Размеры искусственного интеллекта в сфере здравоохранения – Блог о здравоохранении

СТИВЕН ЗЕКОЛА

19 декабря Министерство здравоохранения и социальных служб («HHS») опубликовало запрос на информацию, стремясь использовать искусственный интеллект («ИИ») для снижения затрат на здравоохранение и снова сделать Америку здоровой.

Как описано здесь, ИИ можно использовать во многих сферах, чтобы помочь снизить затраты на здравоохранение и улучшить качество медицинской помощи. Однако для достижения значительных прорывов в области ИИ HHS необходимо полностью пересмотреть нормативный подход к открытию и разработке лекарств.

Измерение №1. Использование ИИ в разработке лекарств

Наибольшую выгоду для эффективности работы отрасли здравоохранения от искусственного интеллекта можно получить благодаря открытию лекарств. С учетом издержек неудач среднее одобрение лекарства FDA обходится обществу почти в 3 миллиарда долларов, а для его выхода на рынок с момента его появления в лаборатории требуются десятилетия.

Напротив, ИИ определяет потенциальные методы лечения гораздо быстрее, чем традиционные методы, обрабатывая огромные объемы биологических данных, раскрывая скрытые причинно-следственные связи и генерируя новые практические идеи.

ИИ особенно перспективен для лечения сложных, многофакторных заболеваний, таких как нейродегенеративные заболевания, расстройства аутистического спектра и множественные хронические заболевания, где традиционные редукционистские подходы не дали результата.

В краткосрочной перспективе HHS должно направить свои гранты на фундаментальные исследования, проводимые с помощью ИИ, уделяя особое внимание трудноизлечимым заболеваниям. В то же время FDA должно внедрить новую систему одобрения программ, инициированных искусственным интеллектом, чтобы обеспечить прорывные методы лечения в сжатые сроки.

Размер №2. Включение ИИ в процесс разработки лекарств

Если просто полагаться на искусственный интеллект при открытии лекарств, одновременно подвергая его достижения текущему процессу утверждения, это подорвет использование этой технологии.

Скорее, улучшения от ИИ уже могут быть достигнуты при выполнении исчерпывающих требований нормативной документации, которые сегодня составляют до 30% стоимости соответствия.

В краткосрочной перспективе ИИ может улучшить разработку лекарств за счет:

• Автоматизация и валидация нормативной документации
• Улучшение дизайна исследования и стратификация участников
• Мониторинг безопасности и эффективности практически в режиме реального времени.
• Сокращение административных расходов и затрат на соблюдение требований

Например, в Великобритании Агентство по регулированию лекарственных средств и товаров медицинского назначения сообщило, что время утверждения клинических испытаний сократилось в два раза благодаря искусственному интеллекту и связанным с ним реформам.

Чтобы добиться гораздо больших долгосрочных результатов, HHS следует свести всю клиническую работу с использованием ИИ в одно продолжительное исследование, а не в отдельные исследования фазы I, II и III, учитывая, что ИИ можно использовать для постоянного обновления и проверки документации. Это изменение не потребует внесения изменений в законодательство или установления правил агентством, поскольку дизайн клинических исследований не закреплен в правилах FDA.

По мере добавления участников в исследование результаты безопасности можно проверять и сообщать в режиме реального времени. Как только исследование превысит определенное число участников, например 1000, с доказанной эффективностью и соответствием указанным протоколам безопасности, оно будет одобрено к развертыванию. Роль правительства при таком подходе будет заключаться в качестве аудитора для проверки результатов исследования. Эта функция будет включать экспериментальную проверку, механистическое понимание и этический надзор.

Благодаря этим изменениям персонал FDA перейдет от эпизодических привратников к постоянным аудиторам, что потребует фундаментальных изменений в организационной культуре. Хотя вопросы безопасности останутся важными, ответственность и подотчетность будут более равномерно распределяться между заявителями и участниками испытаний. Кроме того, длительные страдания существующих пациентов будут учитываться при анализе общественного благосостояния при рассмотрении предварительных результатов по безопасности.

Измерение №3. Улучшите сбор данных для расширения возможностей искусственного интеллекта

Полные и точные данные необходимы для успеха ИИ. И это еще одна область, в которой индустрия здравоохранения потерпела неудачу.

Индустрия развивалась, и каждый поставщик или группа поставщиков поощряли своих пациентов регистрироваться на портале для клиентов. Поставщики обычно рассматривают информацию на этих порталах как свою собственную в целях исследования. Однако поставщики не владеют данными. Каждый пациент владеет своими данными.

Чтобы расширить объем и применимость медицинских данных, HHS следует установить национальные стандарты сбора данных о пациентах, которые:

• Используйте совместимые форматы
• Фиксируйте как результаты диагностики, так и соответствующие объясняющие переменные.
• Сохранение права собственности пациента и информированного согласия
• Включите продольное отслеживание, защитив при этом конфиденциальность и безопасность.

