Экономика искусственного интеллекта: возможности и проблемы использования в здравоохранении
Лукичёв П.М.1, Чекмарев О.П.2
1 Балтийский государственный технический университет "ВОЕНМЕХ" им. Д.Ф. Устинова, Россия, Санкт-Петербург
2 Санкт-Петербургский государственный аграрный университет, Россия, Санкт-Петербург
Скачать PDF | Загрузок: 32 | Цитирований: 6
Статья в журнале
Вопросы инновационной экономики (РИНЦ, ВАК)
опубликовать статью | оформить подписку
Том 12, Номер 2 (Апрель-июнь 2022)
Эта статья проиндексирована РИНЦ, см. https://elibrary.ru/item.asp?id=48939618
Цитирований: 6 по состоянию на 30.01.2024
Аннотация:
В современных условиях использование искусственного интеллекта происходит, преимущественно, в сфере цифровой экономики. Настоящий прорыв в применении искусственного интеллекта будет достигнут тогда, когда его технологии будут распространены на традиционные отрасли экономики, включая медицину. Авторы используют анализ «Издержки – Выгоды» для оценки эффективности искусственного интеллекта в здравоохранении, выявляя три проблемы его применения. В качестве методологической основы исследования были использованы научные и практические работы российских и зарубежных ученых в области экономики искусственного интеллекта в здравоохранении. Разделение в анализе на краткосрочный период и долгосрочный период необходимо для изучения последовательности шагов применения технологий искусственного интеллекта в медицинской сфере и оценки краткосрочных и долгосрочных издержек и выгод его использования. Применение алгоритмов искусственного интеллекта в краткосрочном периоде помогает разрешить «узкие места» в сегодняшнем здравоохранении. В долгосрочном периоде искусственный интеллект кардинально модифицирует взаимоотношения врачей и пациентов за счёт усиления командной работы, изменения организационной структуры процесса лечения, дистанционного мониторинга за состоянием больных, и, в целом, переход от традиционной медицины, как «закрытой» системы, к «открытой» модели здравоохранения. Результаты исследования могут быть полезны специалистам в сфере искусственного интеллекта, ученым, сферой научных интересов которых является изучение процессов совершенствования экономики здравоохранения
Ключевые слова: Экономика искусственного интеллекта, искусственный интеллект (ИИ), применение искусственного интеллекта в здравоохранении, издержки применения искусственного интеллекта в медицине, экономика здравоохранения
JEL-классификация: O33, O32, I15, I11
Введение
Тема «Экономика искусственного интеллекта» является новым направлением экономической науки, и она означает применение методов экономического анализа к использованию технологий искусственного интеллекта (ИИ) в бизнесе. Особенно актуально исследование возможностей использования технологий ИИ не вообще, а в конкретных отраслях экономики, таких как, например, здравоохранение. Изучение современной научной литературы по теме показало неоднозначные результаты. В современных российских публикациях применению искусственного интеллекта в здравоохранении уделяется достаточно много внимания [1] (Blokhin, Morozov, Chernina, Andreychenko, Shakhabov, Smyshlyaev, Gombolevskiy, 2021), [2] (Komar, Dmitriev, Ledyaeva, Shaderkin, Zelenskiy, 2021), [3] (Mazhey, Svishchyov, 2021), [4] (Milkova, 2021), [5] (Nenasheva, 2019), [6] (Ermakova, Kovyazin, 2020). Однако все исследования посвящены преимущественно технологическим аспектам. Авторы ряда статей акцентируют внимание на правовых и патентных проблемах применения искусственного интеллекта [7] (Ivanova, 2021), [8] (Kurakova, Tsvetkova, Cherchenko, 2020), [9] (Erivantseva, Blokhina, 2021). Только в статье Колесниченко О.Ю., Колесниченко Ю.Ю., Литвак Н.Д. [10, с. 25, 27–29] (Kolesnichenko, Kolesnichenko, Litvak, 2018, р. 25, 27–29), рассматриваются экономические и организационные тренды использования ИИ в медицине будущего. Но эта работа 2018 года, и она изучает самые общие аспекты темы. В зарубежной литературе рассмотрение вопросов экономики искусственного интеллекта в здравоохранении делает только первые шаги. Так, в статье Купер Х. и др. [11, с. 394–396] (Kuper, Jofre-Bonet, Gilbert, 2006, р. 394–396) ставится вопрос о необходимости разделения затрат в экономике здравоохранения на затраты поставщика и затраты общества. В исследовании Браун М. и др. отмечается необходимость разграничения затрат на ИИ и выгод от последствий применения ИИ [12, с. 207–210] (Brown, Brown, Sharma, Landy, 2003, р. 207–210). В статье Хэ Ц. и др. анализируют методы экономической оценки применения искусственного интеллекта в здравоохранении [13] (He, Baxter, Xu, 2019). Руамвибоонсук П. и др. также проводят сравнительный анализ методов экономической оценки использования технологий искусственного интеллекта в здравоохранении, делая акцент на методе минимизации затрат и на методе анализа затрат и выгод [14] (Ruamviboonsuk, Chantra, Seresirikachorn, Ruamviboonsuk, Sangroongruangsri, 2021). В работе Ли Д., Юн С.