RPA und der Aufstieg intelligenter Automatisierung im Gesundheitswesen

Die digitale Transformation wurde als Top-Trend im Gesundheitswesen bezeichnet, und intelligente Automatisierung kann ein Teil davon sein.

Der Markt für Robotic Process Automation (RPA) boomt und wird bis 2023 voraussichtlich einen Wert von 4,4 Milliarden US-Dollar erreichen. Er bietet Unternehmen eine enorme Chance, manuelle, zeitaufwändige, sich wiederholende und transaktionale Prozesse zu automatisieren. RPA kann dazu beitragen, die Prozessqualität, -geschwindigkeit und -produktivität zu verbessern und Altsysteme zu integrieren, was im aktuellen Klima immer wichtiger wird, da Unternehmen bestrebt sind, digitale Transformationsprojekte zu beschleunigen.

Es ist jedoch klar, dass RPA zwar das Potenzial hat, ein sehr wertvolles Werkzeug zu sein, häufige Hindernisse für seinen Erfolg jedoch geschäftliche Komplexität, subjektive Entscheidungen und unstrukturierte Daten sind. RPA kann nur einfache Aufgaben automatisieren. Es braucht Prozesse, um endlichen vordefinierten Regeln mit strukturierten Daten zu folgen.

Der Schlüssel zum Startschuss für digitale Optimierungsprojekte liegt darin, den Kopf (künstliche Intelligenz und maschinelles Lernen) mit den Händen (RPA) zu verbinden. Ich spreche von der Konvergenz von RPA mit KI und ML, um eine intelligente Automatisierung zu schaffen, die das Potenzial hat, den Umfang der Wissensarbeit, die bisher als zu komplex für eine Automatisierung galt und für Vorhersagen menschliche Eingriffe erforderte, massiv zu erweitern. Mit intelligenter Automatisierung automatisieren KI und ML die Entscheidungsfindung und RPA automatisiert die manuellen nächsten Schritte innerhalb des Prozesses.

Wie? Auf hoher Ebene kann maschinelles Lernen in zwei Hauptkomponenten unterteilt werden. Der erste Teil beinhaltet das Training von Modellen mit historischen Daten, um Vorhersagen zu treffen. Dazu gehört das Sammeln und Aufbereiten der Daten – oft der zeitaufwändigste Schritt beim maschinellen Lernen – und am Ende ein Trainingsdatensatz, der beschriftet und für die Modellierung bereit ist. Als nächstes werden Modelle unter Verwendung von Algorithmen für verschiedene Arten von Datenproblemen erstellt, d. h. Klassifizierung, Regression, binär. Sobald das Modell erstellt und in der Produktion bereitgestellt wurde, beginnt die nächste Komponente des maschinellen Lernens – das Abgleichen unsichtbarer Daten mit den erstellten Modellen. Dies ist der Schritt, in dem RPA das maschinelle Lernmodell fragen kann, was als nächstes zu tun ist, wobei das Modell eine Vorhersageentscheidung für RPA bereitstellt, um ohne menschliches Eingreifen fortzufahren.

IDC hat die digitale Transformation als Top-Trend in der Biowissenschafts- und Gesundheitsbranche identifiziert, daher ist es nicht verwunderlich, dass das Interesse dieser Branche an Automatisierungsanwendungsfällen steigt, bei denen die Hinzufügung von KI und ML mit RPA einen Mehrwert für das gesamte Ökosystem schaffen könnte . Ziel ist es, eine skalierbare digitale Belegschaft zu schaffen, die in der Lage ist, Prozesse auszuführen, die kein menschliches Eingreifen erfordern, und die eine Kapitalrendite in weniger als 12 Monaten liefert.

Der wichtigste organisatorische Vorteil des Einsatzes intelligenter Automatisierung, um menschliche Arbeitskraft in diesem Fall von alltäglichen Aufgaben zu befreien, besteht natürlich darin, dass es medizinischem Fachpersonal ermöglicht wird, sich auf höherwertige, vom Menschen geführte Entscheidungsfindung, Diagnose und Behandlung zu konzentrieren. Eine bessere Patientenerfahrung und verbesserte Ergebnisse können erreicht werden, indem das Patientenengagement optimiert wird, Ärzte schneller auf mehr Informationen zugreifen können, was ihnen wiederum ermöglicht, eine gezielte und maßgeschneiderte Versorgung anzubieten.

Die Bereitstellung einer besseren Sichtbarkeit von Daten in Echtzeit wird auch von Pharmaunternehmen und Herstellern medizinischer Geräte genutzt, um beispielsweise potenzielle Bedenken hinsichtlich der Einhaltung von Vorschriften durch die Reduzierung von Betrugs- und Fehlerraten auszuräumen und die Genauigkeit und Sicherheit zu erhöhen. Dies ist insbesondere in der Life-Sciences-Branche der Fall.

