米国が医療に多くを費やしていることは秘密ではない 18％ カナダ、英国、ドイツ、オーストラリアなど他の高所得国の支出額の約2倍に相当する。
しかし、より多くの支出が必ずしも良い結果をもたらすとは限りません。 実際、調査によれば、米国よりも少ない国しか費やしていない国々の多くは、 より良い成果 市民の全体的な健康状態に影響します。 新しい 報告する アメリカ医療協会（JAMA）のジャーナルで発表されているように、米国の医療費支出の半分以下は行政レベルの医療サービスの計画、規制、管理に使用されています。
そして業界の専門家は、この 人工知能の助け 。 「最近の数多くの研究では、[米国の]ヘルスケアの管理コストは他の国よりも上昇し続けていると言われています パメラヘップ Buchanan、Ingersoll＆Rooneyのデータセキュリティ、ヘルスケア規制、デジタル健康記録の専門家です。 「ケア提供の効率を改善する余地は常にあります.AIにはその点でいくつかの約束があります。」
人工知能はすでに医学分野で大きな進歩を遂げており、X線画像の処理やがんの検出、医師による診断や治療などの業務を支援しています。 「私は、医師、医師のエクステンダー、または他のヘルスケアの専門家をいつでもすぐに置き換えるAIが見えるとは確信していません」とHeppは言います。 自動化を取り巻く一般的な恐れ 。 しかし、AIは管理コストを削減し、規模の経済につながるのに役立つかもしれません。
人口健康管理
AIが費用を削減するのに役立つと考えている領域の中には、人口の健康管理があります。これは、一般の人や個人のグループ全体でケアの配慮を研究し、容易にするヘルスケア業界の規律です。 HIPPA（Health Insurance Portability and Protection Act）やHITECH法などの規制は、医療業界のデジタル化を促進し、電子健康記録（HER）の開発と採用を促した。 しかし、医療データ組織の集まりや企業の集団にある実際の価値は、まだ分かりません。
“人口の健康は目的地ではない。 一度達成された目標はすぐに新しいものに置き換えられます Prashanth Kini 、マシンインテリジェンスソフトウェア会社のヘルスケア製品管理担当副社長 アヤスディ 。
人口の健康管理の複雑でダイナミックな性質は、機械学習を扱うのに特に便利です.AIの専門分野である 隠されたパターンと予測傾向を明らかにする 短期間で大規模かつ異種のデータソースで発生する可能性があります。
現在の人口健康管理ツールは、ヘルスケアデータセットを照会するアナリストに依存しています。 しかし、臨床家が適切な質問をしなかったため、「パターンや傾向は数え切れません。
AIは、データを分析し、人間の関与を最小限に抑えながら一般的なパターンや異常を発見する機械学習のサブセットである「教師なし学習」を通じて、このギャップを埋めることができます。 教師なし学習によって強化されたAIアルゴリズムは、健康記録、財務データ、患者生成データ、IoTデバイス、および他の関連するソースからのデータを取り込み、固有の特性の組み合わせを共有する患者のグループを自動的に発見することができる。
人口の健康データから収集されたパターンは、保健機関が予防的および予測的ケアに携わるのを助けることができ、後の段階で発見されたときに高価で複雑な疾病の管理と治療に大きな節約をもたらす可能性がある。
根拠に基づいた医療
「[AI]は、特定の疾患の治療に一般的に使用できる、エビデンスに基づく医療と治療プロトコルの特定や開発に使用されるかもしれません。
エビデンスに基づく医療は、集団の臨床研究から得られた観察に基づいて治療決定を行うプラクティスです。 エビデンスベースの医学は新しいものではありませんが、人間の処理能力の速度は以前はその適用を制限していました。 今日、AIアルゴリズムは、何百万というデータポイントを分析し、関連するパターンや行動コースをすばやく見つけることによって、こうした取り組みを強化するのに役立っています。
このアプローチは、がんなどの病気を診断し治療する際に、コストと患者の健康を大きく変えることができます。 「専門家の合意アルゴリズムを使用して、腫瘍学者が医療記録（すなわち、患者の年齢、遺伝学、癌病期および関連する医療問題）に入るデータとともに、コンピュータは数十、場合によっては数百の確立された 患者のための化学療法薬の最も適切な組み合わせを推奨しています」とスタンフォード大学教授Robert Pearl博士は次のように述べています。 フォーブス 。
一例として、PearlはPermanente Medical Groupの研究者が行った研究 研究部門 65,000人の入院患者から収集されたAIアルゴリズムとデータを使用して、明日の入院患者のうち最も入院している患者を特定できる予測モデルを作成しました。 このアプローチは、入院の繰り返しとリスクのある患者の早期離職のコストを削減するだけでなく、毎年多くの命を救うことにも役立ちます。
医薬品の研究と発見
AIが費用を削減するのに役立つとHeppが考える別の分野は、新薬とワクチンの開発です。 新薬の発見は 時間とコストがかかる 病気の効果を遅らせる、停止させる、または逆行させることができる実行可能な解決策を見つけるための実験を行う何千人もの研究者が関わっている。 このプロセスには最大12年かかり、10億ドル以上のコストがかかります。
AIは、分析と研究の努力を強化することで支出を削減し、医薬品開発プロセスをスピードアップするのに役立ちます。 一例は、 ファイザーとIBMワトソン 薬物研究プロセスにAIを適用する IBMはAIプラットフォームの膨大な計算能力と認知能力を駆使して、3,000万人を超える研究室やデータ・レポートや医学文献を含む膨大な量の異種データソースからの仮説を迅速に分析し、テストします。
例えば、研究者はWatsonの 自然言語処理 （NLP）機能を使用して、何千もの医学論文やレポートの内容を非常に高速で分析し、自分の仕事に関連する事実を発見します。
ハードルは残っている
AIはヘルスケアサービスの管理を最適化し、さまざまなレベルで作業することについて大きな期待を示していますが、依然として課題を克服する必要があります。 「展開AIにはコストがかかります」とHepp氏は言います。 「テクノロジーは引き続き行政コストに影響を及ぼす要因の1つです。 さらに、採用を遅らせる可能性のある規制上のハードルがなく、全体的なコスト削減にも影響しません」
例えば、新技術の導入にはFDAの承認が必要な場合があります。 さらに、患者データの収集および処理は、HIPPAおよび他のデジタルプライバシー関連規制に準拠していなければならない。
AIはまた、文化的なハードルを克服する必要があります。 「残念ながら、医学における人工知能の最大の障壁は、数学ではありません」とDr. Pearlは言います。 「むしろ、エビデンスベースのソリューションよりも医師の直感を重視する医療文化です。 医師は自立して何をすべきかを嫌う。 彼らが練習するときに肩を見ているマシンの考えに慣れさせることは、今後数年で非常に困難になるだろう」
Ben Dicksonはソフトウェアエンジニアであり、 TechTalks 技術の問題の解決方法を探るブログ。