HCO が AI に対するポートフォリオ管理アプローチを必要とする理由

AI は、テクノロジーの長いリストを包含する短い頭字語です。

医療機関が人工知能を評価して導入する際、人工知能に正確に何が含まれるかについて多くの混乱が生じています。 ChatGPT や生成 AI などの大規模言語モデルに関する注目は、他のタイプの AI に影を落としています。医療機関の中には、おそらく人工知能を使用していることに気付かずに、何年も使用してきたものもあります。

医療分野における AI 支出の急増を考慮すると、医療システムがさまざまな AI テクノロジーとその使用方法、そしてどの AI テクノロジーが最高の価値と投資収益率 (ROI) を提供するかを理解することが重要です。システムはすでに AI ソフトウェアに巨額の投資を行っています。 Gartner によると、ヘルスケアとライフ サイエンスにおける AI 支出は、2024 年の 116 億ドルから 2027 年までに 190 億ドルに増加し、5 年間の CAGR は 16.6% になると予測されています。それは、見返りに何が得られるのかを正確に知らずに使うにはあまりにも多すぎるお金です。

AI は、補完的なテクノロジーと機能のポートフォリオとして最もよく理解されており、その一部は単に手動で繰り返し行われる管理タスクを自動化するだけでなく、詳細な分析、予測、および結果と価値を最適化するための一連の行動を提供するものもあります。 AI に分類できるさまざまなテクノロジーのガイドは次のとおりです。

• 機械学習 – これは AI ポートフォリオの中で最も成熟したテクノロジーであり、ほとんどのシステムが使い慣れているテクノロジーです。データとアルゴリズムを使用して、AI が人間の学習方法を模倣できるようにし、徐々に精度を向上させます。一般に、機械学習アルゴリズムは、データ内のパターンに基づいて予測または分類を行うために使用されます。これは、リスクに基づいて患者を層別化し、ケアのギャップを特定し、特に高リスクの患者に対する患者の転帰を改善するために個別化された医療を提供するなどの目的で一般的に使用されます。また、医療画像の自動スキャンにも使用され、放射線科医が急性事象が発生するかなり前に介入のために脳卒中や心臓発作のリスクがある患者を積極的に特定するのに役立ちます。
• ディープラーニング – これは機械学習のサブセットであり、人間の推論に近いものです。ディープ ニューラル ネットワークと呼ばれる多層ニューラル ネットワークを使用して、人間の意思決定をシミュレートします。効果を発揮するには構造化されラベル付けされた入力データが必要な機械学習モデルとは異なり、深層学習モデルは生の非構造化データから正確な出力を作成できます。医療におけるこれの最も一般的な用途の 1 つは、画像分析です。
• 自然言語処理 (NLP) と自然言語生成 (NLG) – これは機械学習を使用して、コンピューターが人間の言語を理解して通信できるようにします。計算言語学と統計モデリング、機械学習、深層学習を組み合わせることで、コンピューターやデジタル デバイスがテキストや音声を認識、理解、生成できるようになります。医療分野では、医療記録を平易な英語に翻訳し、医療記録を分析し、ベッドサイド/ポイントオブケア (POC) で医師や看護師が患者のカルテの概要を提示して、情報を改善するためにコンピュータ支援コーディングに使用されます。生産性。
• 生成 AI/大規模言語モデル (LLM) – NLP と同様に、この AI はユーザーのクエリに応じて、テキスト、画像、ビデオ、オーディオ、ソフトウェア コードなどのオリジナル コンテンツを作成できます。予約をスケジュールするためのオンライン チャットボットの強化、さまざまな情報源からの患者の感情の分析などのタスクを実行できます。 Gen AI/LLM の最も説得力のある使用例の 1 つは、HIMSS 24 で多くの証拠が示されていますが、アプリケーションを実行している携帯電話を介して看護師と臨床医のメモをシームレスにキャプチャし、それをテキストに変換しながら、関連性のないコンテンツを編集するという機能です。これらのメモを Epic の電子医療記録 (EHR) に自動的に入力する前に、最終編集を行うことができます。

