AI 在加拿大医疗保健领域的潜在好处

医疗保健实践 AI在加拿大医疗保健领域的潜在好处 将人工智能集成到加拿大的医疗保健中可以帮助简化行政工作;改善系统管理，护理质量以及患者和员工的体验;并通过降低支出来提高可负担性。 作者：ShahedAl-Haque，Marie-RenéeB-Lajoie，ErezEizenman和NickMilinkovich 的AI。以及时和合乎道德的方式将人工智能成功地整合到医疗保健系统中，将需要新的合作模式、对基础技术和人才的投资，以及可扩展的风险管理方法。通过大规模实施该技术并降低风险，医疗保健领导者可以实现五类好处：提高护理质量，增强患者和员工体验，简化管理工作，降低支出和优化系统管理。 加拿大花费约330.00亿加元 （2456.6亿美元）每年用于医疗保健，相当于其2022年GDP的12.2%。1在过去的十年中，加拿大的年度医疗保健支出平均比其人均GDP增长（不包括2020年）每年约7500加元的增长高出约一个百分点，这使加拿大成为世界十大医疗保健支出国之一。2尽管支出不断升级，但加拿大人的结果开始落后于其他国家。 弗雷泽研究所将加拿大的表现定为“适度到贫穷”，例如，在护理及时性的四个指标上，该国排名倒数第二或接近倒数第二。3人口老龄化，慢性病患病率的增加以及个性化医疗保健和药物成本的上涨将使这一轨迹永存，除非医疗保健系统采取措施进行变革。 AI如何改变加拿大的医疗保健 基于人工智能的技术可以帮助促进更安全，更高效的医疗保健系统。研究表明，人工智能可以增强人类的能力在医疗和相关行政流程的准确性、效率和及时执行方面。4虽然AI是一个广阔而复杂的领域，但目前在医疗保健中广泛使用的AI有两种：机器学习和自然语言处理。机器学习使用从示例中学习的计算技术，例如预定义的参数，而自然语言处理结合了机器 转变加拿大医疗保健需要一种全面的方法，包括护理交付模式，临床生产力，行政简化和技术支持。数字和分析越来越成为解决方案的一部分。特别是，在加拿大的医疗保健系统中整合AI -包括公共卫生机构，卫生部，医院，诊所，家庭护理和虚拟护理-可能有助于改善。 使用统计和深度学习模型进行学习，以分析图像，视频，人类语言和其他非结构化文本；查找模式并构建结构化输出。自然语言处理除其他任务外，还可以解释X射线图像 整体系统性能。根据麦肯锡的分析，在全面部署时，基于已知AI应用程序的努力可以使加拿大每年将其净医疗保健支出降低约4.5％至8.0％，从而提高可负担性，而不会对结果和经验产生负面影响。这将不是一件容易的事情，它将要求系统领导者解决可能妨碍抓住机会的特定陷阱（参见侧栏“方法论”）。 或将语音笔记翻译成基于文本的医疗文档。5生成AI（generativeAI）-定义为使用算法来创建新内容，包括音频，代码，图像，文本，模拟和视频-是另一种类型的AI，在未来几年可能会越来越多地使用。6 本文探讨了加拿大医疗保健系统如何通过充分发挥潜力来实现现代化 对人工智能的投资正在迅速增加，并可能继续影响医疗保健。例如，在2021年4月至2022年3月期间，安大略省对人工智能企业的风险投资 Methodology 衡量AI的潜在影响在加拿大的医疗体系中，我们对两种方法进行了三角分析。 使用这种方法，我们确定了加拿大每年潜在的医疗保健支出净节省约4.5％至8.0％，考虑到目前已知的用例，并且不牺牲质量或访问。 根据目前的估计，跨系统及其有限的影响。 为了估计总的人工智能机会，我们总结了相关用例对总医疗支出的净节省影响。为此，我们根据公开数据，将每个用例映射到相关的加拿大医疗保健支出领域（如住院和门诊费用）。然后，根据数据库中的影响估计，我们估计了每个用例的节省机会。我们确认，DVA工具充分地将总节省转化为净节省，并考虑了维护AI所需的费用。根据估计。 自下而上分析 首先，我们利用麦肯锡的医疗保健数字价值评估（DVA）进行了自下而上的分析。