Как только этот формат будет установлен, HHS должно поставить цель привлечь 100 000 участников в течение двух лет.

Дизмерение №4. Использование ИИ для установления стандартов медицинского обслуживания и ценовых потолков

В Соединенных Штатах нет национальных стандартов лечения болезней или других нарушений здоровья. Пациенты часто не понимают природу своего недуга, варианты его лечения или стоимость различных вариантов его лечения.

Параллельно HHS может финансировать фундаментальные исследования, направленные на конкретное заболевание, FDA может (или не может) одобрить их, Medicare может (или не может) покрыть их, а некоторые страховые компании могут покрыть лечение, а некоторые — нет.

Более того, стоимость различных видов лечения может сильно различаться в разных учреждениях без ведома пациента.

На фоне этой дисфункции рынка у практикующих врачей есть желание (и экономический стимул) предоставлять своим пациентам наилучшие (и, вероятно, самые дорогие) услуги.

Короче говоря, налицо провал рынка, связанный, прежде всего, с отсутствием действенной информации.

В краткосрочной перспективе ИИ может помочь устранить эти недостатки, агрегируя и анализируя способы оказания медицинской помощи по всей стране, а также выявляя закономерности, связанные с лучшими результатами и меньшими затратами. Эти идеи могут быть использованы для обоснования минимальных стандартов медицинской помощи, основанных на фактических данных, и повышения прозрачности цен и эффективности.

В долгосрочной перспективе результаты этих систем можно было бы использовать для установления минимального стандарта лечения всех (или большинства) заболеваний. Эти стандарты будут в обязательном порядке покрываться страховкой. Одновременно результаты этих стандартов медицинской помощи могут быть дополнены региональными потолками цен на различные практики, основанными на комплексном отраслевом анализе.

По мере накопления опыта работы с этими информационными системами искусственного интеллекта будущая версия может быть запрограммирована на автоматический расчет предписанных минимальных стандартов медицинской помощи и ценовых потолков, чтобы имитировать функционирование кривых спроса и предложения. Алгоритм может быть построен с использованием заданного уровня субсидий, предоставляемых федеральным правительством, в качестве равновесия. Поскольку федеральная субсидия превышает определенные заранее установленные пределы, ИИ будет использоваться для устранения дисбаланса, предоставляя законодателям различные варианты, которые снизят потолок цен для определенных условий и/или снизят минимальный стандарт медицинского обслуживания.

В сценариях, когда предусмотренная федеральная субсидия будет превышена, некоторым категориям пациентов будет отказано в получении оплаты за лучшее доступное лечение (если у них нет дополнительной страховки) и/или некоторые поставщики медицинских услуг пострадают от уменьшения прибыли.

Такой подход потребует одобрения Конгресса, но такие компромиссы происходят сейчас – без осознанного выбора. В этом измерении ИИ может быть использован для решения проблемы массового информационного сбоя в отрасли и борьбы с постоянно растущими субсидиями.

Размер №5. Включение ИИ во внутренние процессы HHS

ИИ также может повысить эффективность и результативность внутренних операций HHS. Хотя потенциальный процентный прирост будет меньше, чем в области открытий и разработок, даже скромные улучшения могут привести к значительной экономии, учитывая масштабы федеральных расходов на здравоохранение.

Заключение

ИИ предлагает возможность значительного улучшения результатов и эффективности здравоохранения, но только в том случае, если он интегрирован в систему регулирования и управления, разработанную с учетом его возможностей. Внедрение ИИ в существующие структуры ослабит его воздействие и увеличит риск внедрения.

Для каждого аспекта, описанного выше, требуется отдельная специализированная многопрофильная группа, подотчетная Канцелярии заместителя секретаря. После того, как стратегическое направление для каждого измерения будет определено, перед этими командами должна быть поставлена задача:

• Разработка детальных планов реализации, включая бюджетные требования.
• Выявление любых законодательных или нормативных барьеров
• Установление сроков, этапов и критериев оценки
• Учет вопросов этики и справедливости

Открытие и разработка лекарств представляют собой наиболее важные аспекты внедрения ИИ. HHS следует использовать внешний опыт при разработке деталей соответствующей нормативной базы для этих аспектов.

Подробные планы по внедрению ИИ должны быть одобрены и окончательно доработаны до конца 2026 года. Как описано в настоящем документе, HHS должно играть активную и дальновидную роль в использовании ИИ для сокращения расходов на здравоохранение и улучшения качества медицинской помощи.

Стив Зекола продал свои веб-приложения и хостинговый бизнес, когда двадцать три года назад ему поставили диагноз болезнь Паркинсона. С тех пор он вел консалтинговую практику, преподавал в аспирантуре бизнес-школы и активно тренировался.