Comment acheter et vendre l’IA dans les soins de santé? Pas facile. – Le blog des soins de santé

Par Matthew Holt

Il n’y a pas si longtemps, vous pouviez créer une de ces cartes de soins de santé ou de santé numérique et avoir à peu près raison. Je l’ai fait moi-même dans la santé 2,0 jours, y compris les anciennes sous-catégories de la «Rebel Alliance of New Provider Technologies» et la «frontière des technologies d’autonomisation des patients»

Mais ces jours faciles de faire correspondre un produit SaaS à l’utilisateur prévu et le différencier des autres ont disparu. La carte a été bouleversée par l’ouragan qui est une AI générative, et elle a lancé l’industrie dans un état de confusion.

Au cours des derniers mois, j’ai essayé de comprendre qui va faire ce qui dans l’IA Health Tech. J’ai eu beaucoup de conversations formelles et informelles, j’ai lu une tonne et j’ai été à trois conférences au cours des derniers mois, tous se sont concentrés sur ce sujet. Et il est clair que personne n’a une bonne réponse.

Bien sûr, cela n’a pas empêché les gens d’essayer de dessiner des cartes comme celle-ci de Protege. Comme vous pouvez le dire, il existe des centaines d’entreprises qui construisent les premiers produits de l’IA pour tous les aspects de la chaîne de valeur de santé (ou de manque!).

Mais cette fois, c’est différent. Il n’est pas du tout clair que l’IA s’arrêtera à la frontière d’un utilisateur ou aura même une fonction clairement définie. Il n’est même pas clair qu’il y aura un secteur «IA pour la technologie de la santé».

Il s’agit d’un problème multidimensionnel.

Les principaux AI LLMS – Chatgpt (Openai / Microsoft), Gemini (Google / Alphabet) Claude (anthropic / Amazon), Grok (X / Twitter), Lama (Meta / Facebook) – sont tous capables d’un travail incroyable à l’intérieur des soins de santé et bien sûr à l’extérieur. Ils peuvent désormais écrire dans n’importe quelle langue que vous aimez, code, créer des films, de la musique, des images et s’améliorent tous de mieux en mieux.

Et ils sont fantastiques pour l’interprétation et le résumé. J’ai littéralement jeté un document CMS dense CMS dense assez incompréhensible à 26 pages dans CHATGPT l’autre jour et en quelques secondes, il m’a dit ce qu’ils avaient demandé et ce qu’ils recherchaient réellement (ce sous-texte non écrit). Le responsable du CMS qui a rédigé cela a été très impressionné et a été un peu contrarié de ne pas avoir été autorisé à l’utiliser. Si j’avais voulu aider CMS, cela aurait également écrit la réponse pour moi.

Les Big LLMS développent également des capacités «agentiques». En d’autres termes, ils sont en mesure de mener des processus commerciaux et humains en plusieurs étapes.

À l’heure actuelle, ils sont directement utilisés par les professionnels de la santé et les patients pour les résumés, la communication et la compagnie. De plus en plus, ils sont utilisés pour les diagnostics, le coaching et la thérapie. Et bien sûr, de nombreuses organisations de soins de santé les utilisent directement pour la refonte des processus.

Pendant ce temps, les principales chevaux de travail des soins de santé sont les DME utilisés par les fournisseurs, et le plus grand kahuna de tous est épique. Epic a une relation avec Microsoft qui a sa propre pièce d’IA et a également sa propre relation solide avec OpenAI – ou du moins aussi forte que d’investir 13 milliards de dollars dans un organisme sans but lucratif fera votre relation. Epic utilise désormais l’IA de Microsoft dans les résumés de notes, Patient Communications et al, et également à l’aide de Dax, le scribe Ai Ai Ai de la subsidiation de Microsoft. Epic a également une relation avec Dax Rival Abridge

Mais ce n’est pas nécessairement suffisant et Epic constitue clairement ses propres capacités d’IA. Dans une excellente revue sur Health It aujourd’hui John Lee décompose l’utilisation non triviale par Epic de l’IA dans son flux de travail clignotant:

• La plate-forme propose désormais des outils pour réorganiser le texte pour la lisibilité, générer des résumés succincts et respectueux des patients, des résumés de cours d’hôpital, des instructions de sortie et même la traduction des données cliniques discrètes en instructions narratives.
• Nous serons en mesure de désactiver automatiquement le langage dans les notes (par exemple, modifier «l’abuseur narcotique» pour «le patient a un trouble d’utilisation des opiacés»),
• Même en tant que médecin, j’ai parfois du mal à déchiffrer le raccourci que mes collègues utilisent si fréquemment. Epic a montré comment l’IA peut traduire un sténographie médicale obtuse «Pod 1 Sp Corg. HD stable. Amb w Asst». – En langage clair: «Post OP Day 1 Statut post-Tenpass Greft Chirurgie. Hémodynamiquement stable. Le patient est capable de s’embaucher avec l’assistance.»
• Pour les infirmières, la documentation ambiante et les notes de quart générées par l’IA seront disponibles, réduisant l’entrée manuelle et la libération de temps pour les soins aux patients.

