Sebagai seorang analis teknologi, saya telah melacak dengan cermat dunia kolaborasi yang terus berubah. Secara khusus, ini berfokus pada bagaimana AI mengubah setiap aspek komunikasi dan cara pekerjaan dilakukan. Berfokus di area ini adalah kasus penggunaan horizontal di mana UCaaS disebarkan di seluruh organisasi untuk mendukung berbagai skenario kolaborasi.

Semua penyedia cloud dapat menangani kebutuhan ini dengan cukup baik, tetapi jika menyangkut pasar vertikal, kasus penggunaan menghadirkan tantangan yang jelas dan perlu ditangani dengan fitur yang lebih spesifik. Artikel sorotan ini adalah tentang perawatan kesehatan dan mungkin merupakan area terbesar dan paling kompleks yang harus ditangani oleh teknologi ini. Tentu saja, peluangnya sangat besar dan beberapa perusahaan berinvestasi besar-besaran untuk memilikinya.

Selain itu, karena ini adalah perawatan kesehatan, risikonya jauh lebih tinggi daripada di dunia konsumen, sehingga harapan untuk kinerja vendor sangat tinggi. Dalam satu artikel, analisis saya perlu tingkat tinggi, tetapi mudah-mudahan cukup untuk menjelaskan tantangan dan peluang yang dihadapi sektor ini.

Tantangan Utama – Kelelahan Dokter

Kolaborasi berarti hal yang berbeda di daerah yang berbeda. Dalam perawatan kesehatan, skenario utama adalah hubungan pasien dan dokter perlu berbagi informasi pada berbagai tahap perawatan. Komunikasi langsung dengan pasien hanyalah salah satu cara keterlibatan, tetapi pusat penyimpanan data tentang riwayat pasien di mana keputusan pengobatan dibuat adalah EHR – Electronic Health Record.

EHR telah muncul sebagai model manajemen data standar untuk perawatan kesehatan. Sesuai dengan dampak transformasi digital di semua sektor ekonomi, ini adalah format elektronik yang dapat dengan mudah dibagikan dan dianalisis oleh seluruh tim perawatan dari bentuk fisik analog informasi seperti kertas dan gambar medis.

Ini terlihat seperti solusi yang rapi dan mulus, tetapi tidak semua format informasi ditangkap secara digital, dan tidak semua ditangkap secara konsisten. Selain itu, data EHR berada di banyak silo, dan tidak ada cara yang efisien untuk mengintegrasikan semua ini secara real time, terutama dalam konteks perawatan akut, yang dibutuhkan dokter.

Ini adalah tambal sulam dari sejumlah besar data yang membutuhkan banyak upaya untuk mengelola, serta interpretasi untuk memberikan perawatan pasien, di mana pasien cemas berada di kantor atau rumah sakit di seberang mereka Duduk di tempat tidur. Jika ini terdengar seperti agen pusat kontak yang harus berurusan dengan waktu nyata untuk memberikan layanan pelanggan yang sangat baik, Anda benar, jadi tantangannya memiliki akar penyebab yang sama.

Ketika topik pensiun massal muncul, perawatan kesehatan ada di sana, dan tantangan ini adalah salah satu faktor yang menyebabkan kelelahan klinisi. Fasilitas medis telah mengalami tekanan besar selama pandemi untuk mengelola jumlah kasus. Hal terakhir yang dibutuhkan dokter adalah memiliki hambatan manual untuk menghalangi kemampuan mereka untuk bekerja secara efektif dan memberikan perawatan pasien yang memadai. Tantangan ini sangat realistis dan disesuaikan untuk solusi berbasis AI.

Dua kasus penggunaan AI untuk perawatan kesehatan

Skenario kolaborasi ini seringkali membutuhkan lebih dari yang dapat disediakan oleh UCaaS, terutama saat menangani data pasien dan klinis dalam jumlah besar di berbagai sumber. Untuk memenuhi kebutuhan ini dengan benar, perjalanan perawatan pasien yang lengkap harus dipertimbangkan. Ada lebih banyak peluang untuk solusi kolaborasi, terutama yang didorong oleh AI. Dalam konteks ini, ada dua kasus penggunaan AI perawatan kesehatan yang sangat berbeda untuk dipertimbangkan.

Gunakan Kasus # 1-Suara AI

Sama seperti transkripsi waktu nyata telah meningkatkan produktivitas pertemuan di tempat kerja, bentuk pengenalan ucapan ini menambah nilai signifikan pada pengaturan klinis. Kasus penggunaan yang paling tepat adalah interaksi pertama antara pasien dan dokter ketika gejala dijelaskan dan detail penting didiskusikan. Pada tingkat praktis, AI suara dapat memberikan transkripsi yang lebih lengkap dan akurat daripada yang biasanya dapat ditangkap oleh dokter dengan membuat catatan.

