의료 공급망에서 AI의 잠재력

인공 지능(AI)의 잠재적 사용에 대한 열정이나 예측이 부족합니다.

Grand View Research는 전 세계 AI 시장이 2017년에서 2025년 사이에 연평균 57%씩 성장하여 360억 달러에 이를 것으로 추정합니다. Forrester는 2020년이 경영진이 AI에 대한 투자 가치를 주도하고 측정하는 방법에 집중할 해라고 예측합니다.

헬스케어도 예외는 아니다. 최근 Optum에서 실시한 의료 경영진에 대한 설문 조사에 따르면 AI 사용이 증가하고 있을 뿐만 아니라 대부분의 경영진이 처음 예상했던 것보다 더 빠른 투자 수익을 기대하고 있는 것으로 나타났습니다.

이러한 높은 예측에서 빠진 것은 데이터 거버넌스 및 관리의 중요성과 같이 AI가 약속을 이행할 수 있도록 하는 데 필요한 사항에 대한 보다 실질적인 논의입니다. 또한 개선된 질병 진단 및 약물 개발과 같은 다른 영역에 비해 AI 및 기계 학습이 의료 공급망에서 수행할 수 있는 역할에 대한 대화가 적습니다. 그러나 AI가 의료의 다른 곳에 어떻게 적용되고 있는지 생각해보면 공급망에 대한 의미와 기회가 보이기 시작합니다.

예측 분석. AI의 보다 흥미로운 응용 프로그램 중 하나는 다른 환자의 임상, 사회 및 행동 요인과 결합된 유전체학을 사용하여 환자가 심혈관 사건을 경험할 가능성이 있거나 무릎이 필요한지 여부와 같은 미래 질병 상태 및 의료 치료를 예측하는 것입니다. 바꿔 놓음. 개별 환자 수준에서 공급망에 대한 다운스트림 관련성은 상대적으로 거의 없습니다. 그러나 전체 환자 모집단에 대한 데이터가 있는 경우 어떤 일이 발생할 수 있는지 생각해 보십시오. 제조업체와 유통업체에 가치 있는 수요 신호를 제공하면서 언제 어디서 필요한지 포함하여 필요할 제품의 유형과 양을 예측하는 데 도움이 될까요?

요구 일치 제품이 일상적인 임상 실습에서 어떻게 작동하는지에 대한 더 많은 데이터와 특정 환자 집단의 요구에 따라 치료 경로를 재설계하려는 움직임으로 인해 올바른 제품을 올바른 환자에게 연결해야 할 필요성이 증가하고 있습니다. AI는 어떤 종류의 환자에게 가장 효과적인지 이해하는 데 중요한 역할을 할 수 있으며, 이 데이터를 가치 분석 및 소싱에 활용하고 올바른 제품이 올바른 위치에 있는지 확인합니다.

물류 최적화. 환자 흐름에 중점을 둔 AI 지원 회사는 UPS와 같은 제3자 물류 회사에서 일반적으로 배포하는 도구를 활용하여 환자를 병원이나 기타 진료 제공 장소로 이송하는 가장 빠른 구급차 경로를 표시합니다. 의료 공급망 전문가가 급성 치료 환경 외부로 의료를 이전하는 데 어려움을 겪을 때 이와 동일한 기술을 배포하여 지원하지 않는 이유는 무엇입니까? AI는 가정 및 소매 클리닉에서 긴급 치료 및 외래 수술 센터에 이르기까지 제품과 간병인을 필요로 하는 빠르게 확장되는 위치로 이동하기 위한 최상의 운송 방법, 빈도 및 경로를 결정하는 데 도움이 될 수 있습니다.