必ずしも AI だと考えられているわけではありませんが、実際には AI であるテクノロジーは他にもあります。これには、医療ロボット工学とその下位分野が含まれます。

• ロボットプロセスオートメーション (RPA) – ソフトウェア ロボティクスとも呼ばれるこれは、インテリジェントな自動化テクノロジを採用して、データの抽出、フォームの記入、ファイルの移動などの反復的なタスクを実行し、人間が他の作業に専念できるようにします。また、コールセンターの業務を改善し、複数のチャネルにわたる顧客と患者のセルフサービスを可能にするためにも使用できます。
• マシンビジョン – これにより、医療機器は実行中のタスクを「確認」し、その入力に基づいてリアルタイムの意思決定を行うことができます。怪我の特定や医療画像の解釈から、投薬管理や診断に至るまで、あらゆることに役立ちます。この分野の進歩により、仮想現実 (VR) と拡張現実 (AR) への道が開かれており、どちらもロボット支援手術に大きな可能性を秘めています。この分野には、私たちが一般に医療ロボットと考えているものも含まれます。これは、薬を投与したり、手術やリハビリテーションを支援したり、患者を監視したり、さらにその恩恵を受ける人々の伴侶として機能する半自律型の機械です。
• ロボット支援手術 – 現在、手術に配備されている医療ロボットには、手術を記録する 3D カメラが搭載されています。ビデオはどこかのコンピューター画面にストリーミングされ、外科医がダ ヴィンチ手術システムなどの手術用ロボット アームを使用して手術を行うのを支援します。これにより、低侵襲手術と迅速な患者の回復が可能になり、入院期間 (LOS) を短縮しながら、優れた患者転帰。

AI ポートフォリオの構築

このような差し迫ったニーズと有望なテクノロジーに直面しているとき、医療機関はどの AI に投資すべきかをどのように判断すればよいのでしょうか?

単一の答えはありません。それは、各組織のリソース、ニーズ、優先事項に応じて個別に決定されます。 1 つの AI テクノロジーですべてに対応し、すべての問題を解決できるわけではないため、システムは最大の価値と ROI を約束するテクノロジーを優先する必要があります。

テクノロジーのコスト、導入の容易さ、それを使用するプロバイダーや支払者からの潜在的な抵抗、既存のワークフローの中断、既存のシステムとの互換性、潜在的な節約など、組織が考慮すべき要素は数多くあります。 。組織は、AI テクノロジーを構築するか購入するかを検討する必要もあります。構築すると運用の透明性が高まりますが、システムにはないリソースや専門知識が必要になる場合があります。

最も有用で影響力のある AI テクノロジーのポートフォリオを慎重に構築することが、組織がこの驚くべきイノベーションから最大限の利益を確実に得る最善の方法です。

AI データの忠実性と準備のためのアイデンティティ データ管理 (IDM)

もちろん、AI または分析データ プログラムの成功にとって重要なのは、アイデンティティ データ管理 (IDM) をはじめ、使用される患者/会員/消費者のアイデンティティ データの質です。欠陥のあるデータや欠落したデータ、または重複したデータは AI のパフォーマンスを妨げ、組織が望ましい ROI を達成し、AI イニシアチブから価値を提供することが困難になる可能性があります。組織が AI 投資に有意義な影響を与えるためには、高品質の IDM プロセスとリソースが必要です。

IDM 能力に自信がない組織は、AI テクノロジーからの利益を最大化するために、業務を評価、ベンチマーク、強化できる専門家と提携する必要があります。

写真: Warchi、ゲッティイメージズ

この投稿は、 メッドシティのインフルエンサー プログラム。誰でも、MedCity インフルエンサーを通じて MedCity News でヘルスケアにおけるビジネスとイノベーションに関する視点を公開できます。 方法を確認するにはここをクリックしてください。