Przełamywanie granic: Połączenie fizjoterapii i sztucznej inteligencji

W skrócie

Decyzje kliniczne i rozliczeniowe nadal wymagają przeglądu i potwierdzenia przez lekarza.

• Narzędzia do dokumentacji sporządzają wstępne notatki SOAP na podstawie rozmów przeprowadzonych podczas wizyt, zmniejszając tym samym obciążenie związane z ręcznym wypełnianiem kart pacjentów, o czym wspomniano w artykule APTA poświęconym narzędziom do dokumentacji opartym na sztucznej inteligencji.
• Narzędzia do wyboru ćwiczeń pomagają lekarzom w wyszukiwaniu odpowiednich opcji. Jednym z aktualnych przykładów jest funkcja wyszukiwania ćwiczeń oparta na sztucznej inteligencji dostępna na stroniePhysitrack.
• Narzędzia do zdalnego monitorowania wykorzystują technologie przetwarzania obrazu oraz dane pacjentów do śledzenia jakości ruchów i przestrzegania zaleceń dotyczących ćwiczeń wykonywanych w domu.
• Narzędzia administracyjne automatyzują sprawdzanie uprawnień i sygnalizują ryzyko odrzucenia wniosku jeszcze przed jego złożeniem.

Oddzielenie tego, co faktycznie trafi do sprzedaży, od tego, co to tylko marketingowy szum w PT

Sztuczna inteligencja w fizjoterapii znajduje już zastosowanie w czterech określonych obszarach. Narzędzia do dokumentacji sporządzają notatki, narzędzia do ćwiczeń sugerują odpowiednie ruchy, platformy zdalne analizują dane funkcjonalne, a systemy administracyjne pomagają w planowaniu harmonogramów i rozliczeniach. Amerykańskie Stowarzyszenie Fizjoterapii (American Physical Therapy Association) poruszyło temat asystentów wykorzystujących sztuczną inteligencję w otoczeniu jako kwestię praktyczną, którą klinicyści aktywnie oceniają.

Każda z tych kategorii automatyzuje czasochłonne zadania, pozostawiając jednocześnie podejmowanie istotnych decyzji wykwalifikowanemu pracownikowi. Lekarz przegląda treść notatek, zatwierdza wybór ćwiczeń, interpretuje alerty z monitorowania oraz sprawdza sugerowane kody rozliczeniowe. Produkty, które rzekomo eliminują tę kontrolę, zasługują na bardziej wnikliwą analizę niż narzędzia, które jasno określają, gdzie odbywa się weryfikacja.

Jakość dowodów różni się również w zależności od kategorii. Ogólne badania dotyczące opieki zdrowotnej dostarczają użytecznych punktów odniesienia w zakresie dokumentacji i automatyzacji procesów administracyjnych, jednak dane dotyczące wdrażania rozwiązań w fizjoterapii oraz wyników ich stosowania są nadal ograniczone. Dane przedstawiane przez dostawców mogą wskazywać na potencjalną oszczędność czasu, zaangażowanie lub skutki finansowe, jednak kliniki powinny traktować je jako orientacyjne do czasu, aż niezależne badania zweryfikują te wyniki w warunkach fizjoterapii.

Dokumentacja kliniczna: zmiana w zakresie wsparcia w prowadzeniu dokumentacji

W wieloośrodkowym badaniu opublikowanym w czasopiśmie „JAMA” stwierdzono, że systemy sztucznej inteligencji do automatycznego sporządzania dokumentacji medycznej pozwoliły lekarzom zaoszczędzić 16 minut na każdej ośmiogodzinnej zmianie, natomiast Cleveland Clinic odnotowała skrócenie czasu poświęcanego codziennie na pracę z elektroniczną dokumentacją medyczną o 14 minut. W innym badaniu opublikowanym w czasopiśmie „JAMA” odnotowano 31-procentowy spadek poziomu wypalenia zawodowego zgłaszanego przez samych użytkowników. Te wyniki uzyskane w różnych placówkach opieki zdrowotnej stanowią użyteczną podstawę odniesienia, ale nie pozwalają ustalić, czy w klinikach fizjoterapii można osiągnąć podobne oszczędności.

Program do automatycznego zapisywania rozmów klinicznych rejestruje przebieg rozmowy i przekształca ją w uporządkowany szkic dokumentacji. Oprogramowanie to pozwala uporządkować wywiad pacjenta, wyniki badań oraz szczegóły leczenia już w trakcie wizyty. Następnie lekarz przegląda szkic, poprawia ewentualne błędy i podpisuje ostateczną wersję dokumentacji.