Н. ставится вопрос о возможной смене организационной структуры здравоохранения как последствии расширения использования ИИ [15] (Lee, Yoon, 2021). Эти разрозненные положения нуждаются в обобщении и постепенном формировании концепции применения искусственного интеллекта в здравоохранении. Гипотеза исследования. Существующие исследования в области экономики ИИ посвящены его применению преимущественно в секторах телекоммуникаций, услуг программного обеспечения и производства электроники и сконцентрированы в крупнейших по размерам компаниях. Цель статьи: оценить перспективность использования технологий искусственного интеллекта в традиционных отраслях экономики и, в частности, в здравоохранении, а также повысить понимание россиянами значимости экономических аспектов применения ИИ в здравоохранении. Научная новизна связана с выявлением экономической специфики использования ИИ в здравоохранении, с разделением краткосрочного периода и долгосрочного периода в оценке издержек и выгод применения искусственного интеллекта в здравоохранении, с обнаружением основных влияний использования ИИ на будущее рынка труда в здравоохранении, с обоснованием перехода от «закрытой» системы к «открытой» системе управления здравоохранением.
Наиболее общим подходом, используемым экономистами для оценки эффективности того или иного производства, процесса или услуги, является подход «издержки – выгоды». Например, фирмы, сопоставляя издержки на производство и сбыт товара с доходом от его реализации, стремятся произвести только ту продукцию, которая приносит прибыль. Применение к ИИ этого общего подхода сталкивается с тремя сложными проблемами. Первая связана с тем, что на сегодняшний день отсутствует точное определение искусственного интеллекта и общепринятое понимание того, что представляет собой ИИ. Так, Мутаса С. и лр. считают, что искусственный интеллект (ИИ) – это широкий зонтичный термин, используемый для обозначения широкого круга областей, посвященных созданию алгоритмов для выполнения задач, имитирующих человеческий интеллект [16] (Mutasa, Sun, Ha, 2020). В свою очередь, Шахин М.Ю. утверждает, что ИИ – это способность компьютерной программы выполнять задачи или мыслительные процессы, которые мы обычно отождествляем с интеллектом человека [17] (Shaheen, 2021). Неслучайно, Дамиоли Г. и др. отмечают, что «общим для большинства научных исследований, связанных с ИИ, является отсутствие точного и общепринятого определения искусственного интеллекта» [18] (Damioli, Van Roy, Vertesy, 2021).
Официальные документы тоже не дают объективной основы. Например, в соответствии с указом Президента РФ, искусственный интеллект – комплекс технологических решений, позволяющий имитировать когнитивные функции человека (включая самообучение и поиск решений без заранее заданного алгоритма) и получать при выполнении конкретных задач результаты, как минимум сопоставимые с результатами интеллектуальной деятельности человека [19]. До этого в 2017 г. в Стратегии развития информационного общества в РФ на 2017–2030 годы ИИ характеризовался как программные системы и алгоритмы, главной особенностью которых выступает способность решения определенных задач аналогично тому, как это делает человек [20]. ОЭСР, в свою очередь, предлагает следующее определение: «Система ИИ – это машинная система, которая может для заданного набора целей, определенных человеком, делать прогнозы, рекомендации или решения, влияющие на реальную или виртуальную среду» [21].
Перспективность использования искусственного интеллекта не вызывает сомнений. Городнова Н.В. показывает возможности применения алгоритмов ИИ в сегодняшнем бизнесе и в бизнесе ближайшего будущего [22] (Gorodnova, 2021). Вместе с тем возникают экономические проблемы применения ИИ: насколько эффективно его можно «встроить» в существующие бизнес-технологии, или же он должен изменить существующие бизнес-процессы? Как изменение бизнес-технологий скажется на взаимоотношениях «человек – машина», на организационной структуре производства и потребления, на формировании рынка труда будущего [23] (Lukichev, 2021), на требованиях, предъявляемых к «твердым» навыкам и к «мягким» навыкам работника будущего.
