Terveydenhuolto

Medicaid-leikkauksen vaikutus: Voittaako tekoäly tulevan terveydenhuollon kriisin?

mm

Medicaid on keskeinen kohta poliittisessa taistelussa, kun republikaanisen puolueen lainsäätäjät pyrkivät syviin leikkauksiin, jotta voivat rahoittaa veron alennuksia. Presidentti Donald Trump ja republikaanisen puolueen johtajat pyrkivät leikkaamaan Medicaidin kulutuksia 880 miljardilla dollarilla seuraavan kymmenen vuoden aikana, mikä leikkaa noin 10 prosenttia ohjelman budjetista. Seuraukset voivat kuitenkin olla vakavia, koska Medicaid tarjoaa terveydenhuoltopalveluita noin 83 miljoonalle alhaisen tulon saaneelle amerikkalaiselle, mukaan lukien vanhukset ja vammaiset.

Tekoäly (AI) on nousemassa mahdolliseksi ratkaisuksi kasvaviin terveydenhuollon kustannuksiin. Nykyään tekoälyohjattu prediktiivinen analytiikka mahdollistaa terveydenhuollon tarjoajien tunnistaa korkean riskin potilaat ennen kuin he tarvitsevat kiireellistä hoitoa.

“Medicaidin kohtaamien budjettirajoitusten vuoksi tekoäly voi leikata kustannuksia ilman laadun uhraamista,” Grace Chang, Kintsugin toimitusjohtaja ja perustaja, kertoi minulle. “Toiminnalliset epätehokkuudet, kuten väärät diagnosoinnit tai huonot potilasseurantat, ovat usein näkymättömiä, mutta erittäin kalliita. Tekoäly voi tunnistaa potilaat, jotka ovat vaarassa käyttää liikaa päivystyspalveluita tai olla tottelemattomia lääkehoidossa – alueita, jotka imevät miljardeja järjestelmästä, mutta joita voidaan ratkaista oikeilla työkaluilla.”

Kalifornialainen terveydenhuollon tekoälystart-up Kintsugi käyttää äänibiomerkintöjä automatisoimaan varhaisen masennus- ja ahdistuspotilaiden seulontaa, mikä auttaa vähentämään kliinikoiden arviointiaikaa. Chang väittää, että useimmat terveydenhuollon järjestelmät ovat jo nyt alipalkattuja, ja tekoäly voi auttaa priorisoimaan, kuka tarvitsee huomiota eniten, milloin se on tärkeintä.

Perustajan mukaan todellinen riski siitä, että tekoälyä ei käytetä terveydenhuollon vaikeimpien ongelmien ratkaisemiseen, on “ettei käytetä sitä tärkeiden hoitoaukkojen sulkemiseen.”

Miten tekoäly vähentää Medicaidin ja terveydenhuollon kustannuksia yleensä

Hallinnolliset epätehokkuudet muodostavat merkittävän osan terveydenhuollon kustannuksista. Mutta National Center for Biotechnology Informationin (NCBI) tutkimuksen mukaan tekoäly voi säästää terveydenhuollon alalle jopa 150 miljardia dollaria vuodessa prosessien sujuvoittamisen kautta. Vastaavasti National Bureau Of Economic Research arvioi, että säästöt voivat olla jopa 200–360 miljardia dollaria terveydenhuollon kulutuksissa tekoälyn automaation kautta seuraavan neljän vuoden aikana. Nykyään tekoäly on tärkeässä roolissa Medicaidissa ja terveydenhuollossa, sillä se ennustaa tautiepidemioita ja demografisia muutoksia, mikä mahdollistaa ennakoivan resurssien jakamisen. Teknologia auttaa myös parantamaan prediktiivisen analytiikan, jotta voidaan ennustaa potilaiden tuloksia, mikä johtaa tehokkaampiin hoitokäytäntöihin ja parantuneeseen ennaltaehkäisevään hoitoon. Lisäksi tekoäly voi edistää henkilökohtaista lääketiedettä, sopeuttaa hoitoa yksittäisten potilaiden tarpeisiin paremmin.