Rękopisy sporządzane w trybie ambientowym nadal wymagają dokładnej weryfikacji. W wieloośrodkowym badaniu opublikowanym w czasopiśmie „JAMA” w 2026 roku stwierdzono, że od 15 do 20 procent notatek zawierało błędy wymagające poprawienia, zwłaszcza w częściach dotyczących oceny i planu postępowania. Sekcje te często zawierają rozumowanie kliniczne, które wyznacza kierunek leczenia, więc nawet wiarygodne zdanie może stanowić istotny błąd, jeśli lekarz zaakceptuje je bez sprawdzenia rozmowy, z której pochodzi.

Dokumentacja generowana przez sztuczną inteligencję może również wpływać na kodowanie. W artykule poświęconym wytycznym opublikowanym w czasopiśmie „npj Digital Medicine” ostrzegano, że systemy automatycznego zapisywania danych mogą skłaniać do kodowania czynności diagnostycznych i terapeutycznych na wyższych poziomach złożoności niż wynika to z przebiegu wizyty. Ustalenie to pochodzi raczej z szerszego kontekstu opieki zdrowotnej, a nie konkretnie z fizjoterapii, ale pokazuje, dlaczego kliniki powinny weryfikować sugestie dotyczące kodowania w oparciu o dokumentację wizyty, zamiast traktować je jako ostateczne.

Amerykańskie Stowarzyszenie Fizjoterapii (American Physical Therapy Association) traktuje wykorzystanie asystentów do sporządzania dokumentacji medycznej jako aktualną kwestię zawodową, w związku z czym fizjoterapeuci muszą rozważyć oszczędność czasu w kontekście dokładności i innych zagrożeń. Dane dotyczące wskaźników wdrożenia tej technologii w fizjoterapii oraz badania nad oszczędnością czasu są wciąż ograniczone, dlatego właściciele placówek powinni traktować szersze wskaźniki z sektora opieki zdrowotnej jako wskazówki orientacyjne. Przed rozszerzeniem zakresu stosowania tej technologii w placówce należy przeprowadzić lokalny program pilotażowy w celu zmierzenia czasu poświęcanego na edycję dokumentacji oraz częstotliwości wprowadzania poprawek.

Wybór i zalecenia dotyczące ćwiczeń wspomagane sztuczną inteligencją

Narzędzia do ćwiczeń wspomagane sztuczną inteligencją pomagają lekarzom w wyszukiwaniu odpowiednich opcji dostosowanych do konkretnych potrzeb terapeutycznych pacjenta. Tradycyjne wyszukiwanie w bazach danych często opiera się na dokładnych nazwach ćwiczeń lub filtrach, podczas gdy wyszukiwanie oparte na sztucznej inteligencji potrafi zinterpretować opis kliniczny i przedstawić prawdopodobne wyniki do oceny.

Bardziej zaawansowane narzędzia mogą wykorzystywać dane dotyczące ruchu i powrotu do zdrowia w celu udoskonalenia tych sugestii. Technologia wizji komputerowej analizuje materiał wideo z telefonu lub standardowej kamery, aby mierzyć wzorce ruchowe, zakres ruchu i jakość ćwiczeń bez konieczności stosowania czujników noszonych na ciele. Modele predykcyjne mogą porównywać te obserwacje z historycznymi danymi pacjenta w celu oszacowania przebiegu powrotu do zdrowia lub zasygnalizowania potencjalnego ryzyka ponownego urazu, jak wynika z przeglądu technicznego firmy Hemscap. Platforma mogłaby wykorzystywać te sygnały do sugerowania łatwiejszej odmiany ćwiczenia, przejścia na wyższy poziom trudności lub innej kategorii ruchowej.

PhysitrackFunkcja „AI Exercise Search” stanowi aktualny przykład wyszukiwania wspomaganego sztuczną inteligencją. Narzędzie to pomaga lekarzom znaleźć odpowiednie opcje w bibliotece ćwiczeń serwisu Physitrackbez konieczności polegania wyłącznie na dokładnych słowach kluczowych. Lekarze mogą przejrzeć wyniki, wybrać odpowiednie ćwiczenia oraz ustalić intensywność i stopień zaawansowania w ramach programu pacjenta.

Obecne narzędzia oparte na sztucznej inteligencji nie są w stanie samodzielnie uwzględnić wszystkich czynników mających wpływ na bezpieczne doborowanie ćwiczeń. Diagnoza, wrażliwość tkanek, środki ostrożności oraz reakcja pacjenta podczas oceny mogą wpłynąć na zmianę wyboru, który w innym przypadku byłby uzasadniony. Systemy wizyjne mogą również błędnie interpretować ruchy, gdy położenie kamery, oświetlenie lub widoczność ograniczają ilość danych wejściowych. Dlatego też lekarze pozostają odpowiedzialni za weryfikację każdego ćwiczenia, dostosowywanie programu oraz monitorowanie reakcji pacjenta.