공급 연속성. 자연 재해 및 전염병 발생에서 제품 회수 및 멸균 시설 폐쇄에 이르기까지 최근 사건으로 인해 공급 연속성 중단으로 인해 발생하는 문제에 대한 관심이 높아졌습니다. 이월 주문이 종종 불편을 초래하는 소매 산업과 달리 의료 분야의 공급 차질은 심각한 결과를 초래할 수 있습니다. 허리케인 마리아를 예로 들어 보겠습니다. 폭풍이 푸에르토리코를 강타했을 때 IV 백을 공급하는 제조업체를 포함하여 섬에 있는 50개 이상의 제조업체의 운영에 부정적인 영향을 미쳤습니다. 식염수 백의 부족으로 인해 미국 전역의 공급자는 대안을 찾기 위해 분주하게 움직였습니다. 그룹 구매 조직인 프리미어(Premier)는 최근 미국 식품의약국(FDA)에 의료기기 제조업체가 잠재적인 부족에 대해 알릴 것을 요구했습니다. AI는 공급업체가 이월 주문과 품절을 예측하는 데 도움이 될 뿐만 아니라 제조업체가 매우 복잡한 공급망에서 데이터를 수집하여 중단을 더 잘 예측하고, 시정 조치를 취하고, 고객이 대안을 식별하는 데 도움을 주기 위해 배치될 수 있습니다.

작업 자동화. 로봇 프로세스 자동화(RPA)는 의료, 특히 청구 처리와 관련하여 점점 더 많이 사용되고 있는 AI의 한 형태입니다. RPA는 소프트웨어 로봇을 사용하여 반복적인 작업을 자동화하고 표준화하여 직원이 더 많은 부가가치 작업을 수행할 수 있도록 합니다. 공급망의 경우 RPA는 가격 확인 및 계약 조건으로 조달 시스템 채우기와 같은 계약 관리 작업을 자동화하는 데 사용됩니다.

AI 종속성. 많은 새로운 기술과 마찬가지로 AI가 환자 및 임상의 경험과 함께 임상, 운영 및 재무 성과를 개선하기 위해 무엇을 할 수 있는지에 대해 상당한 흥분이 있습니다. 동시에 AI가 약속을 이행하도록 하기 위해 무엇을 마련해야 하는지에 대한 논의는 상대적으로 거의 없습니다.

가장 과소평가된 영역 중 하나는 데이터 거버넌스입니다. AI의 장점은 많은 양의 데이터를 분석하여 패턴과 숨겨진 상관 관계를 식별할 수 있다는 것입니다. 그렇지 않으면 인간이 해독하는 데 훨씬 더 오래 걸릴 수 있습니다. 또한 사용자는 AI 엔진에 광범위한 변수를 제공할 수 있습니다. 심지어 해결하려는 문제와 관련이 있다고 의심되는 변수도 있습니다. 그러나 도구의 정교함에도 불구하고 오래된 격언(쓰레기 입력, 가비지 출력)은 여전히 ​​적용됩니다. AI 이니셔티브를 시작하기 전에 충분한 데이터(다른 소스에서 가져온 것)가 있는지, 데이터가 잘 정의된 데이터 정책, 표준, 정의 및 프로세스를 준수하는지 확인하십시오.

마지막으로, 의사 결정을 강화하기 위해 AI를 어느 정도 활용하고 싶은지, 즉 인간이 여전히 최종 선택을 하는 동안 시스템이 통찰력과 권장 사항을 제공하도록 허용할지 또는 의사 결정을 완전히 자동화할지 고려하십시오. AI의 마법과 신비는 시스템이 결정을 내리는 방법에 대한 투명성이 결여되어 있다는 점입니다. 시스템은 결론에 도달하기 위해 다양한 변수를 선택하고, 평가하고, 연결하는 방법을 지속적으로 배우고 변경하기 때문입니다. 특히 환자 치료 결정을 다룰 때 시스템에 대한 신뢰를 갖게 된 경우에만 시스템이 사람의 개입 없이 결정을 내리고 조치를 취하는 AI 애플리케이션으로 이동해야 합니다.

의료 분야에서 AI 및 기계 학습의 잠재력은 특히 매일 생성되는 빠르게 확장되는 풍부한 지식을 활용하는 방법을 고려할 때 경외심을 불러일으킵니다. 반면, 의료의 다양한 측면에 AI를 적용하는 최선의 방법에 대해서는 아직 배울 것이 많습니다. AI가 이끄는 새로운 차원을 열망할 때 AI가 구축된 기반을 기억하는 것이 중요합니다. 귀하의 AI 이니셔티브는 정확하고 완전하며 표준화되고 정규화된 데이터를 기반으로 합니까? 그렇다면 하늘이 한계인 것 같습니다.

Karen Conway는 GHX의 의료 가치 담당 부사장입니다.