该评估包括一个详细的AI用例库（按类别细分），该数据库已通过80多位医疗保健专家的输入和深入的用例研究进行开发和压力测试，包括同行评审的文章（审查了630多篇论文），已发表的报告，专家意见以及公司和解决方案供应商网站。 自上而下分析 其次，我们根据国家经济研究局（NBER）关于AI和医疗保健支出的工作文件验证了自下而上的发现。1使用这些作者对每个高级用例类别的估计，我们将相关区域映射到加拿大医疗保健系统。我们考虑了美国和加拿大医疗保健系统之间的独特差异，估计 根据数据库中记录的净储蓄影响，我们计算了加拿大医疗保健净储蓄机会，并在需要时将其调整为整个医疗保健支出。 净储蓄机会在1%到11%之间，具体取决于相关的利益相关者群体或支出领域。考虑到两国运营模式的差异，我们包括了医院，公共付款人和其他护理场所的类别，不包括医生团体和私人付款人。 使用此工具，我们的加拿大医疗保健专家绘制了用例，重点关注最相关的影响领域：公共卫生，护理服务和容量管理。我们在最细粒度的级别上审查了用例，以确保适当的跨系统适用性。我们最终 我们将净节省定义为总节省总额减去AI运营年度支出。所有节省估计均基于可用技术的使用今天和他们的估计影响，给出了已发表的文献和专家的输入和验证。储蓄假设采用达到全面规模。 考虑到这些用例当前适用性的限制，排除了有关数字患者访问，研究和教育，增长和收入管理以及支持功能的AI用例类别 鉴于这两个数据点，我们进行了大约4.5～8.0加拿大医疗保健系统净储蓄机会的百分比。 1David M. Cutler等人，“人工智能对医疗保健支出的潜在影响”，NBER工作文件，第30857号，2023年1月。 福利类别：护理质量、行政工作和系统管理(图表1)。 比2020年和2021年同期增加206%。7加拿大医疗保健中的AI整合机会 三大领域-公共卫生、护理提供和能力管理。8在这些领域，迄今为止的影响最集中在五个领域中的三个。 护理质量。许多加拿大医疗保健组织和公司正在收集证据，以证明AI通过将AI纳入各种 研究、护理交付和康复监测领域。9例如，加拿大医疗保健技术公司SwiftMedical使用AI和临床医生的先进伤口护理专业知识来提供数字伤口管理解决方案。 并实时调整所需的刺激时间和程度，以潜在地提高治疗效果。11 行政任务。AI可以自动执行管理任务，例如协助临床文档，支持实时人员配置和提高计费准确性，这可以减轻临床医生的管理负担，使他们能够更加专注于患者护理。通过分析访问模式、症状强度和患者偏好(例如预约时间)等关键指标，调度软件提供了改善护理的潜力。通过优化临床安排来协调和患者体验。12 Swift Medical的平台结合了移动设备，AI驱动的计算机视觉和机器学习算法，可帮助医疗保健专业人员准确记录，测量和监测伤口。该公司报告说，其解决方案已将与伤口相关的住院治疗减少了14％以上，与伤口相关的急诊就诊减少了7％，住院时间减少了62％。10 另一个医疗保健系统BIOS正在与位于蒙特利尔的研究机构Mila合作开发使用AI的闭环神经调节系统。该系统可用于各种应用，例如慢性心脏病；根据BIOS，它可以自动识别相关的神经信号 系统管理。一些AI用例还可以加强医疗保健系统管理，同时同时实现多个目标，包括 改善床利用率和护理质量。随着加拿大人口老龄化和医疗保健基础设施的成熟，预测容量管理-并相应地调整资源-对于有效管理医疗保健资源至关重要。这可能包括， 在医疗保健的主要领域(图表2)。 如果执行得当，并进行适当的风险管理，人工智能可以提供更多的 通过降低加拿大的医疗保健支出而不会对结果和经验产生负面影响-在某些情况下，可能会改善它们。公共卫生中具有最高净储蓄机会潜力的领域是系统设置和规划以及人口健康管理，如果 例如，优化供需以最大程度地减少劳动力短缺，这是整个加拿大医疗保健系统的主要优先事项。1这可以确保在最需要的地方充分预测和部署医生，护士和其他卫生专业人员。 