Zdalny monitoring i rehabilitacja oparta na danych

Zdalne monitorowanie rozszerza zakres obserwacji klinicznej w okresie między wizytami poprzez gromadzenie danych dotyczących przestrzegania zaleceń terapeutycznych przez pacjenta oraz jego reakcji na leczenie. Zdalne monitorowanie pacjentów (RPM) pozwala na śledzenie parametrów fizjologicznych, takich jak ciśnienie krwi czy poziom glukozy. Z kolei zdalne monitorowanie terapeutyczne (RTM) służy do rejestrowania informacji niefizjologicznych, takich jak odczuwany ból, przestrzeganie zaleceń dotyczących aktywności fizycznej, reakcja na leczenie oraz stan układu mięśniowo-szkieletowego, za pomocą odpowiedniego oprogramowania sklasyfikowanego jako wyrób medyczny.

Rynki obu tych kategorii nadal się rozwijają. Według jednej z branżowych prognoz wartość globalnego rynku RPM w 2023 r. wyniosła 39,5 mld dolarów, a do 2029 r. ma osiągnąć poziom 77,9 mld dolarów. W tej samej prognozie przewidziano, że segment RTM w Stanach Zjednoczonych będzie rósł w tempie 17,2 procent rocznie w latach 2025–2030, osiągając wartość 969,8 mln dolarów do 2030 roku. Prognozy te wskazują na upowszechnienie się tej technologii w praktyce klinicznej, ale nie dowodzą, że każdy program monitorowania poprawia wyniki fizjoterapii.

Sztuczna inteligencja może przekształcić zebrane dane funkcjonalne w sygnały, które lekarz może przeanalizować. Narzędzia wizji komputerowej mogą wykorzystywać aparat w telefonie lub komputerze do oszacowania zakresu ruchu i rozpoznawania wzorców ruchowych. Modele predykcyjne mogą porównywać dane bieżące z historycznymi, aby zasygnalizować spadek przestrzegania zaleceń, spowolnienie postępów lub podwyższone ryzyko ponownego urazu. Fizjoterapeuta nadal musi zinterpretować te sygnały w kontekście klinicznym pacjenta i zdecydować, czy należy zmienić program terapii.

Skuteczne wdrożenie wymaga szkoleń, zabezpieczeń prywatności oraz niezawodnego dostępu. Lekarze muszą zrozumieć, w jaki sposób narzędzie generuje alerty i jak często okazują się one trafne. Kliniki muszą ocenić, w jaki sposób dostawcy przechowują, przekazują i kontrolują dostęp do chronionych danych medycznych. Pacjenci potrzebują również kompatybilnych urządzeń i niezawodnego dostępu do Internetu, co może ograniczać ich udział w programie. Niezależne dane dotyczące fizjoterapii są nadal ograniczone, dlatego kliniki powinny zwracać się do dostawców o potwierdzenie skuteczności rozwiązania w grupach pacjentów i procesach pracy podobnych do ich własnych.

Automatyzacja procesów administracyjnych: planowanie, rozliczenia i uzyskiwanie uprzednich zezwoleń

Automatyzacja procesów administracyjnych ogranicza powtarzalne wprowadzanie danych przed każdą wizytą i po niej. Cyfrowe narzędzia do rejestracji pacjentów umożliwiają gromadzenie danych demograficznych, informacji dotyczących ubezpieczenia, formularzy zgody oraz danych o współpłatach jeszcze przed zameldowaniem. Systemy do planowania wizyt umożliwiają rezerwację online, wysyłanie przypomnień oraz oferowanie odwołanych terminów osobom z listy oczekujących. Niektóre platformy wykorzystują również dane historyczne dotyczące obecności pacjentów do oszacowania ryzyka niepojawienia się na wizycie, jednak kliniki powinny sprawdzić, na ile dokładnie prognozy te odzwierciedlają sytuację ich własnych pacjentów.

Narzędzia do rozliczeń sprawdzają dokumentację, zanim wniosek trafi do płatnika. Oprogramowanie do weryfikacji wniosków może sygnalizować brakujące pola, niespójne kody oraz dokumentację, która może nie potwierdzać medycznej konieczności zabiegu. Asystenci ds. kodowania sugerują kody diagnoz lub zabiegów, natomiast platformy rozliczeniowe śledzą odpowiedzi płatników i przekazują odmowy do weryfikacji przez personel. Narzędzia te mogą ograniczyć błędy, którym można zapobiec, jednak wykwalifikowany pracownik nadal musi potwierdzić poprawność kodu i dokumentacji uzupełniającej.

