医疗保健中的人工智能：一个值得信赖的框架2024

AI 在医疗保健领域的前景和挑战中，生成 AI (GenAI) 为该领域带来了拐点，正产生积极影响。然而，医疗机构在采用 AI 时面临伦理考量和内部流程缺口等障碍。IQVIA 凭借其数据科学和 AI 技术经验，提供可扩展、安全的信息管理和技术支持模型，加速 AI 的可靠和负责任应用。

AI 在医疗保健领域的前景和挑战

• 生成 AI (GenAI) 的拐点：为医疗保健领域带来创新解决方案。
• 积极影响：提升患者护理和运营效率。
• 挑战：伦理考量、内部流程缺口、数据偏差等。

可信框架的核心组件

• 结构化 AI 采用：包括流程数据登机、支持标准数据源、自动化分析、监控、审核等。
• 变更管理：创建 AI 采用路线图，确保与组织战略、愿景和价值观一致。
• 数据策略评估：突出当前与期望的数据能力差距，评估 AI 准备情况。

为什么是 IQVIA？

• 丰富历史：为医疗保健开发 AI 的经验。
• 验证方法：在 100 多种疾病中验证 AI 方法。
• 构建块：包括法规遵从性、地理覆盖范围、隐私和公平、数据清理、精确性和多样性、预训练模型、验证和基准、领域专长等。

案例研究

1. 确定有昂贵专业治疗风险的患者：

   • 背景：为支付方部署 AI 算法分层成员对 specialty 药物需求的风险。
   • 成果：生成风险患者列表及关键驱动因素，实现早期干预。

2. 鉴别误诊的 T1D 患者：

   • 背景：约 40% 的 T1D 成人患者被误诊为 T2D。
   • 成果：AI 算法识别误诊患者，实现最大临床效益。

3. 反映健康(SDoH) 风险因素的隐藏社会决定因素：

   • 背景：NorthShore-Edward-Elmhurst Health 合并后存在显著健康差距。
   • 成果：AI 解决方案从非结构化数据中提取 SDoH 信息，优先分诊高风险患者。

4. 预测中风风险：

   • 背景：房颤患者卒中风险是非房颤患者的五倍。
   • 成果：AI 算法识别高风险患者，中风次数下降 22%，节省医疗负担约 $2M-$7M/年。

三个关键要点

• AI 在医疗保健领域具有巨大潜力，但需克服伦理和流程挑战。
• IQVIA 提供可信框架和解决方案，加速 AI 的负责任应用。
• 案例研究证明 AI 可提升临床效益和运营效率，降低医疗成本。