ヘルスケアサプライチェーンにおけるAIの可能性

人工知能（AI）の潜在的な使用についての熱意、または予測に不足はありません。

Grand View Researchは、世界のAI市場が2017年から2025年の間に57％の複合年率で成長し、360億ドルに達すると予測しています。 Forresterは、2020年は、エグゼクティブがAIへの投資の価値を推進および測定する方法に焦点を当てる年になると予測しています。

ヘルスケアも例外ではありません。 Optumが実施したヘルスケアエグゼクティブの最近の調査によると、AIの使用が増加しているだけでなく、ほとんどのエグゼクティブは当初の予想よりも早い投資収益率を期待しています。

これらの高尚な予測に欠けているのは、データガバナンスや管理の重要性など、AIがその約束を確実に果たすために必要なものについてのより実質的な議論です。また、病気の診断や医薬品開発の改善などの他の分野と比較して、AIと機械学習がヘルスケアサプライチェーンで果たすことができる役割についての会話は少なくなっています。しかし、立ち止まってAIがヘルスケアの他の場所でどのように適用されているかを考えると、サプライチェーンへの影響と機会が見え始めます。

予測分析。 AIのよりエキサイティングなアプリケーションの1つは、ゲノミクスを他の患者の臨床的、社会的、行動的要因と組み合わせて、患者が心血管イベントを経験する可能性があるか膝を必要とするかなど、将来の病状や医療治療を予測することです。置換。個々の患者レベルでは、サプライチェーンの下流の関連性は比較的少ないです。しかし、患者集団全体に関するデータがあった場合に何が起こる可能性があるかを考えてみてください。たとえば、医療システムや説明責任のある医療機関が提供するデータなどです。これは、製造業者や流通業者に貴重な需要シグナルを提供しながら、いつどこで必要になるかなど、必要となる製品の種類と量を予測するのに役立ちますか？

デマンドマッチング。 製品が日常の臨床診療でどのように機能するかに関するデータが増え、特定の患者集団のニーズに基づいてケア経路を再設計しようとする動きにより、適切な製品を適切な患者に適合させる必要性が高まっています。 AIは、何がどの種類の患者に最も効果的かを理解し、このデータを価値分析と調達に活用し、適切な製品が適切な場所にあることを確認する上で重要な役割を果たすことができます。

ロジスティクスの最適化。 患者の流れに焦点を当てたAI対応企業は、UPSなどのサードパーティロジスティクス企業によって一般的に展開されているツールを利用して、患者を病院やその他のケア提供サイトに輸送するための最速の救急車ルートを作成しています。これらの同じテクノロジーを導入して、医療サプライチェーンの専門家が急性期医療環境外への医療の移行に取り組んでいるのを支援してみませんか？ AIは、製品と介護者の両方を、自宅や小売店の診療所から緊急医療や外来手術センターまで、急速に拡大する場所に移動するための最適な輸送方法、頻度、ルートを決定するのに役立ちます。

供給の継続性。 自然災害や感染症の発生から製品のリコールや滅菌施設の閉鎖まで、最近の出来事により、供給の継続性の混乱によって生じる課題への注目が高まっています。バックオーダーがしばしば不便である小売業界とは異なり、ヘルスケアにおける供給の混乱は重大な結果をもたらす可能性があります。例としてハリケーンマリアを取り上げます。嵐がプエルトリコを襲ったとき、それはIVバッグを供給するものを含む島の50以上の異なる製造業者の操業に悪影響を及ぼしました。生理食塩水バッグの不足により、米国中のプロバイダーは代替品を求めて争っていました。グループ購入組織であるプレミアは、最近、米国食品医薬品局に、医療機器メーカーに潜在的な不足を伝えるよう要求するよう求めました。 AIは、プロバイダーが入荷待ちや在庫切れを予測するのに役立つだけでなく、製造業者が非常に複雑なサプライチェーン全体でデータを収集して、混乱をより正確に予測し、是正措置を講じ、顧客が代替案を特定できるようにするためにも導入できます。

タスクの自動化。 ロボットプロセス自動化（RPA）は、ヘルスケア、特に請求処理でますます使用されているAIの一種です。 RPAは、ソフトウェアロボットを使用して反復的なタスクを自動化および標準化し、より付加価値の高い作業のために人員を解放します。サプライチェーンの場合、RPAは、価格の確認や調達システムへの契約条件の設定など、契約管理タスクを自動化するために使用されています。

AIの依存関係。 多くの新しいテクノロジーと同様に、AIが臨床、運用、および財務のパフォーマンスを改善するために何ができるか、そして患者と臨床医の経験にかなりの興奮があります。同時に、AIがその約束を確実に果たすために何を実施する必要があるかについての議論は比較的少ないです。

最も過小評価されている分野の1つは、データガバナンスです。 AIの優れている点は、大量のデータを分析して、人間が解読するのにかなり長い時間がかかるパターンや隠れた相関関係を特定できることです。また、ユーザーはAIエンジンにさまざまな変数を提供できます。これは、解決しようとしている問題に何らかの影響があると思われる場合でも同様です。しかし、ツールが洗練されているにもかかわらず、古い格言（ガベージイン、ガベージアウト）は依然として適用されます。 AIイニシアチブを開始する前に、十分なデータ（さまざまなソースから取得された可能性が高い）があり、データが明確に定義されたデータポリシー、標準、定義、およびプロセスに準拠していることを確認してください。

最後に、AIをどの程度利用して意思決定を強化するか、つまり、人間が最終的な選択を行っている間にシステムが洞察と推奨事項を提供できるようにするか、意思決定を完全に自動化するかを検討します。 AIの魔法と謎は、システムが意思決定を行う方法に透明性がないことです。これは、AIがさまざまな変数を選択、重み付け、関連付けて結論を出す方法を継続的に学習および変更しているためです。システムを信頼できるようになった場合、特に患者ケアの決定を処理する場合は、システムが人間の介入なしに決定を下し、行動を起こすAIのアプリケーションに移行する必要があります。

ヘルスケアにおけるAIと機械学習の可能性は畏敬の念を起こさせます。特に、日々生成される急速に拡大する豊富な知識を活用する方法を検討しているためです。一方で、ヘルスケアのさまざまな側面にAIを適用する最善の方法について学ぶことはまだたくさんあります。 AIに導かれて新たな高みを目指すとき、AIが構築されている基盤を覚えておくことが重要です。 AIイニシアチブは、正確、完全、標準化、正規化されたデータに基づいていますか？もしそうなら、空は、一見、限界です。

Karen Conwayは、GHXのヘルスケアバリュー担当副社長です。