Вторая проблема связана с тем, что на сегодняшний день невозможно точно оценить выгоды от применения искусственного интеллекта ни на уровне предприятия, ни на уровне отрасли, ни на уровне народного хозяйства. На новом витке развития проявляются опасения, синтезированные в популярном парадоксе нобелевского лауреата Солоу Р.: «Компьютерный век можно увидеть повсюду, но не в статистике производительности» [24].
В России по отраслям экономики и социальной сферы наблюдается сильная дифференциация по уровню востребованности технологий ИИ. В числе лидеров – услуги и потребительский сегмент. Наиболее интенсивно ИИ используется в организациях финансового сектора (22,8%) и торговли (13%) [25]. Мировой опыт также подтверждает сильную дифференциацию применения искусственного интеллекта по отраслям. Разработки ИИ в основном сосредоточены в секторах телекоммуникаций, услуг программного обеспечения и производства электроники. Настоящий прорыв произойдет, когда искусственный интеллект станет широко применяться в традиционных сферах.
Третья проблема связана с тем, что существуют устойчивые отраслевые особенности оценки издержек и выгод применения технологий искусственного интеллекта в разных сферах экономики. В частности, в медицине использование ИИ несет не только экономические, но и социальные выгоды. Например, экономические оценки ИИ в офтальмологии могут включать изменения в качестве жизни (к примеру, предотвращение слепоты), которые выгодны на основе медицины, основанной на ценности [12] (Brown, Brown, Sharma, Landy, 2003).
Искусственный интеллект и здравоохранение
Пандемия COVID-19 существенно увеличила затраты фирм на персонал, особенно связанный с непосредственным контактом с клиентами, и воздействовала на сферу медицины, меняя взаимоотношения между врачами и пациентами. Применение искусственного интеллекта играет ключевую роль в расширении этих изменений. Однако помимо технологических проблем все более важную роль играют экономические аспекты.
Данные из Global Health Expenditure Database of the World Health Organization (Глобальной базы данных расходов на здравоохранение Всемирной организации здравоохранения) показали, что глобальные расходы на здравоохранение продолжали расти с 7,6 трлн долларов в 2016 году до 7,8 трлн долларов в 2017 году, а затем до 8,3 трлн долларов в 2018 году. Эта сумма в 2018 году составила 1110,81 доллара США на душу населения – 9,85% мирового валового внутреннего продукта [26]. Глобальные расходы на здравоохранение более чем удвоились в реальном выражении за последние два десятилетия и достигли 8,5 трлн долларов США в 2019 г., или 9,8% мирового ВВП [27]. Данные Organization for Economic Cooperation and Development (OECD) (Организации экономического сотрудничества и развития (ОЭСР) также показали, что текущая тенденция глобальных расходов на здравоохранение выросла в среднем на 2,0% в 2017 г., 2,5% в 2018 г. и 2,4% в 2019 г. [28]. Более того, рост расходов в здравоохранении на душу населения был выше роста экономики.
Использование ИИ способно во многом уменьшить эти расходы. Например, Accenture (крупнейшая американская консалтинговая компания) изучила ценность нескольких многообещающих приложений ИИ и обнаружила, что к 2026 году они могут обеспечить до 150 миллиардов долларов ежегодной экономии для здравоохранения США [29]. Таким образом, если применение технологий искусственного интеллекта позволит сократить или хотя бы стабилизировать рост затрат в медицине, то это станет громадным выигрышем для человечества.
Затраты на применение ИИ в медицине следует разделить на затраты в краткосрочном периоде и на затраты в долгосрочном периоде. Последние содержат, прежде всего, расходы на техническое обслуживание, включая затраты на увеличение объемов данных пациентов, на обновления программных алгоритмов и на поддержание работоспособности аппаратного обеспечения в долгосрочной перспективе. Затраты краткосрочного периода должны включать в себя затраты на инвестиции в ходе исследований, разработок и валидации; затраты на аппаратное обеспечение, инфраструктуру информационных технологий и операторов-людей [13] (He, Baxter, Xu, 2019). Также следует учесть затраты на сбор, подготовку, сортировку и маркировку данных.
Применение искусственного интеллекта в здравоохранении
в краткосрочном периоде
В краткосрочном периоде применение ИИ может «расшить» узкие места сегодняшней медицины. Это касается нескольких аспектов: а) более эффективное использование телемедицины; б) более точная диагностика некоторых болезней; в) сокращение рутинных обязанностей медицинского персонала, позволяющих ему уделять больше времени и внимания пациентам; г) мониторинг за состоянием больных во время и после прохождения курса лечения.
