Медицина и управление здравоохранением: стратегические исследования в области высокоточного управления здравоохранением на основе искусственного интеллекта
DOI:
https://doi.org/10.25726/g4236-5253-1367-mКлючевые слова:
Искусственный интеллект, прецизионное здравоохранение, прогнозная аналитика, управление медицинскими услугами, поддержка принятия клинических решений, наука о внедрении, информационные системы здравоохраненияАннотация
Искусственный интеллект (ИИ) меняет архитектуру современного управления медицинскими службами, направляя клинические и административные системы в сторону прецизионной парадигмы, которая повышает эффективность лечения при одновременной экономии ограниченных ресурсов. В этом исследовании разрабатывается и тестируется интегративная структура для прецизионного управления с использованием ИИ в разнородных организационных условиях. Объединив обзор литературы на основе PRISMA, сравнительный анализ 17 медицинских учреждений, количественный анализ 23 проектов внедрения и 24-месячный лонгитюдный мониторинг, исследование демонстрирует, что учреждения, оснащенные согласованными механизмами управления с использованием искусственного интеллекта, достигают на 37,4% более высоких клинических результатов и на 42,8% более высокой операционной эффективности, чем аналогичные учреждения, использующие ИИ фрагментированные стратегии. Объединение прогностической аналитики корпоративного уровня с платформами поддержки принятия клинических решений повышает точность диагностики (p 0,001) и снижает частоту нежелательных явлений на 28,6%. Точные системы управления приемом лекарств снижают количество ошибок при назначении лекарств на 31,2% и осложнений, связанных с приемом лекарств, на 26,8%. Однако существующие барьеры – недостаточная совместимость, нехватка квалифицированных кадров и нерешенные этические и нормативные дилеммы – снижают эти преимущества. Предлагаемые стратегические рамки сочетают технологические инновации с опытом работы с персоналом и надежными гарантиями управления, ускоряя переход к непрерывному обучению систем здравоохранения, способных улучшать результаты при одновременном оптимизировании распределения ресурсов.Библиографические ссылки
Beam A.L., Kohane I.S. Big data and machine learning in health care // Journal of the American Medical Association. 2018. Vol. 319. № 13. pp. 1317-1318.
Buch V.H., Ahmed I., Maruthappu M. Artificial intelligence in medicine: current trends and future possibilities // British journal of general practice. 2018. Vol. 68. № 668. pp. 143-144.
Char D.S., Shah N.H., Magnus D. Implementing machine learning in health care – addressing ethical challenges // The new england journal of medicine. 2018. Vol. 378. № 11. pp. 981-983.
Esteva A., Kuprel B., Novoa R.A. Dermatologist-level classification of skin cancer with deep neural networks // Nature. 2017. Vol. 542. № 7639. pp. 115-118.
Gulshan V., Peng L., Coram M. Development and validation of a deep learning algorithm for detection of diabetic retinopathy in retinal fundus photographs // Journal of the American Medical Association. 2016. Vol. 316. № 22. pp. 2402-2410.
Haenssle H.A., Fink C., Schneiderbauer R. Man against machine: diagnostic performance of a deep learning convolutional neural network for dermoscopic melanoma recognition in comparison to 58 dermatologists // Annals of oncology. 2018. Vol. 29. № 8. pp. 1836-1842.
Hinton G. Deep learning – A technology with the potential to transform health care // Journal of the American Medical Association. 2018. Vol. 320. № 11. pp. 1101-1102.
Maddox T.M., Rumsfeld J.S., Payne P.R.O. Questions for Artificial intelligence in health care // Journal of the American Medical Association. 2019. Vol. 321. № 1. pp. 31-32.
Naylor C.D. On the Prospects for a Deep Learning Health Care System // Journal of the American Medical Association. 2018. Vol. 320. № 11. pp. 1099-1100.
Obermeyer Z., Powers B., Vogeli C., Mullainathan S. Dissecting racial bias in an algorithm used to manage the health of populations // Science. 2019. Vol. 366. № 6464. pp. 447-453.
Parikh R.B., Obermeyer Z., Navathe A.S. Regulation of predictive analytics in medicine // Science. 2019. Vol. 363. № 6429. pp. 810-812.
Rajkomar A., Dean J., Kohane I. Machine learning in medicine // The new England journal of medicine. 2019. Vol. 380. № 14. pp. 1347-1358.
Shortliffe E.H., Sepulveda M.J. Clinical decision support in the era of Artificial intelligence // Journal of the American Medical Association. 2018. Vol. 320. № 21. pp. 2199-2200.
Topol E.J. Deep medicine: how Artificial intelligence can make healthcare human again. NY: Basic Books, 2019.
Yu K.H., Beam A.L., Kohane I.S. Artificial intelligence in healthcare // Nature biomedical engineering. 2018. Vol. 2. № 10. pp. 719-731.