医疗服务如何改善成本和效率?人工智能为此注入新思路

将人工智能技术应用于治疗的易变性、成本建模和药物发现,将会为医疗支出带来巨大的变化。以下将详细介绍人工智能如何帮助将这些机会转化为成本节约和成果改善。

作者: 派派 来源: 大健康派 2019-08-14 14:37:30

人工智能可以识别经济有效的医疗服务,因此这项技术有可能通过消除医疗系统中的资源浪费来节省成本。


在美国,医疗保健支出几乎占美国国内生产总值的五分之一,而在所有医疗支出当中,又有四分之一到二分之一与资源浪费相关。


治疗变异性、成本建模、药物发现是导致医疗系统浪费的三个方面,但它们也是医疗人工智能帮助提高质量和降低成本的机会。


埃森哲公司分析师在此前的调查报告中展示了人工智能在医疗领域节省成本的潜力,到2026年每年可节省1500亿美元,重点关注临床健康IT应用。此外,分析师还指出了人工智能应用可以最大程度地节省成本的十个领域:


机器人辅助手术:400亿美元

虚拟护理助理:200亿美元

行政工作流程协助:180亿美元

欺诈检测:170亿美元

减少剂量误差:160亿美元

连接机器:140亿美元

临床试验参与者标识符:130亿美元

初步诊断:50亿美元

自动图像诊断:30亿美元

网络安全:20亿美元


医疗人工智能可能帮助医疗行业获得巨大的收益,但很大程度上取决于提供者、支付者、政策制定者的支持,以确保这些应用程序中能够进入市场,并被广泛采用。


将人工智能技术应用于治疗的易变性、成本建模和药物发现,将会为医疗支出带来巨大的变化。


以下将详细介绍人工智能如何帮助将这些机会转化为成本节约和成果改善。


规范护理并减少易变性


越来越多的研究表明,治疗情况的变化取决于许多因素,如疾病、覆盖范围、地理位置等。经济学家继续把治疗的易变性作为浪费医疗支出的一种常见形式。


哈佛大学经济系应用经济学教授David Cutler指出,“医疗保健系统的浪费有多种形式。主要的一个原因是治疗资源分配不当:花费在没有临床价值或没有预防性服务的医疗服务上。”


治疗易变性广泛且难以计算。最近一项针对腰背痛和下肢疼痛患者的支出和医疗保健利用率的研究发现,偏离治疗管理指南的情况非常常见,并且带来了高昂的成本。而根据指南建议治疗的患者产生的成本更低。


在2019年初,美国食品和药物管理局注意到人工智能有可能减少治疗的易变性,并支持下一代临床试验。他们指出,供应商和研究人员目前正在努力利用电子健康记录(EHR)和其他数据源来训练机器学习算法,以确定最佳护理方法。


早在2018年美国超声心动图学会年度科学会议上,心血管成像深度学习工具的开发人员就证明了这一点。与心脏病专家提供的平均易变性相比,他们采用的AI工具在评估左心室射血分数(EF)方面显示出的易变性较小。


这项研究报告的合著者,明尼阿波利斯心脏研究所超声心动图实验室主任、医学博士Richard Bae说,“通过支持快速、高效、准确的AI辅助超声心动图分析,这些算法可以使医生专注于将结果纳入患者的治疗背景之中,来指导预后和整个治疗过程。”


当应用于治疗易变性高的其他疾病时,AI工具可以通过标准化临床决策来节约大量的成本。


成本预测和建模


人工智能(特别是机器学习)预计将在成本建模中发挥重要作用,获得降低特定疾病相关治疗成本的机会。随着供应商和支付方参与越来越多的基于风险的协议,越来越需要及时和准确的数据,这些数据可以告知他们总成本。


2018年,美国精算师协会分析了来自医疗保健成本研究所2009年至2015年的4700万成员的索赔数据,他们的分析显示,机器学习有能力预测哪些患者最有可能产生高额成本。


研究人员发现,数据库中17%的成员产生了近75%的医疗支出。这些成员的就医成本,是推高整体医疗成本的重要因素。处方药的覆盖范围、性别等因素也是评判高成本患者的指标。对此类患者的成本控制将对总体的医疗成本产生直接影响。


然而,人工智能可以对更加具体的诊断和护理工作进行相关成本的预测。宾夕法尼亚大学的一个研究项目显示,与传统的成本预测模型相比,机器学习算法预测肺癌治疗成本的能力要高出15至33个百分点。


研究项目作者Jiaqi Li表示,“现代的大数据和机器学习工具与医疗成本估算高度相关。机器学习算法优于传统统计方法的明显优势是效率。”


更重要的是,人工智能和机器学习可以在没有随机对照试验的情况下测试模型,并能测试患者成本模型的伦理和可行性影响。


如果人工智能仅基于一些索赔数据就能够识别出高风险、高成本的患者,那么当该数据与其他高质量信息源(如临床记录)结合时,它应该产生一些更为关键的洞察。


药物发现和开发


将一种新药推向市场是一项成本非常高昂的工作,耗费的成本大约26亿美元左右。


《自然》杂志的一份论文声称:“这其中很大一部分成本实际上都付诸东流,因为从第一阶段试验到监管部门批准之前的这个过程中,十种药物或疗法有九种会归于失败。”


很多制药公司为了适应变化,采用人工智能来改善药物的发现。辉瑞(Pfizer)、赛诺菲(Sanofi)和罗氏(Roche)这三家生物制药公司积极利用机器学习技术开发更有效的药物和疗法。


生物技术厂商Berg公司的负责人Niven Narain表示,“通过使用患者驱动的生物学和数据得出更具预测性的假设,而不是传统的试错法,我们正在颠覆药物发现的模式。”


药物发现面临的挑战是教育研究人员,他们将训练这些智能系统,以识别遗传层面上的未知关系。数据表明,很多药物发现研究人员并不知道人工智能在他们的领域中的用途。2018年,一项对330名从事药物发现工作的科学家进行的调查发现,41%的科学家并不熟悉人工智能在其领域的应用。


缺乏人工智能工具知识,对于开发有效的药物和疗法是不利的。上个月,科学家Bianca Nogrady在发布的调查报告中表示,圣路易斯华盛顿大学的一名研究生发现了导致澳大利亚致命肝衰竭的口服抗真菌药物不良反应的机制。


使用机器学习算法,Na Le Dang做了一个非凡的发现。Nogrady表示,“在大量已知代谢途径的训练下,该算法在器官中不同类型的分子被分解时,获得了最可能的结果。通过这些信息,它能够识别出人类无法做到的事情:特比萘芬将TBF-A的代谢过程分为两个步骤。”


两步代谢产物的发现避开了传统的研究方式,而是采用Dang的机器学习算法。它解决了对特比萘芬用户具有致命影响的问题,并强调了人工智能的能力。

通过将人工智能应用于药物发现,该技术不仅可以帮助创建有效的药物,而且还可以提高现有药物的有效性。


人工智能在医疗保健领域的应用仍然有限,但可能获得为医疗领域带来更多收益,这不容忽视。具有前瞻性思维的医疗保健组织和机构将会认识到,将人工智能应用在高成本领域是保持竞争优势的机会。


人工智能 医疗服务 降低成本

关注大健康Pai 官方微信:djkpai我们将定期推送医健科技产业最新资讯