В американской системе медицинского обслуживания населения пандемия COVID-19 интенсифицировала акцент на телемедицине. В первую волну пандемии в США она составила 69% посещений пациентами врачей. С известным запаздыванием во времени эти же процессы будут развиваться и в других странах, включая Россию. Многие страны предприняли организационные и правовые усилия по расширению применения телемедицины. Так, Европейский парламент и Европейский совет недавно объявили о программе EU4Health, призванной стимулировать обмен цифровыми медицинскими картами, электронными рецептами и телемедициной в целом. Саудовская Аравия реализует стратегию, включающую приложения для смартфонов и сеть для соединения специализированных учреждений с центрами первичной медико-санитарной помощи и больницами в отдаленных районах [30, с. 88].
Телемедицина в отличие от традиционной медицины меняет формат оказания помощи, оставляя практически неизменной роль врачей. В то же время функции младшего медицинского персонала и обслуживающего персонала становятся менее востребованными. Потребность в медсестрах может еще сократиться, если будут предприняты инвестиции (и пациентами, и врачами) в подключенные к Интернету устройства, такие как термометры, пальцевые пульсоксиметры, манжеты для измерения артериального давления, цифровые стетоскопы и устройства для электрокардиографии [31, 32],
Дальнейшее развитие телемедицины, основанной на использовании ИИ, может позволить предоставлять медицинские услуги из других стран, что до сих пор было затруднительно, и, следовательно, снизить спрос на врачей в странах с высоким уровнем дохода [33] (Baldwin, 2019). Таким образом, ожидаются серьезные изменения на медицинском рынке труда. Если на первом этапе применение телемедицины сокращает потребность в младшем медицинском персонале и в обслуживающем персонале, то в последующем оно снижает издержки на оплату врачей. По оценкам Всемирной организации здравоохранения, несмотря на то, что мировая экономика создаст 40 миллионов дополнительных рабочих мест в секторе здравоохранения к 2030 году, в тот же период все еще будет нехватка 9,9 миллионов врачей, медсестер и акушерок [34]. Учитывая прогноз ВОЗ, применение ИИ в телемедицине может сыграть значительную роль в сбалансировании рынка труда медицинской сферы.
Эту же тенденцию выделяют и российские авторы. Так, Ермакова С.Э. и Ковязин И.Е. отмечают, что искусственный интеллект или роботы, которые могут имитировать онколога-диагноста, хирурга или сиделку для пациента, постепенно заменяют человека в сфере здравоохранения. Искусственный интеллект в виде роботов становится компаньоном для одиноких пенсионеров и конкурирует с квалифицированными специалистами в точности постановки клинических диагнозов, а также в проведении сложных хирургических вмешательств [6] (Ermakova, Kovyazin, 2020). Авторы, поддерживая эту тенденцию, находят, что в краткосрочном периоде ее действие крайне затруднено.
Внедрение роботов, обслуживающих пожилых людей, тормозится помимо технологических проблем тем, что пенсионеры хотят общаться с людьми, а не с роботами. В Японии существует сложная культура обслуживания, которую машины пытаются воспроизвести. Вместе с тем, по утверждению Й. Такеда, из исследовательского института Mitsubishi японские клиенты, особенно пожилые люди, сильно предпочитают людей машинам [35] (Lukichyov, 2019). В США сейчас единственная сфера, где уровень оплаты труда возрос выше уровня инфляции, это сфера ухода за больными и пожилыми людьми.
Использование искусственного интеллекта для диагностики некоторых болезней даст как медицинский эффект, так и экономический эффект, сократив издержки за счет уменьшения количества ошибок врачей, облегчения своевременной диагностики и принятия мер до того, как ситуация станет серьезной. Сегодня устройства с использованием ИИ продемонстрировали большую точность и более быструю способность, чем люди, в анализе и расшифровке маммограмм, что позволяет значительно раньше идентифицировать рак молочной железы, а также в распознавании переломов позвонков – раннего признака начального остеопороза, который часто упускают из виду при диагностике у людей. Последнее, как отмечает Шахин М.Ю., может значительно снизить расходы для служб здравоохранения в таких случаях, как остеопороз [17] (Shaheen, 2021).
Применение технологии, основанной на искусственном интеллекте (ИИ), такой как чат-бот Babylon Health, предвещает возможное будущее, в котором медицинские функции, традиционно выполняемые врачами, также могут быть автоматизированы. Это снизит спрос на рабочую силу и создаст совершенно новый набор потенциальных проблем [36].