Namun, di luar itu, AI tidak hanya dapat menangkap percakapan secara digital, tetapi juga secara otomatis mengisi setiap item di bagian atau bidang EHR yang sesuai. Mengingat kompleksitas terminologi medis, pembelajaran mesin memainkan peran penting di sini, meningkatkan akurasi dari waktu ke waktu dan mempertahankan keterlibatan pasien tanpa menunggu dokter untuk mengimbangi mesin suara. Ini akan lebih mudah dilakukan.

Otomatisasi ini tidak hanya menghemat waktu dan tenaga dokter, tetapi juga memungkinkan mereka untuk fokus pada pasien dan mendapatkan keterlibatan yang lebih dalam. Ini mengatasi satu kelelahan dengan menghabiskan waktu berkualitas dengan pasien dan menghilangkan stres karena harus mendapatkan semua informasi ini secara akurat. Ini memberi pasien lebih banyak ketenangan pikiran dalam proses perawatan dan memungkinkan dokter untuk melihat lebih banyak pasien dan mengelola jumlah keseluruhan kasus dengan lebih baik.

Sementara kasus penggunaan AI suara menunjukkan harapan besar di arena perawatan kesehatan, ada beberapa masalah yang menghambat adopsi. Berinvestasi dalam AI suara hanya menambah nilai pada aliran data baru ini untuk meningkatkan hasil pasien, dan ada jalan singkat menuju akurasi transkripsi untuk mendapatkan kepercayaan dari para dokter.

Voice AI dapat memberikan nilai yang lebih besar, tetapi di bidang medis, sebagian besar data yang diandalkan oleh dokter untuk membuat keputusan, seperti ulasan gambar dan hasil tes, bersifat visual dan bukan verbal. Perhatikan juga bahwa solusi berbasis suara pra-AI, seperti aplikasi transkripsi warisan dan juru tulis medis, telah dibuat.

Meskipun opsi ini cukup untuk sebagian besar kebutuhan suara-ke-teks, mereka terlalu mahal untuk penggunaan skala besar. Sejauh ini, kasus penggunaan konversi ucapan-ke-teks berbasis AI masih terbatas (atau tidak dipahami dengan baik) dan memiliki beberapa keunggulan yang melekat (yaitu, kemudahan penskalaan dan analisis di seluruh volume data yang besar). pilihan adalah penghalang untuk menyuarakan adopsi AI, setidaknya untuk saat ini.

Dari sudut pandang seorang dokter muda yang paham teknologi dan terbiasa dengan media digital, ada juga perubahan generasi yang perlu dipertimbangkan. Mereka memiliki harapan besar tentang bagaimana mereka berinteraksi dengan aplikasi perangkat lunak saat ini, dan AI suara adalah contoh yang baik. Ini adalah faktor lain mengapa aplikasi baru seperti AI suara secara tradisional membatasi penggunaannya dalam perawatan kesehatan, karena generasi yang lebih tua cenderung mengandalkan alat yang mereka kenal dan percayai.

Pasien juga dipengaruhi oleh teknologi baru ini, tetapi dengan cara yang berbeda. Setiap pasar vertikal memiliki glosarium teknologi khusus, dan dalam perawatan kesehatan, beberapa kasus penggunaan untuk AI suara didasarkan pada akronim ACI Ambient Clinical Intelligence. Aplikasi ucapan-ke-teks digunakan dalam pengaturan klinis untuk merekam percakapan antara pasien dan dokter, tetapi dengan munculnya broadband seluler dan teknologi yang dapat dipakai, sensor dapat digunakan di mana pun pasien berada, yaitu non-klinis. Anda sekarang dapat menangkap audio dalam pengaturan.

Ini mewakili kasus penggunaan lain untuk AI suara, tetapi dengan teknologi yang dapat mendukung lebih banyak bentuk perawatan di rumah dan mengurangi beberapa tekanan beban kasus di tempat yang menyebabkan kelelahan. Sementara manfaat ini menarik bagi penyedia layanan kesehatan, sifat “lingkungan” dari ACI berarti bahwa pasien dapat dipantau kapan saja, di mana saja dan dapat dianggap invasif bagi banyak orang. Hal ini menciptakan berbagai masalah privasi, etika, dan persetujuan berdasarkan informasi yang menciptakan hambatan perekrutan tambahan sampai masalah tersebut ditangani secara transparan.

Gunakan Kasus #2 – Alur Kerja Klinis Cerdas

Ketika mempertimbangkan nilai teknologi UCaaS dalam perawatan kesehatan, AI suara memiliki peran dalam memfasilitasi komunikasi. Ini mungkin penting, kolaborasi Merupakan pendorong nilai yang jauh lebih besar dalam perawatan kesehatan di mana peningkatan alur kerja klinis adalah fokusnya. Burnout yang sering kita dengar di daerah ini tidak hanya disebabkan oleh peningkatan jumlah kasus yang disebabkan oleh pandemi, tetapi juga karena alur kerja yang tidak efisien.

