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

Medicaid стал центральной точкой жаркой политической битвы, 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 низкодоходных американцев, включая пожилых людей и людей с ограниченными возможностями.

Чтобы обеспечить будущее Medicaid, искусственный интеллект (ИИ) появляется как потенциальное решение проблемы растущих затрат на здравоохранение. Сегодня ИИ-аналитика 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 чрезвычайно дороги. ИИ может выявлять пациентов, находящихся в группе риска чрезмерного использования службы скорой помощи или не соблюдения режима приема лекарств – области, которые истекают миллиардами из системы, но могут быть решены с помощью правильных инструментов».

Калифорнийский стартап ИИ 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 определить, кто нуждается в внимании больше всего, когда это наиболее важно.

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

Как ИИ снижает затраты на Medicaid и здравоохранение в целом

Административные неэффективности составляют значительную часть затрат на здравоохранение. Но, согласно исследованию Национального центра биотехнологической информации (NCBI), ИИ может сэкономить здравоохранительной отрасли до 150 миллиардов долларов в год за счет оптимизации этих процессов. Аналогично, Национальное бюро экономических исследований оценивает экономию в размере 200-360 миллиардов долларов на расходы 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 активное 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 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 повышает эффективность радиологии благодаря своей платформе на основе ИИ для оптимизации использования сканеров МРТ и КТ. ИИ может выявлять узкие места в потоке изображений, что приводит к сокращению времени ожидания пациентов, улучшению пропускной способности сканеров и доходов больниц.

«Системы здравоохранения, особенно те, которые обслуживают население Medicaid, просят сделать 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 в назначении лекарств, оптимизируя режимы приема лекарств и выявляя ненужные лекарства. «ИИ может быстро соединить точки между разнообразными наборами данных (историями лекарств пациентов, данными о социальных факторах здоровья 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 воздействия на существующие заболевания, ИИ может выявить проблему в реальном времени, предотвращая осложнения до того, как они приведут к посещению скорой помощи. «ИИ может автоматизировать повторяющиеся задачи (например, документацию, суммирование), но когда речь идет о уходе за пациентами, мы должны сохранять контроль над клиницистами», сказала Ким.

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

«Цель операционного ИИ – расширить доступ, улучшая использование ресурсов. Если мы можем сканировать больше пациентов на том же оборудовании без добавления нагрузки на персонал, мы улучшаем доступ – особенно в недостаточно обеспеченных районах. Ключом является производительность, а не ограничение», Макдугалл подчеркнул.