Барнс Р., Зварикова К. сделали вывод на основе проведенного исследования 6 200 респондентов, что уже сейчас медики могут осуществлять постоянный удаленный мониторинг за состоянием больных после лечения, используя «прогностическую аналитику больших данных, сети датчиков тела, медицинские носимые устройства, системы поддержки принятия решений и приложения для беспроводных датчиков» [37].
Вместе с тем подчеркнем опасности, которые уже в краткосрочном периоде несет применение в медицине ИИ, – возникновение «эффекта суперзвезд» [38]. Коринек А., Стиглиц Дж. Э. приводят пример радиологии. Если одна из ведущих мировых компаний, занимающихся медицинской визуализацией, разработает систему искусственного интеллекта, которая сможет считывать и надежно интерпретировать маммограммы лучше, чем люди, она станет «суперзвездой» в этом секторе и вытеснит задачу чтения маммограмм для тысяч рентгенологов. Поскольку стоимость обработки дополнительного набора изображений близка к нулю, любая прибыль после того, как первоначальные инвестиции в систему окупятся, принесет высокую прибыль, и компания, скорее всего, будет получать существенные экономические выгоды, по крайней мере до тех пор, пока интеллектуальная собственность защищена патентами или коммерческой тайной. Здесь в будущем государственное регулирование применения ИИ в медицине должно сохранить конкурентную среду.
Несмотря на большое количество исследований в области разработки и проверки ИИ в здравоохранении, на переднем крае клинической практики фактически реализовано лишь несколько приложений.
В обзоре, осуществленном Ин Дж. и др. в 2021 году, отмечалось, что было выявлено 51 исследование, в которых сообщалось о внедрении и оценке применения ИИ в клинической практике, из которых в 13 применялся дизайн рандомизированных контролируемых испытаний, а в восьми – экспериментальный дизайн. Приложения ИИ предназначались для различных клинических задач, таких как скрининг или сортировка (n = 16), диагностика заболеваний (n = 16), анализ рисков (n = 14) и лечение (n = 7). Наиболее частыми заболеваниями и состояниями были сепсис (n=6), рак молочной железы (n=5), диабетическая ретинопатия (n=4), полип и аденома (n=4). Что касается результатов оценки, мы обнаружили, что в 26 исследованиях изучалась эффективность приложений ИИ в клинических условиях, в 33 исследованиях изучалось влияние приложений ИИ на результаты врачей, в 14 исследованиях изучалось влияние на результаты пациентов, а в одном исследовании изучалось экономическое воздействие, связанное с реализацией ИИ [39] (Yin, Ngiam, Teo, 2021).
В исследовании Вольф Дж. и др. отмечается, что существует нехватка публикаций, посвященных экономическому воздействию ИИ в здравоохранении, как по количеству, так и по качеству [40] (Wolff, Pauling, Keck, Baumbach, 2020). Характеризуя качество публикаций по теме, следует применить определенные критерии, такие как описания экономической эффективности решения ИИ, формулировки гипотезы, перспективы экономической эффективности, рассмотрения альтернативной стоимости, выгоды сегодня и проверки базового случая, которые были получены из классических исследований эффективности здравоохранения [41] (Haycox, Walley, 1997) и цифровых оценок здоровья [42] (Sanyal, Stolee, Juzwishin, Husereau, 2018). В соответствии с данными критериями можно было бы включить на уровне 2020 г. только 6 публикаций. Эти публикации варьировались и исходили из различных областей медицины, таких как экономическая эффективность стратегий вмешательства с помощью модели машинного обучения для сокращения общего числа повторных замен суставов [43] (Lee, Jin, Feng, Bain, Goffinet, Baker, Li, 2019) и экономия модели машинного обучения для прогнозирования риска 30-дневных повторных госпитализаций среди пациентов с сердечной недостаточностью. [44] (Golas, Shibahara, Agboola, Otaki, Sato, Nakae, Jethwani, 2018). При этом Руамвибоонсук П. и др. делают объективное заключение, что ни одна из публикаций не имела полных экономических оценок, так что первоначальные инвестиции и эксплуатационные расходы на инфраструктуру ИИ и предоставление услуг ИИ не были включены [14] (Ruamviboonsuk, Chantra, Seresirikachorn, Ruamviboonsuk, Sangroongruangsri, 2021). Таким образом, исследования по клиническому внедрению искусственного интеллекта все еще находятся на самой ранней стадии, и необходимы дополнительные исследования для определения их эффективности. Проведение ответственной политики в области развития здравоохранения без этого невозможно.