Automatyzacja procesu uzyskiwania uprzedniej zgody zyskuje na znaczeniu w miarę jak federalne wymogi zmieniają procedury działania płatników. Zgodnie z ostateczną regulacją CMS dotyczącą interoperacyjności i uprzedniej zgody, od 1 stycznia 2026 r. płatnicy objęci tymi wymogami muszą wydawać standardowe decyzje w ciągu siedmiu dni kalendarzowych, a decyzje w trybie przyspieszonym – w ciągu 72 godzin. Płatnicy muszą również podawać konkretne przyczyny odmowy, a nowe wymagania dotyczące interfejsu API wejdą w życie 1 stycznia 2027 r. Obciążenie administracyjne pozostaje znaczne. Badanie AMA z 2024 r. wykazało, że gabinety lekarskie obsługiwały średnio 39 wniosków na lekarza tygodniowo, co wymagało około 13 godzin pracy personelu. Chociaż dane te nie odnoszą się konkretnie do fizjoterapii, wyjaśniają one zapotrzebowanie na narzędzia , które gromadzą dokumentację, składają wnioski i śledzą decyzje.

Każdy dostawca zajmujący się chronionymi danymi medycznymi powinien spełniać jasno określone minimalne wymagania w zakresie zgodności. Klinika powinna wymagać podpisania umowy o współpracy (Business Associate Agreement) oraz upewnić się, że dostawca stosuje środki zabezpieczeń administracyjnych, fizycznych i technicznych wymagane na mocy ustawy HIPAA. Aktualny raport SOC 2 lub certyfikat HITRUST mogą stanowić wsparcie w procesie należytej staranności, jednak żadne z nich nie zastępuje własnej oceny bezpieczeństwa przeprowadzanej przez klinikę. Kliniki powinny zapytać, gdzie dostawca przechowuje chronione informacje zdrowotne (PHI) oraz czy wykorzystuje dane pacjentów do szkolenia modeli. Powinny również przeanalizować mechanizmy kontroli dostępu, zasady usuwania danych oraz warunki reagowania na incydenty przed podłączeniem narzędzia do automatyzacji do systemów dokumentacji medycznej lub rozliczeniowych.

Jak ocenić narzędzie oparte na sztucznej inteligencji przed jego wdrożeniem

Należy ocenić narzędzie oparte na sztucznej inteligencji, sprawdzając jego decyzje, dopasowanie do procesu pracy oraz mechanizmy zabezpieczające. Estetyczny interfejs niewiele mówi o tym, czy narzędzie to może wspierać codzienną pracę kliniczną.

• Należy poprosić dostawcę o oddzielenie zadań zautomatyzowanych od decyzji podejmowanych przez personel medyczny. Personel medyczny powinien zatwierdzać treść notatek, wybór ćwiczeń, reakcje na alerty monitorujące oraz kody rozliczeniowe, zanim informacje te zostaną wprowadzone do dokumentacji.
• Sprawdź dokładność na podstawie realistycznych przypadków. Przeanalizuj błędy w dokumentacji, nieodpowiednie propozycje ćwiczeń, pominięte alerty monitorujące oraz błędne zalecenia dotyczące kodowania. Zapytaj, w jaki sposób dostawca mierzy liczbę błędów i aktualizuje swoje modele.
• Sprawdź, czy narzędzie integruje się z systemem zarządzania praktyką lub systemem EHR. Narzędzie powinno ograniczyć konieczność wielokrotnego wprowadzania danych oraz zapewnić przejrzystą dokumentację działań pacjenta, przeglądów przeprowadzanych przez lekarzy oraz wprowadzonych zmian.
• Należy sprawdzić, w jaki sposób dostawca postępuje z chronionymi danymi medycznymi. Należy poprosić o udostępnienie umowy o współpracy biznesowej, środków zabezpieczających zgodnych z HIPAA, mechanizmów kontroli dostępu, dzienników audytowych, warunków przechowywania danych oraz odpowiednich niezależnych ocen bezpieczeństwa.
• Przeprowadź ograniczony program pilotażowy z określonymi wskaźnikami. Przed rozszerzeniem zakresu stosowania monitoruj czas pracy personelu medycznego, wskaźniki korekt, przestrzeganie zaleceń przez pacjentów, obciążenie administracyjne oraz potrzeby personelu w zakresie wsparcia.
• Należy upewnić się, że dostawca zapewnia szkolenia oraz jasno określoną ścieżkę wsparcia. Pracownicy służby zdrowia muszą wiedzieć, kiedy wyniki generowane przez sztuczną inteligencję wymagają dodatkowej weryfikacji oraz w jaki sposób zgłaszać problemy.

