(©Envato)
Powszechne przyjęcie sztucznej inteligencji w ciągu najbliższych pięciu lat przy użyciu obecnie dostępnej technologii może przynieść oszczędności w wysokości 5-10 proc. wydatków na opiekę zdrowotną w USA, czyli od 200 do 360 miliardów dolarów rocznie. Rozproszenie danych dotyczących opieki zdrowotnej i obawy związane z prywatnością stanowią pewne bariery dla jej wdrożenia, ale jeśli zostaną przezwyciężone, sztuczna inteligencja może poprawić wydajność pracy, obniżyć wydatki na opiekę zdrowotną i poprawić jej jakość.
Niedawne premiery agentów generatywnej sztucznej inteligencji (AI), takich jak ChatGPT, pokazują, jak technologie AI wkraczają do głównego nurtu. W opiece zdrowotnej lekarze badają, jak wykorzystać te chatboty do sporządzania notatek i konsultacji medycznych. Na przykład jedno z badań sugeruje, że ChatGPT może współpracować z elektroniczną dokumentacją medyczną w celu dokumentowania wizyt pacjentów, wyszukiwania możliwych przyczyn zespołu objawów, sporządzania notatek klinicznych po wizycie i wydawania skierowań (Lee i in. 2023). Jest to jedno z obiecujących zastosowań sztucznej inteligencji, a istnieje wiele innych.
Podstawowa definicja określa sztuczną inteligencję jako maszynę lub platformę obliczeniową zdolną do podejmowania inteligentnych decyzji. O ile generatywna sztuczna inteligencja, która zasila ChatGPT, jest obiecująca, istnieje wiele tradycyjnych aplikacji AI, które mogą już teraz zmienić opiekę zdrowotną. Z naszego doświadczenia wynika, że istotne są szczególnie dwa rodzaje sztucznej inteligencji.
Jednym z nich jest uczenie maszynowe, obejmujące techniki obliczeniowe, które uczą się na przykładach, a nie działają w oparciu o wcześniej zdefiniowane reguły. Przykładem może być zaprogramowanie komputera do wykrywania nowotworów na podstawie obrazu MRI.
Drugim rodzajem jest przetwarzanie języka naturalnego, czyli zdolność komputera do rozumienia ludzkiego języka i przekształcania nieuporządkowanego tekstu w usystematyzowane dane nadające się do odczytu maszynowego. Przełożenie interakcji między lekarzem i pacjentem na notatkę jest przykładem przetwarzania języka naturalnego w praktyce.
Połączenie uczenia maszynowego i przetwarzania języka naturalnego może pomóc w niezliczonych zadaniach związanych z opieką zdrowotną, od potrzeb zaplecza, takich jak fakturowanie i skierowania, po zadania diagnostyczne, takie jak tworzenie listy możliwych działań terapeutycznych.
Do tej pory zastosowanie sztucznej inteligencji w opiece zdrowotnej było opóźnione w porównaniu z innymi branżami (Cam i in. 2019). Innowacje zazwyczaj przebiegają zgodnie z krzywą S: powolna dyfuzja, kiedy technologia jest pilotowana, następnie szybkie skalowanie i przyjęcie, a na końcu osiągnięcie dojrzałości. Niektóre branże osiągnęły już dojrzały etap krzywej S w zakresie sztucznej inteligencji, na przykład firmy świadczące usługi finansowe wdrożyły zaawansowane algorytmy sztucznej inteligencji do wykrywania oszustw, oceny zdolności kredytowej i pozyskiwania klientów. Opieka zdrowotna nie osiągnęła jeszcze tego etapu (Bughin 2017).
W najnowszej pracy (Sahni i in. 2023) zadaliśmy dwa pytania: czy powszechne zastosowanie sztucznej inteligencji w opiece zdrowotnej może przynieść oszczędności i dlaczego sztuczna inteligencja jest nadal tak rzadko wykorzystywana w opiece zdrowotnej?
Potencjalne wykorzystanie sztucznej inteligencji w celu wprowadzania oszczędności w opiece zdrowotnej
Naszym zdaniem powszechne przyjęcie sztucznej inteligencji w ciągu najbliższych pięciu lat przy użyciu dostępnej obecnie technologii może przynieść oszczędności w wysokości od 5 proc. do 10 proc. wydatków na opiekę zdrowotną w USA, czyli od 200 do 360 miliardów dolarów rocznie. Oszczędności te nie wpłynęłyby negatywnie na jakość lub dostęp do usług zdrowotnych, a nawet mogłyby poprawić jakość w miarę zdobywania coraz lepszych doświadczeń związanych z opieką zdrowotną. Połączenie czynników finansowych i niefinansowych określamy mianem „łącznej wartości misji”. Sztuczna inteligencja może znacząco zwiększyć łączną wartość misji w opiece zdrowotnej.