Долгосрочный период применения технологий ИИ
в здравоохранении
Применение искусственного интеллекта в сфере здравоохранения проходит только первую фазу. Уже сейчас практическое использование ИИ требует решения проблемы переобучения, чтобы перейти от отдельных успешных результатов к постоянным. Самый эффективный способ уменьшить переобучение – собрать больше обучающих данных. Качество и количество данных являются ключевыми моментами для точности приложений ИИ. В идеале тренировочные данные должны быть действительно репрезентативными для всего населения [16] (Mutasa, Sun, Ha, 2020).
В перспективе ИИ кардинально модифицирует взаимоотношения врачей и в целом медицинского персонала с пациентами. Во-первых, лечение в будущем перестанет быть прерогативой только медицинского персонала. Клиницисты и специалисты по искусственному интеллекту должны будут работать вместе, чтобы расширить клиническое применение ИИ [45] (van Assen, Lee, De Cecco, 2020).
В долгосрочном периоде применение технологий ИИ может не только «расшить» текущие проблемы, но и изменить организационную структуру процесса лечения. Если считать целью лечения – хорошее здоровье людей, то оно представляет сегодня комплекс здорового образа жизни и собственно качественного лечения. Под здоровым образом жизни подразумеваются, прежде всего, регулярные физические упражнения, здоровое питание, ежедневный уход за собой. Превентивная медицина приобретает все большее значение, а применение алгоритмов ИИ позволяет превратить «закрытую» систему здравоохранения в открытую, сочетающую в себе собственно медицину, технологическое обеспечение и здоровый образ жизни. Уже сейчас приложения, установленные в смартфоне (такие как HeartWatch, Calorie Counter +, Robot Maria, Alexa, AI Speaker Aria и др.), позволяют контролировать многие аспекты качества жизни. Соблюдение больным, например, послеоперационного режима тоже может быть под контролем технологий искусственного интеллекта.
Таким образом, если для традиционной медицины характерна «закрытая» система, в которой пациенты лечат свои болезни у врачей и медицинского персонала, то применение ИИ позволяет преодолеть как пространственные, так и временные ее барьеры. Выделим, прежде всего, преодоление пространственного барьера. Уже сегодня алгоритмы искусственного интеллекта позволяют диагностировать, лечить и контролировать соблюдение режима пациентами. Как образно отметили Ли Д., Юн С.Н., медицинские услуги по лечению и уходу стали командным видом спорта многих внешних и внутренних экспертов [15] (Lee, Yoon, 2021). В этих командах роль экспертов по ИИ, консультантов, специалистов по ИКТ и управлению человеческими ресурсами будет становиться все больше, а роль медицинского персонала – относительно меньше.
Уже сейчас появляются «ростки» будущей «открытой» системы здравоохранения. Более 10 лет в США существуют интегрированные системы здравоохранения Kaiser Permanente, Intermount Healthcare (обслуживающие более 13 млн пациентов), Mayo Clinic и Geisinger Health, которые связаны современными информационными технологиями, что позволяет врачам обмениваться электронными медицинскими картами, общаться между специалистами и использовать виртуальную помощь, чтобы помочь пациентам так, как не могут врачи, практикующие в одиночку [30, с. 92].
Следовательно, возникают две новые тенденции. Во-первых, администраторы могут почувствовать потерю бюрократического контроля и необходимость замены традиционной системы управления в больницах. Новая «открытая» система управления потребует изменения функциональных обязанностей участников, создания новых взаимосвязей в командах. По сути, это будет проектный подход, целью которого станет восстановление нормальной жизнедеятельности пациента, а распределение обязанностей и оценка вклада каждого участника будут определяться руководителем проекта. Во-вторых, использование исторически сложившихся данных о пациентах и создание новых наборов данных, их пересмотр, расширение и вариативность потребуют вначале активного участия медицинского персонала. «Совместимость» ценностей (представлений) специалистов по ИИ и врачей, которые сейчас говорят фактически на разных языках, является ключевым фактором успеха в продвижении новой системы здравоохранения.
Следует подчеркнуть условность оценки сегодняшних затрат на применение искусственного интеллекта в здравоохранении. Это обусловлено целым рядом причин. Во-первых, фактическая оценка затрат использования ИИ в экономике здравоохранения происходит по затратам поставщика, в то время как правильнее оценивать их с точки зрения общества. Последние включают в себя совокупность затрат, таких как затраты, понесенные пациентами, правительством, поставщиками медицинских услуг, а также расходы, понесенные в результате использования вмешательства [11] (Kuper, Jofre-Bonet, Gilbert, 2006). Однако на практике, поскольку может быть трудно рассчитать затраты с точки зрения общества, затраты в экономике здравоохранения часто анализируются с точки зрения поставщика. Еще более непростой проблемой является точная оценка выгод, получаемых от использования ИИ в медицине.
