ה־AI הקליני מתחיל להיעלם בתוך ה־workflow
העתיד של AI רפואי אולי יהיה הרבה פחות בולט ממה שאנחנו מדמיינים.
לא עוד כלי AI.
לא עוד tab.
לא עוד login.
אלא AI שנמצא בדיוק במקום שבו מתקבלת ההחלטה הקלינית.
השבוע University of Texas Medical Branch ו־OpenEvidence הכריזו על שיתוף פעולה שמטמיע את פלטפורמת ה־AI של OpenEvidence ישירות בתוך סביבת ה־EHR של UTMB.
במקום שהרופא יצטרך לצאת מהמערכת, לפתוח כלי נוסף ולהעביר אליו מידע, OpenEvidence נגיש מתוך סביבת העבודה הקלינית הקיימת. גם הכניסה נעשית באמצעות credentials הארגוניים הרגילים של UTMB.
לפי UTMB, מאז שהאינטגרציה עלתה לאוויר במרץ נרשמה צמיחה משמעותית בשימוש, וכיום יותר ממחצית מהקלינאים בארגון משתמשים בכלי.
אבל המספר הוא לא החלק המעניין ביותר.
ה־insight המעניין באמת הוא:
The most useful clinical AI is disappearing into the workflow.
במשך שנים, AI היה מקום שאליו הרופא צריך ללכת
הרבה ממוצרי ה־AI הרפואיים הראשונים נבנו כיישומים נפרדים.
יש שאלה?
פותחים מערכת.
נכנסים לחשבון.
מזינים מידע.
שואלים את ה־AI.
קוראים את התשובה.
ואז חוזרים ל־EHR או למערכת הקלינית שבה העבודה באמת מתבצעת.
מבחינה טכנולוגית, יכול להיות שמדובר במערכת מצוינת.
אבל מבחינת ה־workflow, נוסף עוד שלב.
וזה חשוב, כי בעולם הקליני כל מעבר בין מערכות דורש משהו מהרופא:
זמן. תשומת לב. context switching. ולעתים גם הזנה חוזרת של מידע.
UTMB מתארת את האינטגרציה החדשה בדיוק דרך הבעיה הזאת: במקום לדרוש מהקלינאים לעבור בין אפליקציות נפרדות או לפתוח accounts נוספים, OpenEvidence נכנס לתוך סביבת העבודה שכבר קיימת.
AI צריך להופיע במקום שבו מתקבלת ההחלטה
זה שינוי משמעותי.
כי הרופא לא אמור לחשוב:
“עכשיו אני אשתמש ב־AI.”
הוא אמור להיות בתוך עבודה קלינית רגילה, להגיע לנקודה שבה נדרש מידע או context נוסף — ולקבל את התמיכה שם.
זו תפיסה אחרת לגמרי של מוצר.
במקום:
clinical workflow → stop → AI tool → return to workflow
הכיוון הופך ל:
clinical workflow → AI appears where needed → decision continues
ה־AI כבר לא יושב ליד העבודה.
הוא מתחיל להיות חלק ממנה.
וזה גם מסביר למה adoption הוא לא רק שאלה של איכות המודל
בדרך כלל, כשמדברים על AI רפואי, הרבה מהדיון מתמקד במודל:
עד כמה הוא חכם?
עד כמה הוא מדויק?
עד כמה הוא יודע לקרוא literature?
אלה שאלות חשובות.
אבל גם מערכת מצוינת יכולה להפוך לכלי שאנשים כמעט לא משתמשים בו אם היא דורשת מהם לצאת מהתהליך הטבעי שלהם.
אחד מאנשי UTMB תיאר את ההיגיון של ההטמעה בפשטות: כאשר מסירים friction וממקמים AI שימושי במקום שבו הקלינאים כבר עובדים, השימוש בו עולה.
זה אולי אחד הלקחים החשובים ביותר לדור הבא של medical AI.
Distribution through workflow may matter almost as much as intelligence.
העתיד של AI רפואי אולי דווקא פחות נראה לעין
הדימוי הפופולרי של AI הוא כמעט תמיד ויזואלי.
Dashboard חכם.
צ׳אט.
מסך מלא ב־insights.
הרבה indicators שמראים שהמערכת “חושבת”.
אבל ככל שמערכות AI קליניות מתבגרות, יכול להיות שהחוויה תיראה הרבה פחות דרמטית.
ה־AI לא בהכרח יצטרך להיות הדבר הכי בולט במסך.
אולי הוא יהיה:
בתוך ה־EHR.
בתוך שלב התיעוד.
בתוך ניתוח המידע.
בתוך planning.
בדיוק בנקודה שבה הרופא צריך אותו.
וזה שינוי חשוב.
