Medicaid به یک نقطه اصلی نبرد سیاسی داغ تبدیل شده است ، زیرا قانونگذاران جمهوریخواه برای کمک به کاهش مالیات به کاهش عمیق فشار می آورند. رئیس جمهور دونالد ترامپ و رهبران GOP قصد دارند هزینه های Medicaid را کاهش دهند 880 میلیارد دلار طی یک دهه آینده ، تقریباً 10 ٪ از بودجه برنامه را پیرایش می کند. با این حال ، این عواقب می تواند شدید باشد زیرا Medicaid پوشش بهداشتی را برای تقریباً 83 میلیون آمریکایی کم درآمد از جمله سالمندان و افراد دارای معلولیت فراهم می کند.
برای تأمین آینده Medicaid ، هوش مصنوعی (AI) به عنوان یک راه حل بالقوه برای افزایش هزینه های مراقبت های بهداشتی در حال ظهور است. امروزه ، تجزیه و تحلیل پیش بینی کننده AI محور به ارائه دهندگان مراقبت های بهداشتی اجازه می دهد تا بیماران پرخطر را قبل از نیاز به مراقبت های اضطراری شناسایی کنند.
“با توجه به محدودیت های بودجه Medicaid ، هوش مصنوعی می تواند هزینه ها را بدون قربانی کردن کیفیت کاهش دهد.” گریس چانگ ، مدیر عامل و بنیانگذار ، Kintsugi، به من گفت “ناکارآمدی عملیاتی ، مانند تشخیص از دست رفته یا پیگیری ضعیف بیمار ، اغلب نامرئی است اما بسیار پرهزینه است. هوش مصنوعی می تواند بیماران را در معرض خطر استفاده بیش از حد ER یا عدم تداوم دارو قرار دهد – مناطقی که میلیارد ها نفر از سیستم خونریزی می کنند اما با ابزار مناسب قابل حل هستند. “
استارتاپ بهداشت AI مستقر در کالیفرنیا کینتیجی از نشانگرهای زیستی صوتی برای خودکارسازی غربالگری زودهنگام برای بیماران افسردگی و اضطراب استفاده می کند و به کاهش زمان ارزیابی پزشک کمک می کند. چانگ ادعا می کند که بیشتر سیستم های مراقبت های بهداشتی قبلاً از بین رفته اند ، و هوش مصنوعی می تواند در اولویت قرار دهد که چه کسی بیشتر به توجه نیاز دارد ، در صورت اهمیت بیشتر.
به گفته بنیانگذار ، خطر واقعی عدم استفاده از هوش مصنوعی برای حل سخت ترین مسائل بهداشتی است “این که ما از آن برای بستن شکاف های مهم در مراقبت استفاده نخواهیم کرد.”
چگونه هوش مصنوعی به طور کلی هزینه های Medicaid و مراقبت های بهداشتی را کاهش می دهد
ناکارآمدی اداری بخش قابل توجهی از هزینه های مراقبت های بهداشتی را تشکیل می دهد. اما ، یک مطالعه توسط مرکز ملی اطلاعات بیوتکنولوژی (NCBI) تخمین می زند که هوش مصنوعی می تواند صنعت مراقبت های بهداشتی را نجات دهد سالانه 150 میلیارد دلار با ساده کردن این فرایندها. به همین ترتیب ، دفتر ملی تحقیقات اقتصادی برآورد پس انداز به اندازه 200 تا 360 میلیارد دلار در هزینه های مراقبت های بهداشتی از طریق اتوماسیون هوش مصنوعی در چهار سال آینده. امروزه ، هوش مصنوعی با پیش بینی شیوع بیماری و تغییرات جمعیتی ، نقش مهمی در Medicaid و مراقبت های بهداشتی بازی می کند و باعث تخصیص منابع فعال می شود. این فناوری همچنین به تقویت تجزیه و تحلیل پیش بینی کننده برای پیش بینی نتایج بیمار کمک می کند و منجر به استراتژی های درمانی مؤثرتر و بهبود مراقبت های پیشگیرانه می شود. علاوه بر این ، هوش مصنوعی می تواند برای نتایج بهتر ، داروهای شخصی را پیش ببرد ، و درمان های خود را به بیماران اختصاص دهد.
