RPA 在医疗的应用存在哪些误解

  世界卫生组织(WHO)的报告指出,美国每 1000 名患者仅对应 2.5 名医疗人员(在中国,这个数字是 1.79),预计到 2030 年,美国的医生人数缺口将达 12 万,人员缺口巨大。为了缓解这个问题,医疗行业在数字化推广方面花费了 10 年时间,耗费了 360 亿美元,至今却收效甚微,医生们被各种工具所困,几乎有一半的时间浪费在数据录入上。其实,这其中的很多工作都可以借助 RPA 来完成。例如,填写报告、录入数据、检查记录等,而且 RPA 比人干得更好、更快。尽管自动化技术可以代替大量的重复劳动,但一些普遍存在的误解让许多医疗专业人士不愿去尝试 RPA 技术。接下来 RPA 论坛就给大家讲解下RPA 在医疗的应用存在哪些误解
RPA 在医疗的应用存在哪些误解

  偏见 1:RPA 只是旧的医疗自动化工具,中看不中用

  如果你和医疗人员聊一聊这个话题,你会发现这些技术恰恰是他们最大的烦恼之一。总体而言,医疗服务提供商往往是新技术的最大买家之一,但具体到技术的执行和整合层面,他们远远落后于其他行业。

  几十年来,医疗保健提供者一直在对能提高效率的技术进行投资。不过一朝被蛇咬十年怕井绳,比如屏幕抓取和 ETL(Extract-Transform-Load)工具也曾承诺能够以更快、更简单的方式协调和移动数据,但最终效果都不如人意,这使得很多人怀疑 RPA 不过是“新瓶装旧酒”。

  实际上,在与医疗服务提供商讨论时,他们一开始会对 RPA 现在的能力感到很惊讶。很多人之所以没有采用 RPA 技术,是因为忌惮多年前屏幕抓取技术的一些缺陷,却并不知道这些缺陷已经成为了 RPA 技术的主要特点。很多医疗服务提供商都以为 RPA 只是屏幕抓取的“换汤不换药”版本。最基本的屏幕抓取技术已经是十几年前的事,而 RPA 早已实现了超越。
RPA 在医疗的应用存在哪些误解

  现阶段的 RPA 已经具备选择器、人工智能计算机视觉和其他 AI 功能,准确性方面和传统的屏幕抓取技术早已不可同日而语。人工智能计算机视觉能够以类似人眼的准确度检测屏幕元素。数据输出质量方面,RPA 也比传统的屏幕抓取更好。由于可以更快、更准确地抓取数据,RPA 为医生带来的将不只是更多数据,还将带来真正的自动化。

  因此,RPA 不是什么老旧技术的“新瓶装旧酒”,如果不消除这项偏见,就会很容易以为投资 RPA 只不过是再浪费一次钱。
RPA 在医疗的应用存在哪些误解

  偏见 2:RPA 算不了什么,AI 才是未来!

  尽管人工智能令人兴奋,但很多人都被它的潜力分散了注意力。很多人都在等待下一个范式转换,却没有意识到,如果他们不使用当前范式,就很难实现跨越式发展。

  事实是,人工智能并不能直接帮你解决所有烦恼。

  以亨利·J·凯泽家庭基金会 (KFF) 的研究为例,该研究显示,40% 的患者对电子健康记录(EHRs)的准确性表示担忧,21% 的患者已表明自己的记录中存在错误。在考虑人工智能之前,我们首先需要考虑构建确保数据完整性的流程。

  流程是自动化的基础,如果你的流程本身没有得到优化,那么不管是什么技术,最终都不会奏效。

  在可预见的未来,专业公司将会开发大量仅限于特定用例的 AI 应用程序,看看 Gartner 的人工智能热点调查报告,RPA 后面紧跟着各种自动化技术,包括机器学习(ML)、智能机器人和自然语言处理(NLP)。
RPA 在医疗的应用存在哪些误解

  人工智能和自动化不会只由某一项技术或某一家公司提供,它需要多个系统携手才能共举。

  一些医疗机构认为,等待一个完全集成的医疗系统才是更明智的投资选择。事实上,大规模的技术革命往往需要很长时间。

  我们应该尽力去建设一个集中式的健康记录中心和一个民主化的健康数据平台。同时,不要忘记我们正面临着医生短缺的现状,病患的就诊体验会受其影响,为了建立完善系统而盲目等待是不负责任的表现。

  RPA 可以为您提供数字化劳动力,并且当下就能提供实际产出。RPA 不是暂时解决产能问题的创可贴——它是连接上一个医疗技术时代和下一个医疗技术时代的桥梁。
RPA 在医疗的应用存在哪些误解

  偏见 3:我们不是已经有 RPA 了吗?

  实际上,现有的自动化工具都是基于项目或者基于任务,而非系统性地解决问题——它们在开发时大多是为了快速解决问题,从设计上来说也是一次性、封闭式的。

  也就是说你可能拥有好几十种不同的自动化工具,它们通常能够自顾自地运行下去,直到有一天它们突然坏了。这些工具通常需要定期重建,它们的输出结果也往往值得怀疑。而且,流程一旦发生变化,你在这个自动化工具里投入的钱也会付之东流。

  医疗行业效率低下的罪魁祸首是糟糕的变革管理。医疗行业有太多的工具,它们在不同的层次上运行,这让变革管理变得极为困难。造成这个问题的一部分原因在于人才和需求不匹配——医疗服务提供商经常会聘请没有丝毫部署经验的人,或者雇佣部署经验丰富但对数据科学一无所知的人。

  我们经常看到护士在几个工具之间来回切换,汇总病历报告并把它输入 AI 工具,再把 AI 工具的结果重新输回 HER 中。部分自动化的手动流程并不能算自动化。当你在培训、排除故障和解决 Bug 时,这些孤立的软件工具更像是障碍而不是什么优势。
RPA 在医疗的应用存在哪些误解

  这里的问题是相互孤立的技术之间不能互相操作。这意味着技术之间的流程很可能仍然是手动、耗时的。

  最后,你可能会有“机器人”,也可能会有“自动化”或者一大堆技术,但是这些如果不能协同工作,你的潜力就会受到限制。

  纸张的出现在一定时间内弥补了医生记忆力不足的问题,同时,EHR 和其他技术是对这个问题更好的解决方案。但是,有了这样的解决方案并不一定意味着问题得到了最终解决。

  所以选择 RPA 可以有效地解决这些问题,让医生可以更加专心的去治疗病人,而不是去准备治疗病人。