Hal ini mempersulit dokter untuk kembali ke EHR dan mengakses data yang tepat pada waktu yang tepat. Terlepas dari semua waktu yang dihabiskan untuk mengambil data secara manual, Anda perlu meluangkan waktu untuk menganalisis data untuk memastikannya selengkap dan seakurat mungkin. Setelah itu, diperlukan analisis lebih lanjut untuk diagnosis dan pengobatan.

Waktu yang dihabiskan di belakang layar untuk melakukan semua ini berarti menghabiskan lebih sedikit waktu dengan pasien, dan tidak semua orang di pemangku kepentingan akan senang. Bagi pasien, ini bisa menjadi pengalaman impersonal dan mereka kehilangan kepercayaan dalam menerima perawatan yang mereka butuhkan. Dokter tidak puas dengan kurangnya pengalaman EHR, serta stres karena mencoba mengelola begitu banyak informasi yang berbeda. Terakhir, fasilitas layanan kesehatan memiliki masalah throughput yang rendah, lebih sedikit pasien yang menerima perawatan, dan biaya yang lebih tinggi.

Semua ini dengan jujur ​​menunjukkan perlunya alat alur kerja EHR yang lebih baik, terutama alat yang digerakkan oleh AI. Sementara pengobatan modern telah sangat diuntungkan dari kemajuan teknologi, produk sampingan alami telah menjadi pertumbuhan eksponensial data yang terkait dengan terobosan ini. Dokter kewalahan tidak hanya oleh kumpulan data yang terisolasi, tetapi juga oleh hubungan antara kumpulan data untuk diagnosis yang terinformasi, deteksi dini, identifikasi perawatan baru, dan banyak lagi.

Serangkaian masalah ini ditangani oleh perusahaan yang berbeda, dan dokter dapat memanfaatkan analitik untuk mengambil data dari berbagai sumber di luar apa yang biasanya mereka gunakan. Seiring waktu, beberapa AI dapat mempelajari lebih lanjut tentang riwayat medis setiap pasien dan kebutuhan setiap dokter, terutama spesialis, dan dapat memprediksi kemungkinan hasil berdasarkan pengobatan. Karena kita berurusan dengan kehidupan manusia, ini adalah poin besar untuk menghubungkan dan mudah untuk melihat mengapa solusi ini dikembangkan.

Dinamika pasar yang kompleks

Jika pasar berperilaku cukup baik, itulah akhir ceritanya, dan kemacetan alur kerja klinis ini akan teratasi sekarang. Sebaliknya, layanan kesehatan sedang diubah seperti sektor lainnya melalui transformasi digital dan persaingan untuk cloud. Dominasi cloud adalah persyaratan bagi pemain teknologi besar di sektor apa pun, dan hal-hal menjadi semakin panas sekarang karena layanan kesehatan tertinggal di belakang sektor lain dalam migrasi cloud. Salah satu alasan keterlambatan adalah kompleksitas sistem perawatan kesehatan itu sendiri dan data yang diandalkan oleh dokter untuk merawat pasien.

Dengan kematangan teknologi di berbagai bidang seperti alur kerja klinis dan AI suara, baru sekarang para pemain cloud besar melakukan investasi signifikan dalam perawatan kesehatan. Cloud saja tidak cukup bagi perusahaan-perusahaan ini untuk berhasil. Kami juga membutuhkan aplikasi, terutama yang memaksimalkan nilai data pasien berbasis EHR.

Di antara para pemain teknologi besar ini, Microsoft memegang kendali dan, yang menarik, mereka sangat bertaruh pada AI suara sebagai aplikasi yang mereka buat. Dengan Azure, awan Ini adalah penyedia, tetapi membutuhkan bagian lain untuk menjadi kuat Kesehatan Sebuah penyedia cloud, itu dibawa oleh akuisisi Nuance baru-baru ini. Ini adalah akuisisi terbesar kedua hingga saat ini dan menunjukkan betapa pentingnya AI suara bagi aspirasi Microsoft di bidang ini, meskipun ACI belum diadopsi secara luas. Masalah dengan alur kerja klinis tampaknya lebih mendesak daripada masalah dengan AI suara, tetapi kami belum berinvestasi terlalu banyak di area ini.

Tiga jurusan cloud lainnya (Amazon, Google, IBM) semuanya memiliki kemampuan AI suara yang kuat, tetapi tidak sebanyak yang dimiliki Microsoft saat ini dalam Nuance. Penting bagi perusahaan-perusahaan ini untuk memperhatikan berkat layanan cloud, tetapi bukan karena menjadi pemimpin dalam alur kerja klinis. Sampai batas tertentu, ini mencerminkan betapa panasnya AI suara di semua sektor, bukan hanya perawatan kesehatan.

Voice AI telah menjadi fitur penting dalam banyak hal, termasuk AI percakapan. Untuk perusahaan-perusahaan ini, AI suara adalah titik masuk paling langsung yang dibangun di atas layanan cloud.