PhysitrackFunkcja „AI Exercise Search” serwisu Physitrack opiera się na modelu zalecania ćwiczeń zatwierdzonym przez specjalistów. Narzędzie to pomaga lekarzom w wyszukiwaniu odpowiednich ćwiczeń, a lekarz weryfikuje każdą opcję i ustala program ćwiczeń dla pacjenta. Zapoznaj się z platformą ćwiczeń serwisu.

Podsumowanie na koniec

Kliniki, które z powodzeniem wdrażają sztuczną inteligencję, będą jej powierzać wąskie, mierzalne zadania, a odpowiedzialność za decyzje o istotnych konsekwencjach pozostawią lekarzom. Będą sprawdzać dokładność, analizować wyniki, monitorować błędy oraz upewniać się, że każde narzędzie wpisuje się w istniejące procesy kliniczne i procedury zgodności.

Pośpieszne wdrażanie zaczyna się od szeroko zakrojonych obietnic, a nadzór wprowadza się dopiero po pojawieniu się problemów. W ciągu najbliższych kilku lat przydatne narzędzia oparte na sztucznej inteligencji zdobędą swoje miejsce, zmniejszając konkretne obciążenia, pozostawiając jednocześnie ocenę, planowanie leczenia i potwierdzanie rozliczeń wykwalifikowanym osobom. Sztuczna inteligencja działa najlepiej, gdy wspiera personel pod wyraźnym nadzorem człowieka.

Najczęściej zadawane pytania

Czy sztuczna inteligencja zastępuje fizjoterapeutów?

Sztuczna inteligencja może pomagać w wykonywaniu określonych zadań, ale nie jest w stanie samodzielnie oceniać pacjentów ani przejmować odpowiedzialności klinicznej. Korzystając z narzędzi takich jak Physitrack, lekarze nadal ponoszą odpowiedzialność za odpowiedniość i bezpieczeństwo ćwiczeń.

Jak dokładne są notatki kliniczne generowane przez sztuczną inteligencję?

Notatki generowane przez sztuczną inteligencję wymagają weryfikacji, ponieważ w jednym z badań wieloośrodkowych od 15 do 20 procent notatek wymagało poprawek. Lekarze powinni stosować ten standard weryfikacji do wszystkich notatek generowanych przez sztuczną inteligencję. Weryfikacja jest szczególnie ważna w sekcjach dotyczących oceny i planu postępowania.

Czym różni się RTM od RPM?

System RTM monitoruje ból, przestrzeganie zaleceń terapeutycznych oraz stan układu mięśniowo-szkieletowego, natomiast system RPM monitoruje parametry fizjologiczne, takie jak ciśnienie krwi. Placówki medyczne rozważające wdrożenie platformy RTM powinny sprawdzić, jakie zasady monitorowania i rozliczeń mają zastosowanie. To rozróżnienie decyduje o tym, jakie dane i urządzenia kwalifikują się do uwzględnienia.

Czy ubezpieczenie obejmuje opiekę nadzorowaną przez sztuczną inteligencję?

Ubezpieczenie może obejmować kwalifikujące się usługi RTM, jednak o wysokości refundacji decydują zasady ubezpieczycieli, stosowane urządzenia oraz dokumentacja. Kliniki rozważające wprowadzenie opieki monitorowanej przez sztuczną inteligencję powinny zweryfikować zakres ubezpieczenia u ubezpieczycieli oraz u doradców ds. zgodności z przepisami. Żadne narzędzie oparte na sztucznej inteligencji nie może zagwarantować uzyskania refundacji.

Co powinna sprawdzić klinika przed zakupem narzędzia opartego na sztucznej inteligencji?

Placówki medyczne powinny sprawdzić dokładność działania, przeanalizować mechanizmy kontrolne, integracje, sposób przetwarzania danych oraz wsparcie techniczne. Podczas oceny serwisu Physitrack lub innego narzędzia opartego na sztucznej inteligencji placówki medyczne powinny dokładnie określić, jakie elementy muszą potwierdzić lekarze. Dostawcy zajmujący się przetwarzaniem chronionych informacji zdrowotnych powinni podpisać umowę o zachowaniu poufności (BAA) oraz stosować zabezpieczenia zgodne z HIPAA.