos a hablar de equidad y disparidades en la salud».
En última instancia, dijo Myers, no se trata sólo de la calidad de los datos, sino también de datos granulares recopilados que brindan a los sistemas de salud más información sobre sus poblaciones de pacientes.