Во-вторых, сложно вычленить затраты на ИИ среди всех затрат здравоохранения. Самая большая проблема связана с тем, что он используется в качестве программного обеспечения, которое включено в аппаратное обеспечение. Например, в офтальмологии большая часть ИИ разработана для использования с определенными типами оборудования, такого как камеры глазного дна [46] (Gulshan, Peng, Coram, 2016), устройства оптической когерентной томографии [47] (De Fauw, Ledsam, Romera-Paredes, 2018) и биомикроскопы slitlamp [48] (Wu, Liu, Zhao, 2020). Поэтому основные первоначальные затраты будут связаны с оборудованием. В данных случаях стоимость программного обеспечения ИИ может быть учтена только косвенным образом, тогда, когда она сравнивается с человеческими экспертами в интерпретации изображений, поскольку для обеих модальностей используется одно и то же оборудование. По этой причине экономически очень сложно выделить затраты именно на применение технологий ИИ в медицине, и поэтому, наверное, еще сложнее выделить выгоды, получаемые от использования ИИ в медицине. То есть точно определить, где заканчивается эффект от оборудования, в котором используется ИИ, и где начинается эффект от собственно ИИ. Сопоставление с человеческими экспертами – шаг в верном направлении, но эксперты бывают разного уровня. Следовательно, экономическая оценка применения технологий искусственного интеллекта в данном случае будет приблизительной.
В-третьих, существуют четыре метода экономической оценки применения ИИ в здравоохранении в зависимости от результатов: 1) анализ минимизации затрат, 2) анализ экономической эффективности, 3) анализ затрат и полезности, 4) анализ затрат и выгод. Каждый из них обладает своими достоинствами и недостатками, но ни один из них не обладает свойством универсальности для применения во всех случаях. Авторы поддерживают позицию, что метод анализа затрат и выгод (CBA) является наиболее полным методом экономической оценки. Поскольку результаты представлены здесь в денежных единицах, это лучший метод для принятия решений о распределении. Однако этот тип экономической оценки редко проводился в контексте здравоохранения, поскольку присвоение денежных значений клиническим результатам (например, QALY или предотвращение слепоты) было затруднено [49] (Xie, Gunasekeran, Balaskas, Keane, Sim, Bachmann, Ting, 2020). Напомним, что термин QALY означает (в контексте анализа затрат и выгод) единицу, используемую для прогнозирования как качества, так и продолжительности жизни после медикаментозного или хирургического лечения. Более широкое использование искусственного интеллекта в медицине потребует в дальнейшем стандартизованного подхода к экономической оценке.
Кроме того, расширение применения искусственного интеллекта в медицинской сфере наталкивается на рыночные границы. Рынки по своей природе плохо справляются с человеческим фактором, столь важным в медицинском обслуживании. Рынки не вознаграждают должным образом эмпатию и сострадание, которые медицинские работники проявляют к своим пациентам, и по сути, создают стимулы для того, чтобы экономить на них [50] (Korinek, Stiglitz, 2019). Таким образом, если только рынок будет определять делаемый выбор технологий, то он будет, по сути, бесчувственным, что отрицательно повлияет на взаимоотношения с пациентами и уход за ними. Разумное государственное регулирование вполне может облегчить эту проблему.
Заключение
Практическое использование технологий ИИ в здравоохранении делает только первые шаги, но уже порождает не только технологические, но и существенные экономические проблемы. Непрерывный рост глобальных затрат на здравоохранение усиливает важность решения вопроса. Анализ «издержки – выгоды» применительно к экономике ИИ в здравоохранении затруднен по трем причинам, наиболее существенной из которых являются особенности оценки издержек и выгод в медицине. Авторы выделяют краткосрочный период и долгосрочный период в исследовании практики применения и в оценке издержек и выгод использования технологий ИИ в здравоохранении. В краткосрочном периоде ИИ сможет разрешить комплекс текущих проблем медицины, а в долгосрочном периоде стать основой для перехода от «закрытой» системы здравоохранения, состоящей из взаимоотношений пациента и врачей, к «открытой» системе, сочетающей в себе собственно медицину, технологическое обеспечение и здоровый образ жизни.
Источники:
2. Комарь П.А., Дмитриев В.С., Ледяева А.М., Шадеркин И.А., Зеленский М.М. Рейтинг стартапов искусственного интеллекта: перспективы для здравоохранения России // Российский журнал телемедицины и электронного здравоохранения. – 2021. – № 7(3). – c. 32-41.