Et bien sûr, Epic n’est pas le seul DSE (honnêtement!). Ses concurrents ne se tiennent pas immobile. Helen Waters de Meditech, Helen Waters, a accordé une interview de grande envergure à Histalk. J’ai accordé une attention particulière à sa discussion sur leur travail avec Google dans l’IA et je cite presque tout:

Ce produit initial a été construit sur le modèle de langue Bert. Ce n’était pas nécessairement une IA génératrice, mais c’était l’un de leurs premiers modèles de langues importants. La fonctionnalité s’appelait Conditions Explorer, et cette fonctionnalité était vraiment un bond en avant. Il organisait intelligemment les informations des patients directement à partir du graphique, et comme le médecin travaillait dans le flux de travail du graphique, offrant à la fois une vision longitudinale de la santé du patient par des conditions spécifiques et catégorisant ces informations de manière à ce que les cliniciens puissent rapidement accéder à des informations pertinentes à des problèmes de santé particuliers, corrélé, ce qui rend plus efficace dans la prise de décision éclairée.

Au-delà de cela, avec la plate-forme Vertex IA et certainement plusieurs itérations des Gémeaux, nous avons avancé pour offrir des offres d’IA supplémentaires dans la catégorie de la génération IA, et cela comprend à la fois un récit de cours de l’hôpital de médecin à la fin du temps d’un patient à l’hôpital. Nous générons en fait le cours de séjour, qui a généralement été avantageux pour les documents de ne pas avoir à commencer à le construire par eux-mêmes.

Nous faisons également de même pour les infirmières lorsqu’ils changent de quarts. Nous donnons un résumé de changement d’infirmière, qui classe essentiellement les informations pertinentes du changement précédent et les gagne pas mal de temps. Nous utilisons la plate-forme Vertex AI pour ce faire. Et en plus de tous les autres sous le soleil, nous avons évidemment livré et apporté des capacités de scribe ambiant en direct avec des plateformes d’IA à partir d’une multitude de fournisseurs, qui ont également réussi l’entreprise.

Le concept de Google et le partenariat reste fort. Les résultats sont clairs avec la vision que nous avions pour Expanse Navigator. Les progrès se poursuivent autour des LLM, et ce que nous voyons est très prometteur pour l’avenir de ces technologies aidant aux charges et tâches administratives, mais également des capacités éclairées pour que les cliniciens se sentent forts et confiants dans les décisions qu’ils prennent.

Les capacités vocales du concept d’IA agentique iront clairement bien au-delà du scribe ambiant, ce qui est à la fois excitant et ironique lorsque vous réfléchissez à la façon dont l’industrie a commencé avec un stylo de retour quand, nous les avons emmenés dans des claviers, puis nous les avons emmenés dans des appareils mobiles, où ils pourraient puiser et glisser avec des tablettes et des phones. Maintenant, nous sommes de retour à la voix, ce qui, je pense, sera agréable à condition que cela fonctionne efficacement et efficacement pour les cliniciens.

Donc, si vous lisez – pas même entre les lignes mais exactement ce qu’ils disent – Epic, qui domine les AMC et les grands systèmes de santé à but non lucratif, et Meditech, le DME pour la plupart des grands systèmes à but lucratif comme HCA, construisent tous les deux l’IA dans leurs plateformes pour presque tous les flux de travail que la plupart des cliniciens et des administrateurs utilisent.

J’ai soulevé cette question de plusieurs façons différentes lors d’une réunion organisée par Commure, la société d’IA axée sur le fournisseur soutenu par le catalyseur général. Commure a traversé un certain nombre d’itérations dans sa vie de 8 ans, mais c’est maintenant une plate-forme d’IA sur laquelle il construit plusieurs produits ou capacités. (Pour en savoir plus, mon entretien avec le PDG Tannay Tandon). Ceux-ci incluent (jusqu’à présent!) L’administration, le cycle des revenus, les stocks et le suivi du personnel, l’écoute / décrivage ambiant, le flux de travail clinique et le résumé clinique. Vous pouvez parier qu’il y a plus à venir via le développement ou l’acquisition. En outre, Commure le fait non seulement avec le soutien profond à poche du catalyseur général, mais aussi avec la propriété partielle du plus grand client de Meditech. Cela signifie que HCA doit comprendre ce que fait Commurer par rapport à Meditech.

Enfin, il y a aussi une tonne d’activité d’IA utilisant les Big LLMS en interne au sein des AMC et chez les fournisseurs, les plans et les payeurs en général. N’oubliez pas que tous ces joueurs ont fortement personnalisé de nombreux outils (comme Epic) que les vendeurs externes les ont vendus. Ils créent également leurs ingénieurs de «déploiement en avant» pour personnaliser leurs outils d’IA au flux de travail des clients. Mais ils construisent également des trucs eux-mêmes. Par exemple, Stanford vient de publier un produit local qui utilise l’IA pour communiquer les résultats du laboratoire aux patients. Non acheté auprès d’un vendeur, mais développé en interne à l’aide d’Anthropic’s Claude LLM. Il y a des dizaines et des dizaines de ces projets locaux dans toutes les grandes entreprises de soins de santé. Tous ces scientifiques des données doivent rester occupés d’une manière ou d’une autre!

