ヘルスケアサプライチェーン革新：AIの潜在能力を最大限に引き出す

人工知能（AI）の潜在的用途について、熱狂的な期待と予測が溢れています。

Grand View Researchは、世界AI市場が2017〜2025年に年平均57%成長し、360億ドルに達すると推定。フォレスターは、2020年が経営幹部がAI投資の価値をどう推進・測定するか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によるヘルスケア幹部調査では、AI利用が増加しているだけでなく、多くの幹部が当初予想より早い投資回収を期待しています。

これらの高い予測から欠けているのは、AIが約束を果たすために必要なこと、例えばデータガバナンスと管理の重要性についてのより実質的な議論です。また、疾病診断改善や創薬など他分野と比較し、ヘルスケアサプライチェーンにおけるAIと機械学習の役割についての会話は少ないです。しかし、ヘルスケアの他分野でのAI適用を考えると、サプライチェーンへの示唆と機会が見えてきます。

予測分析

AIのよりエキサイティングな応用の一つは、ゲノミクスと他の患者臨床・社会・行動要因を組み合わせ、将来の疾患状態と医療トリートメントを予測することです。例えば、患者が心血管イベントを経験する可能性や膝置換術が必要になる可能性など。個々の患者レベルではサプライチェーンへの下流的関連性は比較的低いですが、医療システムや説明責任医療機構（ACO）が担う患者集団全体のデータがあればどうでしょうか。必要な製品の種類と量、時期、場所を予測し、メーカーとディストリビューターへ貴重な需要シグナルを提供できるかもしれません。

需要マッチング

日常臨床現場での製品パフォーマンスデータの蓄積と、特定患者集団のニーズに基づくケアパスウェイ再設計の推進により、適切な製品を適切な患者にマッチングさせる必要性が高まっています。AIは、どの種類の患者に何が最も効くかを理解し、このデータをバリューアナリシスと調達、適切な製品が適切な場所にあることの確保に活用できます。

ロジスティクス最適化

患者フローに焦点を当てたAI活用企業は、UPSなどサードパーティロジスティクス企業が一般的に展開するツールを利用し、患者を病院や他のケア提供拠点へ搬送する最速救急車ルートを算出しています。なぜ同じテクノロジーを、急性期ケア設定外へのケア移行に取り組むヘルスケアサプライチェーン専門家支援に展開しないのでしょうか。AIは、製品とケアギバーの双方を、在宅・小売クリニック・緊急ケア・外来手術センターなど急増する場所へ移動させる最適な輸送方法、頻度、ルートを決定するのに役立ちます。

供給継続性

自然災害、感染症アウトブレイク、製品リコール、滅菌施設閉鎖など最近の出来事は、供給継続性の中断がもたらす課題への注目を高めました。小売業ではバックオーダーはしばしば単なる不便ですが、ヘルスケアでの供給中断は深刻な結果を招きます。ハリケーン・マリアを例に取ると、プエルトリコ直撃で島内の50社以上のメーカー操業に悪影響を与え、輸液バッグ供給業者も含まれました。生理食塩水バッグ不足で全米のプロバイダーが代替品確保に奔走しました。グループ購買機構プレミアは、FDAに医療機器メーカーへの潜在的不足通知義務化を要請しました。AIはプロバイダーがバックオーダーと品切れを予測するのを助けるだけでなく、メーカーが極めて複雑なサプライチェーン全体でデータを収集し、混乱をより良く予測し、是正措置を講じ、顧客が代替品を特定するのを支援するためにも展開できます。

タスク自動化

ロボティック・プロセス・オートメーション（RPA）は、特に請求処理周辺でヘルスケアでの利用が増加しているAIの一形態です。RPAはソフトウェアロボットを用いて反復タスクを自動化・標準化し、人員をより付加価値の高い業務へ解放します。サプライチェーンでは、契約管理タスクの自動化、例えば価格チェックや契約条項による調達システム自動入力にRPAが使われています。

AIの依存関係

多くの新技術と同様、AIが臨床・運用・財務パフォーマンス、患者と臨床医体験を改善できることへの大きな期待がある一方で、AIが約束を果たすために何が必要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領域の一つはデータガバナンスです。AIの美点は、人間なら相当な時間を要する（あるいは不可能な）パターンと隠れた相関を大量データから特定できることです。また、問題解決に何らかの影響があると疑われる幅広い変数をAIエンジンに投入できます。しかし、ツールの洗練度にかかわらず、「ガベージイン、ガベージアウト」の古い格言は依然として当てはまります。AIイニシアチブを開始する前に、十分なデータ（おそらく異なるソースから引き出される）があり、そのデータが明確に定義されたデータポリシー、標準、定義、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、意思決定をどこまでAIで拡張するか、すなわちシステムに洞察と推奨を出させ人間が最終判断するか、完全に自動化するかを検討してください。AIの魔法と謎は、システムがどのように決定するかの透明性の欠如にあります。継続的に学習し、異なる変数の選択・重み付け・関連付けの仕方を変えながら結論に至るからです。システムへの信頼——特に患者ケア決定を扱う場合——が確立されて初めて、システムが人間の介入なしに決定し行動するAIアプリケーションへ移行すべきです。

AIと機械学習のヘルスケアにおける潜在力は畏敬の念を抱かせるものです。特に日々生成される急速に拡大する知識の富をどう活用するかを考えると。一方で、ヘルスケアの様々な側面にAIを最適に適用する方法について、まだ学ぶべきことは多くあります。AIに導かれ新たな高みを目指す際、AIが築かれる基盤を忘れないことが重要です。あなたの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、見かけ上、限界ではありません。

カレン・コンウェイ氏はGHXのヘルスケアバリュー担当バイスプレジデントです。