با استفاده از نوآوری های فنی اخیر ، چندین راه اندازی مراقبت های بهداشتی با قدرت هوش مصنوعی در صدر بهبود پذیرش AI در Medicaid برای تسریع در تشخیص و بهبود نتایج درمانی قرار دارند. به عنوان مثال ، مبتنی بر بوستون کمی افزایش کارآیی رادیولوژی از طریق پلت فرم مبتنی بر هوش مصنوعی خود برای بهینه سازی استفاده از اسکنر MRI و CT. هوش مصنوعی می تواند تنگناها را در گردش کار تصویربرداری نشان دهد و منجر به کاهش زمان انتظار بیمار ، بهبود توان اسکنر و درآمد بیمارستان شود.
“از سیستم های بهداشتی ، به ویژه از طریق خدمات به جمعیت Medicaid ، خواسته می شود که کارهای بیشتری با کمتر انجام دهند. و آنها برای جبران واقعیت حاشیه های پایین تر باید اسکن های بیشتری انجام دهند.” رابرت مک دگال ، بنیانگذار Quantivly، به من گفت وی گفت: “هوش مصنوعی عملیاتی در تصویربرداری پزشکی می تواند بدون ایجاد استرس به کارکنان ، در مدیریت توان کمک کند. هوش مصنوعی می تواند در مناطقی مانند برنامه ریزی مستقر شود ، جایی که وظیفه هماهنگی برای هر شخص برای مدیریت دستی بسیار پیچیده است.”
به گفته MacDougall ، بیشتر سیستم های برنامه ریزی از عوامل مهمی که بر مدت زمان اسکن تأثیر می گذارد ، غافل می شوند ، مانند سخت افزار اسکنر ، پیچیدگی پروتکل ، تحرک بیمار و نیازهای آرام بخش. مدیریت این متغیرها در زمان واقعی فراتر از توانایی انسان است و هوش مصنوعی را به یک ابزار اساسی برای بهینه سازی برنامه ریزی و کارآیی تبدیل می کند – و به خطوط پایین بیمارستان ها کمک می کند.
به همین ترتیب ، پلت فرم مدیریت داروهای دارای هوش مصنوعی اره با بهینه سازی رژیم های دارویی و پرچم گذاری داروهای غیر ضروری ، به کاهش خطاهای تجویز کمک می کند. “هوش مصنوعی می تواند به سرعت نقاط را در مجموعه داده های متنوع (تاریخچه داروهای بیماران ، داده های SDOH و ادبیات بالینی/پزشکی) وصل کند تا توصیه های شخصی برای هر بیمار انجام شود.” یونا کیم ، مدیر عامل و بنیانگذار آرین، توضیح داده شده
وی افزود: اگر بیمار بدون در نظر گرفتن تأثیر منفی احتمالی آن در شرایط موجود ، داروی جدیدی تجویز شود ، هوش مصنوعی می تواند مسئله را در زمان واقعی پرچم گذاری کند – پیش از این که منجر به بازدید ER شود. “هوش مصنوعی ممکن است وظایف تکراری را خودکار کند (به عنوان مثال ، مستندات ، خلاصه) اما وقتی صحبت از بیمار می شود ، ما باید پزشکان را کنترل کنیم.” گفته شده کیمبشر
با توجه به پتانسیل هوش مصنوعی در بهبود کارآیی و نتایج مراقبت های بهداشتی ، آیا قانونگذاران در اولویت پذیرش آن قرار دارند یا محدودیت های بودجه و سیاست های مالی دسترسی را تحت الشعاع قرار می دهند؟ چگونگی آشکار شدن این بحث هنوز هم دیده می شود.
“هدف از هوش مصنوعی عملیاتی گسترش دسترسی با بهبود نحوه استفاده از منابع است. اگر بتوانیم بیماران بیشتری را در همان تجهیزات بدون اضافه کردن بار به کارکنان اسکن کنیم ، ما در حال بهبود دسترسی هستیم-به خصوص در مناطق کم مصرف. کلید اصلی بهره وری است نه محدودیت ،” مک دگال تأکید کرد
