انقلاب مراقبت مبتنی بر ارزش با هوش مصنوعی

شتاب مراقبت مبتنی بر ارزش در حال افزایش است

شتاب حرکت به سمت مراقبت مبتنی بر ارزش (VBC) در حال افزایش است. مراکز خدمات درمانی و بهداشتی Medicare و Medicaid (CMS) یک هدف بلندپروازانه را ترسیم کرده اند: انتقال همه دریافت کنندگان سنتی Medicare به توافقنامه VBC تا سال 2030. این رقم نسبت به 7 درصد ثبت شده در سال 2021 توسط تحقیقات Bain افزایش قابل توجهی را نشان می دهد. با ورود تعداد بیشتری از برنامه های بهداشتی، ارائه دهندگان خدمات درمانی و بیماران به توافقنامه های VBC، حجم قابل توجهی از داده های بالینی برای نظارت بر ریسک بیمار و کیفیت مراقبت به طور موثر نیاز به مدیریت خواهد داشت. جی آکرمن، رئیس و مدیرعامل Reveleer، یک شرکت فناوری و خدمات بهبود کیفیت و تعدیل ریسک، دانش عمیقی در مورد چشم انداز مراقبت های بهداشتی، مدل های قرارداد VBC و فناوری های پشت صحنه دارد. ما با او مصاحبه کردیم تا در مورد پتانسیل هوش مصنوعی (AI) برای انقلاب در تعدیل ریسک، چگونگی ترکیب داده های بالینی تعدیل کیفیت و ریسک توسط هوش مصنوعی و اینکه چگونه ارائه دهندگان خدمات درمانی می توانند از ابزارهای هوش مصنوعی برای کمک به بیماران برای مشارکت کامل در مراقبت های خود استفاده کنند، بحث کنیم.

پتانسیل هوش مصنوعی در تعدیل ریسک

س. شما معتقدید هوش مصنوعی (AI) پتانسیل انقلاب در تعدیل ریسک را دارد. چگونه؟

ج. هوش مصنوعی به دلیل توانایی اسکن، تجزیه و تحلیل و تبدیل حجم عظیمی از داده‌ها به بینش‌های بالینی که می‌تواند مراقبت از بیمار را بهبود بخشد، می‌تواند به طور قابل توجهی تعدیل ریسک را در مراقبت مبتنی بر ارزش متحول کند. به طور سنتی، تعدیل ریسک در مراقبت مبتنی بر ارزش به عنوان یک مکانیزم حسابرسی عمل کرده است تا اطمینان حاصل شود که برنامه های بهداشتی بر اساس پروفایل ریسک اعضای خود، بازپرداخت دقیق دریافت می کنند. البته برخی از سازمان‌های مراقبت مبتنی بر ارزش (ارزش‌محور) با توسعه برنامه‌های تعدیل ریسک آتی (پیش‌آهنگ) در حال پیشرفت هستند، این برنامه‌ها پزشکان را قبل از تعامل با بیماران درگیر می‌کنند. با این حال، اکثر این سازمان‌ها به دلیل محدودیت داده‌های داخلی اعضا، با اطلاعات قدیمی نمی‌توانند به‌طور مؤثری پزشکان را درگیر کنند. هوش مصنوعی (AI) با ادغام با منابع خارجی داده‌های بالینی مانند مراکز تبادل سلامت، داروخانه‌ها و متخصصان خارج از شبکه، می‌تواند تصویری کامل از سلامت بیمار ایجاد کند. هنگامی که این بینش‌ها در نقطه مراقبت به پزشکان منتقل می‌شود، تعدیل ریسک از یک عملکرد گذشته‌نگر و حسابرسی‌محور به یک گردش کار پیش‌فعال تبدیل می‌شود که واقعاً می‌تواند بر مراقبت تأثیر بگذارد. البته , با ادغام با منابع خارجی داده‌های بالینی مانند مراکز تبادل سلامت، داروخانه‌ها و متخصصان خارج از شبکه، هوش مصنوعی (AI) می‌تواند تصویری کامل از سلامت بیمار ایجاد کند. هنگامی که این بینش‌ها در نقطه مراقبت به پزشکان منتقل می‌شود، تعدیل ریسک از یک عملکرد گذشته‌نگر و حسابرسی‌محور به یک گردش کار پیش‌فعال تبدیل می‌شود که واقعاً می‌تواند بر مراقبت تأثیر بگذارد.