כי המטרה היא לא לגרום לרופא להיות מודע ל־AI כל הזמן.
המטרה היא לעזור לו לעבוד טוב יותר.
באסתטיקה, אותו עיקרון נראה קצת אחרת
רפואה אסתטית אינה מערכת בית חולים.
אבל מבחינת workflow, אותו אתגר קיים.
מטופל מגיע.
מתחילה שיחה.
הרופא אוסף מידע.
מעריך את הפנים.
מצלם.
מזהה concerns.
חושב על אפשרויות טיפול.
ובסוף בונה strategy.
אפשר להכניס AI לתוך התהליך הזה בצורה מאוד ברורה לעין:
לעצור.
לפתוח AI.
להעלות תמונה.
לשאול משהו.
לקבל תשובה.
לחזור למטופל.
אבל אז ה־AI הופך לעוד משימה סביב הייעוץ.
האפשרות המעניינת יותר היא הפוכה.
Patient arrives → Consultation → Structured facial assessment → Treatment possibilities → Physician strategy
וה־AI משתלב בתוך המעברים האלה.
לא כתוספת נפרדת.
אלא כחלק מה־consultation workflow.
זו גם הסיבה ש־“AI face scanner” הוא מיצוב צר מדי
אם חושבים על AI באסתטיקה רק כעל כלי שסורק פנים ומחזיר analysis, מפספסים חלק גדול מהפוטנציאל.
כי הייעוץ אינו רק analysis.
הוא כולל context.
היסטוריה.
צילום.
הערכת פנים.
מטרות.
שיחה עם המטופל.
אפשרויות טיפול.
תכנון.
תיעוד.
הערך אינו רק במה שה־AI “רואה”.
הערך הוא גם במה שהוא עוזר לחבר.
כאן נמצא החיבור ל-Epiderm AI
הדרך המדויקת יותר לחשוב על Epiderm AI היא לא:
“כאן הרופא משתמש ב־AI.”
אלא:
Patient → information → consultation → structured facial assessment → treatment possibilities → strategy.
המידע לא צריך להיכנס לכלי מבודד רק כדי שה־AI יפיק output.
הוא צריך להישאר בתוך ההקשר של המטופל ושל הפגישה.
הצילום צריך להיות מחובר ל־assessment.
ה־assessment צריך להתחבר ל־treatment planning.
והתכנון צריך להישאר בתוך ה־workflow הקליני.
הרופא עדיין מבצע את ההערכה.
הרופא עדיין מפרש.
הרופא עדיין מחליט.
אבל הטכנולוגיה נמצאת במקום שבו העבודה מתרחשת.
AI טוב אולי לא ירגיש כמו AI
וזה אולי השינוי הכי מעניין.
יכול להיות שהמוצרים הקליניים המצליחים ביותר בעתיד לא יהיו אלה שבהם ה־AI הכי בולט.
אלא אלה שבהם הוא הכי טבעי.
פחות:
“לחצו כאן כדי להשתמש ב־AI.”
יותר:
“אתם כבר בנקודה שבה AI יכול לעזור.”
פחות כלי נפרד.
יותר שכבת intelligence בתוך התהליך.
פחות interruption.
יותר continuity.
ה־workflow הופך להיות המוצר
וזה אולי החיבור בין כל ההתפתחויות שאנחנו רואים כרגע ב־clinical AI.
Ambient AI נכנס לתיעוד.
Evidence AI נכנס ל־EHR.
כלים חדשים מתחברים ל־point of care.
הכיוון אינו רק AI טוב יותר.
הוא AI שמבין איפה הוא צריך להיות.
UTMB עצמה מתארת את OpenEvidence כחלק מאסטרטגיה רחבה יותר שבה AI לא נתפס כאוסף אפליקציות standalone, אלא כיכולות שניתן לשלב בצורה מאובטחת בתוך workflows קליניים ותפעוליים קיימים.
וזה כנראה אחד הסימנים החשובים ביותר לבגרות של התחום.
העתיד לא יהיה “רופא + כלי AI”
הוא כנראה יהיה הרבה יותר קרוב ל:
רופא + workflow שיש בתוכו AI.
ובהקשר של אסתטיקה:
המטופל מגיע.
הייעוץ מתחיל.
הפנים מוערכות.
האפשרויות מתבהרות.
הרופא בונה strategy.
וה־AI נמצא בתוך התהליך בדיוק כשהוא יכול להוסיף ערך.
לא לפניו.
לא מחוץ לו.
ולא כעוד משימה שצריך לנהל.
AI becomes part of the consultation — not another task around it.
The best AI fits the way clinicians already work.
ראו כיצד Epiderm AI מחברת בין מידע המטופל, צילום, structured facial assessment ותכנון טיפול בתוך consultation workflow אחד.