Эффект сокращения Medicaid: может ли ИИ предотвратить надвигающийся кризис в здравоохранении?

Medicaid стала центральной точкой ожесточенной политической борьбы, поскольку республиканские законодатели выступают за глубокие сокращения, чтобы помочь финансировать снижение налогов. Президент Дональд Трамп и лидеры GOP стремятся сократить расходы на Medicaid на 880 миллиардов долларов в течение следующего десятилетия, сокращая примерно 10% бюджета программы. Однако последствия могут быть тяжелыми, поскольку Medicaid обеспечивает медицинское страхование для примерно 83 миллионов американцев с низкими доходами, включая пожилых людей и людей с ограниченными возможностями.

Чтобы обеспечить будущее Medicaid, искусственный интеллект (ИИ) возникает как потенциальное решение проблемы растущих затрат на здравоохранение. Сегодня аналитика, основанная на ИИ, позволяет поставщикам медицинских услуг выявлять пациентов с высоким риском до того, как они потребуют экстренной помощи.

«С учетом бюджетных ограничений Medicaid, ИИ может сократить затраты без ущерба для качества», Грейс Чанг, генеральный директор и основатель, Kintsugi, рассказала мне. «Операционные неэффективности, такие как пропущенные диагнозы или плохой контроль за пациентами, часто невидимы, но невероятно дороги. ИИ может выявить пациентов, находящихся в группе риска чрезмерного использования отделений неотложной помощи или невыполнения назначений по приему лекарств – области, которые истекают миллиардами из системы, но могут быть решены с помощью правильных инструментов».

Калифорнийский стартап в области здравоохранения Kintsugi использует биомаркеры голоса для автоматизации раннего скрининга для пациентов с депрессией и тревогой, помогая сократить время оценки клиницистов. Чанг утверждает, что большинство систем здравоохранения уже недоукомплектованы, и ИИ может помочь расставить приоритеты для тех, кто нуждается в внимании больше всего, когда это имеет значение.

По словам основателя, реальный риск неиспользования ИИ для решения самых сложных проблем здравоохранения заключается в «том, что мы не будем использовать его для устранения критических пробелов в уходе».

Как ИИ сокращает затраты на Medicaid и здравоохранение в целом

Административные неэффективности составляют значительную часть затрат на здравоохранение. Однако исследование Национального центра биотехнологической информации (NCBI) оценивает, что ИИ может сэкономить отрасли здравоохранения до 150 миллиардов долларов в год за счет оптимизации этих процессов. Аналогично, Национальное бюро экономических исследований оценивает экономию в размере до 200–360 миллиардов долларов в расходах на здравоохранение за счет автоматизации ИИ в течение следующих четырех лет. Сегодня ИИ играет важную роль в Medicaid и здравоохранении, прогнозируя вспышки заболеваний и демографические сдвиги, что позволяет осуществлять проактивное распределение ресурсов. Эта технология также помогает улучшить прогностическую аналитику для предсказания результатов лечения пациентов, что приводит к более эффективным стратегиям лечения и улучшению профилактической помощи. Кроме того, ИИ может продвинуть персонализированную медицину, адаптируя методы лечения к отдельным пациентам для достижения лучших результатов.

Используя недавние технологические инновации, несколько стартапов в области здравоохранения, работающих на основе ИИ, находятся на переднем крае улучшения принятия ИИ в Medicaid для ускорения диагностики и улучшения результатов лечения. Например, бостонский Quantivly улучшает эффективность радиологии благодаря своей платформе на основе ИИ для оптимизации использования МРТ и КТ-сканеров. ИИ может выявить узкие места в потоках изображений, что приводит к сокращению времени ожидания пациентов, улучшению пропускной способности сканеров и доходов больниц.

«Системы здравоохранения, особенно те, которые обслуживают население Medicaid, просят делать больше с меньшими ресурсами. И им нужно делать больше сканов, чтобы компенсировать реальность более низких марж», Роберт Макдугалл, сооснователь Quantivly, рассказал мне. «Операционный ИИ в медицинской визуализации может помочь в управлении пропускной способностью без создания нагрузки на персонал. ИИ может быть развернут в таких областях, как планирование, где задача координации слишком сложна для ручного управления».

По словам Макдугалла, большинство систем планирования не учитывают критические факторы, которые влияют на продолжительность сканирования, такие как аппаратное обеспечение сканера, сложность протокола, подвижность пациента и потребность в седации. Управление этими переменными в реальном времени выходит за пределы человеческих возможностей, что делает ИИ необходимым инструментом для оптимизации планирования и эффективности – и помощи в доходах больниц.

Аналогично, платформа управления лекарствами на основе ИИ Arine помогает сократить ошибки при назначении лекарств, оптимизируя режимы приема лекарств и выявляя ненужные лекарства. «ИИ может быстро соединить точки между разнообразными наборами данных (историями лекарств пациентов, данными СDOH и клинической/медицинской литературой), чтобы сделать персонализированные рекомендации для каждого пациента», Йоона Ким, генеральный директор и основатель Arine, объяснила.

Она добавила, что если пациенту назначено новое лекарство без учета его потенциального негативного влияния на существующие заболевания, ИИ может выявить проблему в реальном времени – предотвращая осложнения до того, как они приведут к посещению отделения неотложной помощи. «ИИ может автоматизировать повторяющиеся задачи (например, документацию, суммирование), но когда речь идет о уходе за пациентами, нам нужно сохранить контроль клиницистов», сказала Ким.

Учитывая потенциал ИИ для улучшения эффективности и результатов здравоохранения, будут ли законодатели уделять приоритетное внимание его принятию, или же ограничения бюджета и фискальная политика затмят доступ? Как это обсуждение развернется, остается быть увиденным.

«Цель операционного ИИ заключается в расширении доступа путем улучшения использования ресурсов. Если мы можем сканировать больше пациентов на том же оборудовании без добавления нагрузки на персонал, мы улучшаем доступ – особенно в недоукомплектованных районах. Ключом является производительность, а не ограничение», Макдугалл подчеркнул.