Jak może do tego dojść? Rozważmy kilka przykładów. Odnośnie do szpitali przypadki zastosowania sztucznej inteligencji pojawiają się w dziewięciu domenach: ciągłość opieki, wiedza o sieci i rynku, działalność kliniczna, analityka kliniczna, jakość i bezpieczeństwo, opieka oparta na wartościach, refundacja, funkcje korporacyjne i zaangażowanie konsumentów. Przyjrzyjmy się domenie działalności klinicznej. W tym przypadku szpitale prowadzą już badania pilotażowe dotyczące takich zastosowań, jak poprawa przepustowości sal operacyjnych, zwolnienie czasu personelu klinicznego i optymalizacja łańcucha dostaw. Szpitale mogą opracować optymalny harmonogram sal operacyjnych poprzez lepsze uwzględnienie popytu i czasu potrzebnego na wykonanie zabiegów, aby stworzyć więcej wolnych miejsc i uzyskać dostęp do nich (Luo i in. 2020, Kilic i in. 2020). Szacujemy, że we wszystkich dziewięciu domenach szpitale amerykańskie mogłyby osiągnąć roczne oszczędności netto w wysokości od 60 do 120 miliardów dolarów.
Ze sztucznej inteligencji mogą również skorzystać grupy lekarzy. Rozważmy ilość czasu zmarnowanego z powodu niezrealizowanych wizyt. Kiedy pacjent opuszcza wizytę, nie tylko przysparza tym więcej pracy administracyjnej (w celu zmiany terminu), ale także powoduje gorsze wykorzystanie pracy lekarzy i czasu, z którego mógłby skorzystać inny pacjent. Opuszczenie wizyty może również prowadzić do pogorszenia stanu pacjenta i potencjalnego pobytu w szpitalu. Sztuczna inteligencja mogłaby pomóc w przewidywaniu prawdopodobieństwa pominięcia wizyty lub pogorszenia się stanu zdrowia, dzięki czemu gabinet lekarski mógłby aktywnie docierać do pacjentów. Szacujemy, że grupy lekarzy mogłyby osiągnąć roczne oszczędności netto w wysokości od 20 do 60 miliardów dolarów, z czego mniej więcej połowa wynikałaby z obniżenia kosztów administracyjnych, a połowa z uproszczenia istniejących procesów.
Możliwe byłoby również przekształcenie prywatnych ubezpieczeń. Głównym zadaniem wszystkich ubezpieczycieli jest zarządzanie roszczeniami, w tym określanie, kiedy należy zapłacić dostawcy i jakiej wstępnej zgody wymagać. Sztuczna inteligencja może pomóc płatnikowi w wykrywaniu i korygowaniu błędów w roszczeniach, czerpiąc doświadczenie z poprzednich roszczeń lub pobierając informacje z notatki lekarskiej w celu zatwierdzenia wcześniejszej zgody, tym samym zmniejszając koszty i pracę administracyjną. We wszystkich domenach szacujemy możliwe roczne oszczędności netto w wysokości od 80 do 110 miliardów dolarów dla ubezpieczycieli prywatnych.
Dlaczego sztuczna inteligencja nie jest wykorzystywana na szerszą skalę?
W związku ze skalą tych potencjalnych oszczędności pojawia się kilka pytań. Szczególnie ważna jest kwestia, dlaczego sztuczna inteligencja nie jest szerzej stosowana.
Istnieją dwa ogólne wyjaśnienia powolnych postępów tego procesu. Wielu ekonomistów uważa, że sztuczna inteligencja jest niedostatecznie wykorzystywana, ponieważ system płatności w opiece zdrowotnej nie zapewnia zachęt dla tego typu innowacji (Chernew i Heath 2020). Obecnie organizacje opieki zdrowotnej są nadal częściej wynagradzane w oparciu o ilość procedur wykonywanych w ramach świadczonej opieki. A zatem przypadki wykorzystania AI, które zmniejszyłyby potrzebę opieki, mają odwrotny skutek w postaci obniżenia przychodów.
Chociaż model płatności może mieć wpływ na przyjęcie rozwiązań AI, nie wyjaśnia to wszystkiego. Na przykład wszyscy skorzystaliby, gdyby strony internetowe gabinetów lekarskich były skonfigurowane tak, aby pacjenci nie musieli dzwonić do lekarza w celu rutynowego uzupełnienia leków. Jednak taka procedura jest rzadko stosowana.