Hyödyntämällä viimeaikaisia teknologisen kehitystä, useat tekoälylliset terveydenhuollon start-up-yritykset ovat edelläkävijöitä parantamassa tekoälyn omaksumista Medicaidissa, jotta voidaan nopeuttaa diagnosointia ja parantaa hoitotuloksia. Esimerkiksi Bostonissa toimiva Quantivly parantaa radiologian tehokkuutta tekoälypohjaisella alustallaan, jolla voidaan optimoida magneettikuvaus- ja tietokonekerroskuvauksien käyttöä. Tekoäly voi tunnistaa pullonkaulat kuvauksien työnkulkussa, mikä johtaa vähäisiin odottamisaikoihin, parantuneeseen skannerin läpi-virtaukseen ja sairaaloiden tulokseen.

“Terveydenhuoltojärjestelmät, erityisesti ne, jotka palvelevat Medicaid-väestöä, pyydetään tekemään enemmän vähemmällä. Ja heidän on tehtävä enemmän skannauksia kompensoidakseen todellisuuden, että marginaalit ovat alhaisemmat,” Robert MacDougall, Quantivlyn perustaja, kertoi minulle. “Toiminnallinen tekoäly lääketieteellisessä kuvantamisessa voi auttaa hallitsemalla läpi-virtausta ilman, että se aiheuttaa rasitusta henkilöstölle. Tekoäly voidaan käyttää alueilla, kuten aikataulutuksessa, jossa koordinointitehtävä on liian monimutkainen yhdelle henkilölle hallita manuaalisesti.”

MacDougallin mukaan useimmat aikataulutusjärjestelmät ohittavat kriittiset tekijät, jotka vaikuttavat skannauksen kestoon, kuten skannerin laitteiston, protokollan monimutkaisuuden, potilaiden liikkuvuuden ja sedaation tarpeisiin. Nämä muuttujat hallitseminen reaaliajassa on ihmisen kykyjen ulottumattomissa, mikä tekee tekoälystä välttämättömän työkalun aikataulutuksen ja tehokkuuden optimoimiseksi – ja auttaa sairaaloita taloudellisesti.

Vastaavasti tekoälyllinen lääkehoitoalusta Arine auttaa vähentämään reseptivirheitä optimoimalla lääkehoito-ohjelmia ja tunnistamalla tarpeettomat lääkkeet. “Tekoäly voi nopeasti yhdistää eri tietojoukkojen (potilaiden lääkehistoriat, SDOH-tiedot ja kliininen/ lääketieteellinen kirjallisuus) ja antaa henkilökohtaisia suosituksia kullekin potilaalle,” Yoona Kim, Arinen toimitusjohtaja ja perustaja, selitti.

Hän lisäsi, että jos potilaalle määrätään uusi lääke ilman, että otetaan huomioon sen mahdollinen haitallinen vaikutus olemassa oleviin sairauksiin, tekoäly voi tunnistaa ongelman reaaliajassa – estäen komplikaatiot ennen kuin ne johtavat päivystyskäyntiin. “Tekoäly voi automatisoida toistuvia tehtäviä (esim. dokumentaatio, yhteenveto), mutta kun on kyse potilashoidosta, meidän on pidettävä kliinikot hallinnassa,” Kim sanoi.

Koska tekoälyllä on potentiaalia parantaa terveydenhuollon tehokkuutta ja tuloksia, priorisoiuko lainsäätäjät sen omaksumista, vai varjostavatko budjettirajoitukset ja taloudelliset politiikat pääsyn terveydenhuoltopalveluihin? Tämä keskustelu on vielä nähtävillä.

“Toiminnallisen tekoälyn tavoitteena on laajentaa pääsyä parantamalla resurssien käyttöä. Jos voimme skannata enemmän potilaita samalla laitteistolla ilman, että aiheutamme rasitusta henkilöstölle, parannamme pääsyä – erityisesti alivaroitettujen alueiden osalta. Avain on tuottavuus, ei rajoitus,” MacDougall korosti.

Victor Dey on teknologiaeditori ja kirjailija, joka kattaa A.I.:n, crypto, data science, metaverse ja kyberTurvallisuuden yritysmaailmassa. Hänellä on puolen vuosikymmenen media- ja AI-kokemus tunnetuissa mediataloissa, kuten VentureBeat, Metaverse Post, Observer ja muissa. Victor on ohjannut opiskelijayrittäjiä kiihdytysohjelmissa johtavissa yliopistoissa, kuten Oxfordin yliopistossa ja Etelä-Kalifornian yliopistossa, ja hänellä on maisterin tutkinto data science ja analytiikasta.