Intelligente Automatisierung wird genutzt, um die Arzneimittelentdeckung, Impfstoffentwicklung und klinische Studien zu beschleunigen, indem Prozesse in Bezug auf Dokumentation und behördliche Überwachung automatisiert werden. Die Beseitigung von Engpässen erweist sich als Schlüssel zur Bewältigung einiger Herausforderungen, die die Pandemie mit sich bringt, insbesondere im Hinblick auf die Bereitstellung von Testkits und Fast-Track-Analysen.

Die Fähigkeit, Daten zu standardisieren, größere Datensätze zu verwenden, Verzerrungen zu beseitigen und Algorithmen effizienter zu trainieren, um beispielsweise zu identifizieren, welche Verbindungen möglicherweise wirksamer sind oder es wert sind, schneller durch den Arzneimittelforschungsprozess bewegt zu werden, liefert schneller Ergebnisse und macht es fast möglich um die Arbeit im Voraus zu erledigen. Dies allein deutet darauf hin, dass die Bewertung, die Ergebnisse, die Möglichkeit der Zulassung und die Wirksamkeit in der Arzneimittelentdeckungsphase neben der klinischen Entwicklung, der behördlichen und der Dokumentenverarbeitung erfolgen könnten, was möglicherweise zu virtuellen klinischen Studien führen könnte.

Die Einführung von mehr Automatisierung in Labors wird es auch ermöglichen, Daten mit der Fertigung und anderen Data Lakes zu verknüpfen, um Trends besser sichtbar zu machen, eine schnellere und maßstabsgetreuere Fertigung und agilere Lieferketten zu ermöglichen, die insbesondere in dieser Zeit wichtige Anforderungen sind.

Die Prognose der Produktionsnachfrage ist beispielsweise ein zentraler Anwendungsfall – die Vorhersage, wo es zu einem Nachfrageschub kommen könnte, der auf externen Effekten wie einem Anstieg der Grippe oder einer Zunahme von COVID-19 oder einer möglichen Veränderung der Bevölkerungszahl basiert, kann die Nachfrage erhöhen. In ähnlicher Weise ist es möglich, Qualitätsprobleme der Pharmakovigilanz und der Bearbeitung von Beschwerden zu überwachen und zu verfolgen – Trends in Bezug auf behördliche Einreichungen oder Beschwerden zu sehen, sobald sie eingehen, Trends früher zu überwachen, Außendienstteams zu aktualisieren, damit sie Probleme (z. B. in Bezug auf Proben und Lieferungen) innerhalb proaktiv handhaben können Tage statt Wochen – kann zu höheren Umsätzen beitragen.

Glücklicherweise ermöglicht intelligente Automatisierung der Biowissenschafts- und Gesundheitsbranche, Altsysteme zu verwalten und zu integrieren und die Vorteile der digitalen Transformation zu nutzen, ohne Software zu aktualisieren, APIs zu entwickeln oder ein neues System innerhalb von Wochen statt Monaten oder in einigen Fällen Jahren zu erstellen.

Daten können aus mehreren Quellen gesammelt werden und müssen bereinigt und vorbereitet werden, bevor mit der Modellierung begonnen wird. Anstatt in einem Elfenbeinturm eingesperrt zu sein, werden KI und RPA durch intelligente Automatisierung demokratisiert. Menschen können direkten Zugang zu Data Science erhalten und die Informationen selbst nutzen, anstatt darauf zu warten, dieselben Informationen von einer Gruppe zu erhalten, die woanders isoliert ist.

Es wird zunehmend praktische Realität, dass die Biowissenschafts- und Gesundheitsbranche diese KI-, ML- und RPA-Tools und -Techniken nutzen kann, um die KI-gesteuerte Entscheidungsfindung zu unterstützen und in kurzer Zeit einen ROI zu erzielen.

Die Konvergenz von RPA und KI und ML ist der nächste Schritt auf dem Weg zur intelligenten Automatisierung. Unternehmen lösen datengesteuerte Anwendungsfälle für maschinelles Lernen wie Wiederaufnahme von Patienten, Personalprognosen, Medikamenteneinhaltung und Verkürzung des Patientenaufenthalts, und sie hören hier nicht auf. Stattdessen verwenden sie die Vorhersagen, um neue RPA-Automatisierungen hinzuzufügen, die zuvor nicht realisierbar waren, um kritischere Anwendungsfälle zu lösen, indem sie mehrere intelligente Automatisierungskomponenten zusammen verwenden. Unnötig zu sagen, dass es eine aufregende Zeit ist, in dieser Branche zu arbeiten und in den kommenden Jahren echte Veränderungen voranzutreiben.