Drugi pogląd dotyczy zarządzania: za powolne wdrażanie sztucznej inteligencji w opiece zdrowotnej są odpowiedzialne istotne bariery w zarządzaniu, zarówno na poziomie organizacyjnym, jak i branżowym. Pomyślne wdrożenie sztucznej inteligencji jest zależne od sześciu czynników: opracowanie planu działania opartego na misji; gromadzenie odpowiednich talentów; posiadanie sprawnego modelu dostaw; pozyskiwanie odpowiedniej technologii i narzędzi; zarządzanie danymi oraz zmiana modelu funkcjonowania organizacji. Każdy z nich stanowi wyzwanie w dzisiejszym systemie opieki zdrowotnej.
Uwzględnijmy tylko jeden z nich: posiadanie odpowiednich danych. O ile opieka zdrowotna posiada terabajty danych, dane te są w dużej mierze nieuporządkowane, istnieją w wielu różnych systemach i formatach. Tymczasem opieka zdrowotna nie jest miejscem, w którym pracy poszukują wykwalifikowani młodzi naukowcy zajmujący się danymi. Ponadto takie talenty są rzadkością, co skutkuje rosnącą presją płacową (Taska i in. 2020).
Nawet gdyby dane były dostępne, zarządzanie prywatnością w opiece zdrowotnej jest problemem złożonym (Gans i in. 2018). Wzbudzenie zaufania, że organizacja skutecznie chroni dane, odpowiedzialnie wykorzystuje sztuczną inteligencję i zapewnia przejrzystość, ma zasadnicze znaczenie dla zdobycia „cyfrowego zaufania” pacjentów i lekarzy.
Istnieją również bariery na poziomie branży. Na przeszkodzie powszechnemu wdrożeniu rozwiązań AI mogą stanąć czynniki, na które żadna indywidualna organizacja nie ma wpływu, takie jak niejednorodność danych w różnych instytucjach, ciągła umiejętność dostosowywania się i wyzwania regulacyjne. System opieki zdrowotnej ma trudności z ujednoliceniem sposobu pomiaru marży przypadającej na procedurę, nie mówiąc już o integracji notatek klinicznych z wielu lokalizacji.
Bariery te stanowią wyzwanie, ale nie są nie do pokonania. Kto przypuszczałby pięć lat temu, że sztuczna inteligencja będzie pomagać w diagnozowaniu raka lub zasilać chatboty, które odpowiadają na pytania pacjentów dotyczące COVID-19 lub jego objawów? Rzeczywiście, uważamy, że przyszłość jest obiecująca dla przyjęcia AI w opiece zdrowotnej, nawet poza wykorzystaniem generatywnych aplikacji AI, takich jak ChatGPT. Pandemia COVID-19, w połączeniu z rosnącą inflacją i niedoborami siły roboczej, obciąża finanse organizacji opieki zdrowotnej. W związku z tym każda technologia, która może zmniejszyć obciążenie i wypalenie pracowników oraz poprawić dostęp pacjentów do opieki, zostanie wzięta pod uwagę. Wdrożenie zastosowań sztucznej inteligencji – zwłaszcza tych, które koncentrują się na kosztach administracyjnych – może pomóc branży w rozwiązaniu tych problemów.
Oczekujemy, że w miarę jak organizacje opieki zdrowotnej będą zdobywać coraz większe doświadczenie w zakresie sztucznej inteligencji, zaczną w pełni wykorzystywać zalety tej technologii, w tym poprawę wydajności pracy i spłaszczenie krzywej wydatków na opiekę zdrowotną. Co ważniejsze, zastosowanie sztucznej inteligencji w opiece zdrowotnej może poprawić jakość opieki nad pacjentami i prowadzić do większej satysfakcji zarówno lekarzy, jak i pacjentów.
Nikhil Sahni – Partner at McKinsey & Company
George Stein – Associate Partner at McKinsey & Company
Rodney Zemmel – Senior Partner at McKinsey & Company
David Cutler – Otto Eckstein Professor of Applied Economics at Harvard University
Artykuł ukazał się w wersji oryginalnej na platformie VoxEU, tam też dostępne są przypisy i bibliografia.
W styczniu 2020 roku Wielka Brytania formalnie opuściła Unię Europejską. Oczekiwane korzyści z brexitu, poza odzyskaniem suwerenności w zakresie kształtowania prawa i zewnętrznych relacji gospodarczych, jednak się nie zmaterializowały. Widoczny jest natomiast spadek wydajności i konkurencyjności brytyjskiej gospodarki, co wpływa także na kondycję rynku pracy.