عملکرد هوش مصنوعی در ترکیب داده های بالینی

س. شما همچنین گفتید که هوش مصنوعی (AI) می‌تواند داده‌های بالینی مربوط به تعدیل کیفیت و ریسک را برای تصمیم‌گیری‌های بهتر در مراقبت‌های بهداشتی و مداخلات زودهنگام‌تر ترکیب کند. لطفاً نحوه عملکرد هوش مصنوعی برای دستیابی به این هدف را شرح دهید.

ج. هوش مصنوعی می‌تواند با ارائه یک دیدگاه واحد و طولی از بیمار به برنامه‌های تعدیل ریسک و بهبود کیفیت و همچنین ارائه بینش‌های بالینی به پزشکان در نقطه مراقبت، به همسو شدن این برنامه‌ها کمک کند. به عنوان مثال، هوش مصنوعی داده‌های مربوط به بیماری با تشخیص‌های شناخته شده لنفوم غیرهوجکینی، برونشکتازی و فشار خون بالا را تجزیه و تحلیل می‌کند. پس از اسکن داده‌ها از سراسر اکوسیستم سلامت، سیستم هوش مصنوعی شواهدی پیدا می‌کند که نشان می‌دهد بیمار ممکن است سه تشخیص بالقوه جدید داشته باشد: نارسایی احتقانی قلب، آترواسکلروز آئورت و بیماری مزمن کلیه مرحله سه. سپس هوش مصنوعی می‌تواند این اطلاعات را به خلاصه‌های قابل هضم بیمار ترجمه کند که به مستندات بالینی پشتیبان مرتبط است. اگر این اطلاعات در نقطه مراقبت به ارائه دهندگان ارائه شود، ارائه دهنده در این مثال می‌تواند تشخیص پیشنهادی و شواهد حمایتی را بررسی کند، سپس تصمیم بگیرد که کدام تشخیص‌ها را اضافه کند و بهترین راه برای ادامه مراقبت از بیمار کدام است. با داشتن این داده‌های جامع و بهتر در مورد بیماران، برنامه‌های تعدیل ریسک و کیفیت می‌توانند همسو شوند و با ارائه دهندگان خدمات درمانی به طور پیشگیرانه‌تری برای بهبود مراقبت از بیماران همکاری کنند.

نقش هوش مصنوعی در مشارکت بیماران

س. چگونه ارائه دهندگان خدمات درمانی می‌توانند از ابزارهای هوش مصنوعی برای کمک به بیماران برای مشارکت کامل در مراقبت های خود استفاده کنند؟

ج. با استفاده ماهرانه از ابزارهای هوش مصنوعی، ارائه دهندگان خدمات درمانی می‌توانند بیماران را قادر سازند تا نقش فعال‌تری در مسیر مراقبت‌های بهداشتی خود ایفا کنند که در نتیجه منجر به بهبود نتایج و افزایش سطح مشارکت آن‌ها در مراقبت می‌شود. با هوش مصنوعی، ارائه دهندگان می‌توانند داده‌های بیمار را برای ارائه توصیه‌های بهداشتی شخصی‌سازی‌شده مطابق با نیازها و ترجیحات فردی تجزیه و تحلیل کنند که این امر زمینه‌ای را برای هدایت بیماران در تصمیم‌گیری آگاهانه در مورد مراقبت‌های بهداشتی‌شان فراهم می‌کند. با بررسی دقیق داده‌های طولی بیماران، الگوریتم‌های هوش مصنوعی می‌توانند خطرات و عوارض احتمالی سلامتی را پیش‌بینی کنند. این امر به ارائه دهندگان خدمات درمانی این امکان را می‌دهد تا بیماران را به طور پیشگیرانه در اقدامات و مداخلات پیشگیرانه مشارکت دهند و احتمال بروز نتایج نامطلوب را کاهش دهد. ابزارهای هوش مصنوعی همچنین می‌توانند ترجیحات ارتباطی بیماران را تجزیه و تحلیل کرده و برون‌داد (خروجی) را از طریق ایمیل، پیام کوتاه یا تماس تلفنی سفارشی کنند و بدین ترتیب ارتباط مؤثر و به موقع را تضمین کرده و روابط مستحکم‌تری بین بیمار و ارائه دهنده خدمات درمانی ایجاد کنند. اعضای برنامه‌های بهداشتی از طریق تصمیم‌گیری‌های بالینی آگاهانه‌تر، مداخله زودهنگام‌تر و درمان مؤثرتر، از دسترسی و نتایج مراقبتی بهبود یافته بهره‌مند می‌شوند.

نویسنده: Bill Siwicki

March 29, 2024