Фреймворк FLARE добавляет неопределенности и затрат на рабочий процесс при принятии решений о внедрении ИИ в сфере здравоохранения.

Что случилось

Исследователи предложили FLARE — систему, учитывающую неопределенности, для оценки финансовых и операционных последствий внедрения ИИ в здравоохранении. Эта структура сочетает в себе нечеткую логику, хронометражную калькуляцию затрат на основе деятельности и анализ рентабельности инвестиций. Они продемонстрировали это в ранней оценке медицинских технологий обнаружения окклюзии крупных сосудов с помощью ИИ на КТ-пути при остром ишемическом инсульте.

В документе, представленном arXiv 24 ​​августа, FLARE предлагается в качестве структурированного способа оценки того, следует ли внедрять систему искусственного интеллекта в рабочий процесс здравоохранения. Авторы формулируют проблему как более широкую, чем просто измерение того, дает ли модель точные прогнозы. Их заявленная цель — оценить финансовые и операционные последствия интеграции ИИ в оказание клинических услуг, включая неопределенность в отношении условий реализации.

FLARE сочетает в себе три аналитических компонента, указанных в источнике: нечеткую логику, калькуляцию затрат на основе времени и анализ рентабельности инвестиций. Вместе они предназначены для оценки обычных затрат на предоставление клинических услуг, затрат на разработку и текущих эксплуатационных расходов, связанных с ИИ, а также экономических последствий включения системы в существующий рабочий процесс. Источник представляет это как прозрачную структуру поддержки принятия решений для оценки на раннем этапе.

Авторы демонстрируют эту концепцию посредством ранней оценки медицинских технологий обнаружения окклюзии крупных сосудов с помощью ИИ на пути КТ-инсульта при остром ишемическом инсульте. В этом тематическом исследовании FLARE моделирует затраты на традиционные пути, затраты на разработку, связанные с искусственным интеллектом, и текущие затраты, а также экономию, связанную с предоставлением услуг с использованием искусственного интеллекта. Источник не указывает коммерческий продукт и не сообщает, что система использовалась при обычном уходе.

Согласно ожидаемым предположениям статьи, анализ определяет приблизительную точку безубыточности в 3992 пациента в год. В нем сообщается о положительной рентабельности инвестиций в первый год при типичном годовом объеме инсультов около 5000 пациентов. Авторы также сообщают, что экономический результат меняется в зависимости от количества пациентов, времени проверки, выбора инфраструктуры и структуры рабочего процесса, что делает пороговое значение оценкой тематического исследования, а не общим утверждением об искусственном интеллекте в здравоохранении.

Подробности об источнике: arxiv.org ↗

Почему это важно

В документе утверждается, что сама по себе точность модели не может определить, стоит ли использовать систему ИИ в клинических условиях. По оценкам его тематического исследования, рассматриваемый путь окупится примерно на уровне 3992 пациентов в год и обеспечит положительную окупаемость инвестиций в первый год при ежегодном объеме инсультов около 5000 пациентов в соответствии с ожидаемыми предположениями статьи.

Организации здравоохранения часто сталкиваются с расходами, которые не отражаются в точности модели, включая разработку, повторяющиеся операции, проверку персонала и изменения в клинических процедурах. Основной вклад FLARE заключается в том, чтобы включить эти факторы в тот же анализ, что и потенциальную экономию услуг. Это может помочь лицам, принимающим решения, задаться вопросом, является ли технически работоспособная система финансово и функционально работоспособной в конкретных условиях.

Результат статьи показывает, почему масштаб имеет значение. Системе может потребоваться минимальное количество случаев, прежде чем ее затраты будут возмещены. В опубликованном тематическом исследовании этот показатель составляет примерно 3992 пациента в год, в то время как в документе ежегодные объемы лечения около 5000 пациентов с инсультом связываются с положительным возвратом инвестиций в первый год при ожидаемых предположениях. Таким образом, больницы с меньшими объемами могут столкнуться с другим экономическим результатом, даже если лежащий в их основе ИИ будет работать аналогичным образом.

Структура также обращает внимание на детали рабочего процесса, которые могут изменить ценность. Например, время проверки влияет на то, сколько персонала потребляет процесс с помощью ИИ. Решения по инфраструктуре могут изменить эксплуатационные расходы, а дизайн клинического рабочего процесса может определить, приведет ли система к экономии или усложнит работу. Это практические соображения для администраторов и политиков, оценивающих внедрение, и они отличаются от прогнозирующей эффективности модели.

Источник поддерживает утверждение об анализе решений, а не об улучшении ухода за пациентами. Он не предоставляет доказательств того, что FLARE сам по себе улучшает диагностику, скорость лечения или результаты лечения пациентов, а также не устанавливает, что смоделированные экономические выгоды будут иметь место на практике. Данная статья представляет собой препринт arXiv, поэтому ее следует рассматривать как предлагаемую структуру и представленный практический пример, ожидающий дальнейшей проверки.

Что посмотреть дальше

Полезность концепции будет зависеть от того, насколько хорошо ее предположения отражают реальные клинические операции и затраты. Источник не сообщает о перспективном клиническом развертывании, улучшении результатов лечения пациентов, независимой проверке или доказательствах того, что предполагаемый порог применим за пределами тематического исследования. Будущие оценки должны протестировать FLARE с наблюдаемыми данными рабочего процесса и сравнить прогнозируемую экономию с реализованными затратами и выгодами.

Первый вопрос заключается в том, соответствуют ли оценки структуры наблюдаемым затратам в реальных клинических условиях. В источнике описывается ранняя оценка технологий здравоохранения и сообщается о результатах с учетом ожидаемых предположений, но не описываются перспективная реализация или сравнение прогнозируемых и реализованных затрат. Оценки с использованием фактического кадрового обеспечения, инфраструктуры, данных проверки и количества пациентов покажут, насколько надежна оценка безубыточности.

Сообщенный порог не следует автоматически распространять на другие больницы, пути развития инсульта или системы искусственного интеллекта. Количество пациентов является одной из переменных, определяемых в документе, и экономика также может варьироваться в зависимости от местных затрат на рабочую силу, существующей инфраструктуры визуализации, условий закупок и количества требуемого человеческого контроля. Источник не предоставляет достаточно информации, чтобы определить, как приблизительный порог в 3992 пациента будет меняться в зависимости от настроек.

Клиническая ценность остается отдельным вопросом от финансовой жизнеспособности. В документе основное внимание уделяется экономическим и оперативным последствиям, в то время как источник не сообщает о результатах лечения пациентов, частоте диагностических ошибок, решениях о лечении или результатах времени оказания медицинской помощи в результате развертывания. В модели система может выглядеть экономически привлекательной, но при этом требовать дополнительных доказательств безопасности, эффективности и соответствующей роли врачей.

Будущая работа должна изучить, может ли FLARE поддерживать решения в нескольких случаях использования и учитывает ли ее обработка неопределенности риски, которые наиболее важны при клиническом внедрении. Источник сообщает, что структура предназначена для того, чтобы помочь врачам, администраторам и политикам принимать решения о внедрении, но в ней не сообщается о независимом воспроизведении, внешней проверке или более широком наборе проверок. Они остаются значимыми неизвестными.

Сопутствующие руководства и викторины