优化后，可以共同获得90亿至160亿加元的净储蓄机会。此外，在医疗服务中使用人工智能来改善临床决策支持以及IT系统和硬件，可以节省20亿至50亿加元的支出。最后，包括容量控制，资源计划和供应链管理在内的容量管理估计将共同创造30亿加元至的净节省机会。50亿美元。 在单个设施的层面上，人工智能驱动的远程监控系统是更准确部署资源的一种解决方案。他们可以实时跟踪和分析患者的生命体征，并在遵守临床指南和标准的同时及时发现任何异常。 这些功能预计将成为一部分 随着识别出更多的General AI用例，甚至可以实现更多的潜在价值。1鉴于该领域的新颖性，需要仔细评估和考虑用例，其含义及其影响，以确保适当的人为监督水平，特别是对于面向临床的用例。仅GeAI用例（例如医疗文档的生成）就可以通过为加拿大医疗保健系统额外获得50亿至90亿加元的净节省机会来提高负担能力。1其他用途包括增强的决策辅助工具和基于个性化分析的快速生成的治疗计划，量身定制的和持续的患者参与计划，以及有针对性的医疗文件审查，以生成与患者就诊相关的具体见解，例如新的风险因素。 对于患有慢性病或生活在偏远地区的患者来说，这些患者特别有益，在这些地区，获得医疗保健设施和距离是主要障碍。做得好，并与治疗团队和紧急医疗服务相结合，这种方法可以提高整体护理质量，同时优化系统管理。例如,在具有肺水肿的急性失代偿性心力衰竭的情况下,可以远程监测患者的氧需求,而不是要求患者入院。魁北克的一个试点项目发现，这种基于家庭的解决方案有可能释放大约5%的床位容量。1 净储蓄潜力 根据麦肯锡为本文进行的分析，并根据加拿大今天的医疗保健支出，通过大规模使用人工智能来提高医疗质量，加拿大医疗系统在短期内可能会产生每年140亿至260亿加元的净节省机会。增强患者和员工体验，简化行政工作，优化整体系统管理。 克服实施挑战和风险 鉴于医疗保健面临的独特挑战，捕捉这一潜力是困难的，过去的医疗保健IT计划和更广泛的技术计划的经验证明了这一点 麦肯锡公司 要求领导者以协调的方式工作，并对战略规划，运营计划和变更管理进行不同的思考。这还需要对风险管理采取战略性和全面的方法。需要理解和减轻一些风险，以确保患者获得高质量的护理，并且临床医生感到资源和支持良好（参见侧栏“了解将AI整合到医疗保健中的风险”）。 实施。总之，人工智能在加拿大医疗保健系统中的潜在影响是巨大的。然而，加拿大医疗保健服务的分散性质意味着个人医疗保健系统和护理地点可能难以独立有效地获取利益。如果每个组织或医疗保健系统都追求一种独特且差异化的风险管理方法，在加拿大范围内扩展AI解决方案可能会变得更加困难。执行将 了解将AI整合到医疗保健中的风险 风险在于几个方面人工智能集成，应该深思熟虑，特别是通过创建管理人工智能使用的风险和法律框架(例如，数据结构的护栏尽量减少偏见、控制和协议，以防止滥用和废弃，并在问责和质量保证的循环中保持一个人)。 2.临床决策和绩效。如果模型和数据没有充分和不断更新，人工智能可能会产生不准确或不确定的答案，并且质量滞后，这可能会影响患者的结果和体验。 对外部各方的敏感数据。这些活动带来了巨大的责任风险。 3.偏见和公平。人工智能可能会从训练数据中继承偏见，特别是在数据有限的环境中，如医疗保健，这可能会对已经脆弱的人群产生负面影响。 由于尚未就指南达成共识，因此医疗保健领导者应该意识到几个风险领域，包括以下方面1: 1.患者隐私、保密、知情同意和自主权。患者可能不同意AI应用的方式leverage data, or AI applications may leveragedata in manner that were initially intended.Information requires adequate protection andcontrol. AI could also be seen as displacingmedical decision - ma