Alors, qu’est-ce que cela dit sur le rôle de l’IA?

Tout d’abord, il est clair que les plates-formes actuelles d’enregistrement dans les soins de santé – les DSE – se considèrent comme des magasins de données massives et s’attendent à ce que les outils d’IA qu’ils développent et leurs partenaires développent une grande partie du flux de travail actuellement réalisé par leurs utilisateurs humains.

Deuxièmement, la loi de la technologie a généralement été que l’eau descente en descente. De plus en plus d’entreprises et de produits finissent par devenir des fonctionnalités d’autres produits et plateformes. Vous vous souvenez peut-être qu’il y avait un ensemble distinct de logiciels pour l’écriture (WordPerfect), la présentation (persuasion), les feuilles de calcul (Lotus123) et maintenant il y a MS Office et Google Suite. Le mois dernier, une entreprise appelée Brellium a recueilli 16 millions de dollars auprès probablement de VCS très intelligents pour résumer les billets cliniques et les analyser pour la conformité. Maintenant, regardez-les prouver le contraire, mais ne semble-t-il pas que tout le monde et leur chien aient déjà construit l’IA pour résumer et analyser les notes cliniques? Une autre analyse de conformité ne peut-elle pas être ajoutée facilement? C’est un assez bon pari que cette fonctionnalité fera partie d’un produit plus grand très bientôt.

(Soit dit en passant, un domaine qui pourrait être distinct est la conversation vocale, qui semble actuellement avoir un ensemble distinct de compétences et d’entreprises qui y travaillent parce que l’interprétation de la parole humaine et la conversation avec les humains est délicat. Bien sûr, cela pourrait être un «douves» temporaire que ces entreprises ont qui pourraient se retrouver dans le LLM principal assez tôt).

Pendant ce temps, Vine Kuraitis, Girish Muralidharan et feu Jody Ranck viennent d’écrire une série en 3 parties sur la façon dont le DME se déplace de toute façon pour devenir une plate-forme de santé numérique unifiée plus grande qui suggère que la partie clinique de l’EMR sera intégrée à toutes les autres éléments des processus en cours dans les systèmes de santé. Pensez à la dotation en personnel, aux fournitures, aux finances, au marketing, etc. et bien sûr, il y a toujours l’intégration continue entre les DME et les dispositifs médicaux et les capteurs à travers l’hôpital et éventuellement l’écosystème de santé plus large.

Ainsi, cette intégration des ensembles de données pourrait rapidement conduire à un super système dominé par l’IA dans lequel de nombreuses décisions sont prises automatiquement (par exemple, les protocoles de soins de suivi de l’IA comme Robbie Pearl l’a suggéré sur le THCB il y a quelque temps), tandis que certaines décisions sont prises sur le plan opérationnel par les humains (des laboratoires de commande ou des médicaments, ou des programmes de personnel de fixation) et enfin quelques décisions sont plus stratégiques. Les progrès vers la recherche approfondie et l’IA agentique réalisés par les Big LLMS en ont provoqué (incluant éventuellement Satya Nadella) suggérant que le SaaS est mort. Il n’est pas difficile d’imaginer un nouvel avenir où tout est gratté par l’IA et les agents gèrent tout dans le monde dans un système de santé.

Cela conduit à un vrai problème pour chaque joueur de l’écosystème des soins de santé.

Si vous achetez un système d’IA, vous ne savez pas si l’application ou la solution que vous achetez va être cannibalisée par votre propre DSE, ou par quelque chose qui est déjà construit à l’intérieur de votre organisation.

Si vous vendez un système d’IA, vous ne savez pas si votre produit est une caractéristique de l’IA de quelqu’un d’autre, ou si la compétence est dans les invites que vos clients souhaitent développer plutôt que dans votre outil. Et pire, il y a peu de pénalité dans vos clients potentiels qui attendent de voir si quelque chose de mieux et de moins cher arrive.

Et cela se produit dans un monde dans lequel il existe tous les quelques mois de nouveaux et meilleurs modèles LLM et d’autres modèles d’IA.

Je pense que pour l’instant, le problème est que, jusqu’à ce que nous comprenions une compréhension plus claire de la façon dont tout cela se déroule, il y aura beaucoup de faux départs, des rondes de financement qui ne vont nulle part et les implémentations de l’IA qui ne réalisent pas grand-chose. Des rapports comme celui de Sofia Guerra et Steve Kraus à Bessmer peuvent aider, en donnant 59 «travaux à faire». Je m’inquiète simplement que personne ne sera trop sûr du bon outil pour le travail.

Bien sûr, j’attends mes suzerains de robot me disant la bonne réponse.

Matthew Holt est l’éditeur de THCB