人工智能在医疗保健供应链中的潜力

对人工智能 (AI) 的潜在用途不乏热情或预测。

Grand View Research 估计，2017 年至 2025 年间，全球人工智能市场将以 57% 的复合年增长率增长，达到 360 亿美元。 Forrester 预测，2020 年是高管们将重点放在如何推动和衡量他们在 AI 上的投资价值的一年。

医疗保健也不例外。 Optum 最近对医疗保健高管进行的一项调查发现，不仅人工智能的使用在增加，而且大多数高管预计他们的投资回报比最初预期的要快。

这些崇高的预测中缺少的是关于确保人工智能能够兑现其承诺所需的内容的更实质性讨论，例如数据治理和管理的重要性。与改进疾病诊断和药物开发等其他领域相比，关于人工智能和机器学习在医疗保健供应链中可以发挥的作用的讨论也较少。但是，当您停下来思考人工智能如何应用于医疗保健的其他领域时，您就会开始看到对供应链的影响和机遇。

预测分析。 AI 更令人兴奋的应用之一是使用基因组学，结合其他患者的临床、社会和行为因素来预测未来的疾病状态和医疗保健治疗，例如患者是否可能会经历心血管事件或需要膝盖替代品。在个体患者层面，供应链的下游相关性相对较小。但是考虑一下如果我们拥有整个患者群体的数据会发生什么——比如那些由医疗保健系统或负责任的医疗机构提供服务的人。这是否有助于预测需要的产品类型和数量，包括何时何地，同时向制造商和分销商提供有价值的需求信号？

需求匹配。 随着产品在常规临床实践中的表现以及根据特定患者群体的需求重新设计护理途径的更多数据，越来越需要将合适的产品与合适的患者相匹配。人工智能可以发挥重要作用，了解什么对什么样的患者最有效，并利用这些数据进行价值分析和采购，以及确保将合适的产品放在合适的位置。

物流优化。 专注于患者流动的人工智能公司正在利用第三方物流公司（例如 UPS）常用的工具来绘制最快的救护车路线，将患者运送到医院或其他护理提供地点。为什么不部署这些相同的技术来帮助医疗保健供应链专业人员应对急诊护理环境之外的护理迁移？ AI 可以帮助确定最佳运输方式、频率和路线，将产品和护理人员运送到数量迅速增加的需要他们的地点，从家庭和零售诊所到紧急护理和门诊手术中心。

供应连续性。 最近的事件——从自然灾害和传染病爆发到产品召回和消毒设施关闭——增加了对供应连续性中断所带来的挑战的关注。与零售业不同，缺货通常只是一种不便，而医疗保健领域的供应中断可能会产生严重后果。以飓风玛丽亚为例。风暴袭击波多黎各时，对岛上 50 多家不同制造商的运营产生了负面影响，其中包括供应静脉输液袋的制造商。盐水袋的短缺使美国各地的供应商争先恐后地寻找替代品。团购组织 Premier 最近呼吁美国食品和药物管理局要求医疗器械制造商就潜在的短缺情况进行沟通。人工智能不仅可以帮助供应商预测缺货和缺货，还可以帮助制造商在其高度复杂的供应链中收集数据，以更好地预测中断、采取纠正措施并帮助客户确定替代方案。

任务自动化。 机器人流程自动化 (RPA) 是一种 AI 形式，越来越多地用于医疗保健，尤其是在索赔处理方面。 RPA 使用软件机器人来自动化和标准化重复性任务，让人员腾出时间从事更多增值工作。对于供应链，RPA 被用于自动化合同管理任务，例如检查定价和使用合同条款填充采购系统。

人工智能依赖。 与许多新技术一样，人们对人工智能可以做些什么来改善临床、运营和财务绩效以及患者和临床医生的经验感到相当兴奋。与此同时，关于需要采取哪些措施来确保人工智能兑现其承诺的讨论相对较少。

最被低估的领域之一是数据治理。人工智能的美妙之处在于它可以分析大量数据来识别模式和隐藏的相关性，否则人类需要更长的时间来破译，如果有的话。它还允许用户为 AI 引擎提供范围广泛的变量，即使是那些您只怀疑可能与您要解决的问题有关的变量。但是，尽管该工具很复杂，但古老的格言 - 垃圾进，垃圾出 - 仍然适用。在启动 AI 计划之前，请确保您拥有足够的数据（可能来自不同来源），并且数据符合明确定义的数据政策、标准、定义和流程。

最后，考虑您希望在多大程度上利用人工智能来增强决策制定，即是否允许系统提供见解和建议，而人类仍然做出最终选择，还是完全自动化决策。人工智能的神奇之处在于系统如何做出决策缺乏透明度，因为它不断学习和改变它如何选择、权衡和关联不同变量以得出结论。只有当您对系统产生信任时——尤其是在处理患者护理决策时——您才应该转向 AI 应用，在这种应用中，系统可以在没有人工干预的情况下做出决策并采取行动。

人工智能和机器学习在医疗保健领域的潜力令人惊叹，尤其是当我们考虑如何利用每天产生的快速增长的知识财富时。另一方面，关于如何最好地将人工智能应用于医疗保健的各个方面，还有很多东西需要学习。当我们渴望在 AI 的指导下达到新的高度时，重要的是要记住构建 AI 的基础。您的 AI 计划是否基于准确、完整、标准化和规范化的数据？如果是这样，那么天空似乎就是极限。

Karen Conway 是 GHX 医疗保健价值副总裁。