3. Мажей Я. В., Свищёв А. В. Применение искусственного интеллекта в здравоохранении // E-Scio. – 2021. – № 12(63). – c. 186-191.
4. Милкова Э. Г. Искусственный интеллект в здравоохранении: к чему приведет цифровизация? // Инновации и инвестиции. – 2021. – № 4. – c. 353-356.
5. Ненашева Е. А. Взгляд на будущее искусственного интеллекта в здравоохранении // Вопросы науки. – 2019. – № 3 (72). – c. 66-72.
6. Ермакова С.Э., Ковязин И.Е. Основные аспекты роботизации бизнес-процессов в сфере услуг здравоохранения // Вопросы инновационной экономики. – 2020. – № 1. – c. 433-448.
7. Иванова А. П. Правовые проблемы использования искусственного интеллекта в сфере здравоохранения // Социальные и гуманитарные науки. Отечественная и зарубежная литература. Сер. 4, Государство и право: Реферативный журнал. – 2021. – № 1. – c. 151-159. – doi: 10.31249/rgpravo/2021.01.16.
8. Куракова Н. Г., Цветкова Л. А., Черченко О. В. Технологии искусственного интеллекта в медицине и здравоохранении: позиции России на глобальном патентном и публикационном ландшафте // Врач и информационные технологии. – 2020. – № 2. – c. 81-100.
9. Эриванцева Т. Н., Блохина Ю. В. Искусственный интеллект в здравоохранении. Возможности патентной охраны таких разработок // Фармакоэкономика. Современная фармакоэкономика и фармакоэпидемиология. – 2021. – № 2. – c. 270-276.
10. Колесниченко О. Ю., Колесниченко Ю. Ю., Литвак Н. Д. Искусственный интеллект в здравоохранении: системные проблемы // Ремедиум. Журнал о российском рынке лекарств и медицинской технике. – 2018. – № 4. – c. 24-30.
11. Kuper H., Jofre-Bonet M., Gilbert C. Economic evaluation for ophthalmologists // Ophthalmic Epidemiology. – 2006. – № 13. – p. 393–401.
12. Brown M. M., Brown G. C., Sharma S., Landy J. Health care economic analyses and value-based medicine // Survey of ophthalmology. – 2003. – № 48(2). – p. 204-223.
13. He J, Baxter SL, Xu J. The practical implementation of artificial intelligence technologies in medicine // Nat Med. – 2019. – № 25. – p. 30–36.
14. Ruamviboonsuk P., Chantra S., Seresirikachorn K., Ruamviboonsuk V., Sangroongruangsri S. Economic evaluations of artificial intelligence in ophthalmology // The Asia-Pacific Journal of Ophthalmology. – 2021. – № 10(3). – p. 307-316.
15. Lee D., Yoon S.N. Application of Artificial Intelligence-Based Technologies in the Healthcare Industry: Opportunities and Challenges. Int. J. Environ // Res. Public Health. – 2021. – № 18. – p. 271.
16. Mutasa S., Sun S., Ha R. Understanding artificial intelligence based radiology studies: What is overfitting? // Clinical Imaging. – 2020. – p. 96-99.
17. Shaheen M. Y. AI in Healthcare: medical and socio-economic benefits and challenges // ScienceOpen Preprints. – 2021. – doi: 10.14293/S2199-1006.1.SOR-.PPRQNI1.v1.
18. Damioli G., Van Roy V., Vertesy D. The impact of artificial intelligence on labor productivity // Eurasian Business Review. – 2021. – № 1. – p. 1-25.
19. Указ Президента Российской Федерации от 10.10.2019 № 490 «О развитии искусственного интеллекта в Российской Федерации»// Официальное интернет-представительство Президента России в сети Интернет. [Электронный ресурс]. URL: www.kremlin.ru/acts/bank/44731 (дата обращения: 23.03.2022).
20. Указ Президента Российской Федерации от 09.05.2017 №203 «О стратегии развития информационного общества в РФ на 2017 – 2030 годы»// Официальное интернет-представительство Президента России в сети Интернет. Официальное интернет-представительство Президента России в сети Интернет. [Электронный ресурс]. URL: https: www.kremlin.ru/acts/bank/41919 (дата обращения: 23.03.2022).
21. Recommendation of the Council on Artificial Intelligence. OECD Legal Instruments. [Электронный ресурс]. URL: https://legalinstruments.oecd.org/en/instruments/oecd-legal-0449 (дата обращения: 23.03.2022).
22. Городнова Н.В. Применение искусственного интеллекта в бизнес-сфере: современное состояние и перспективы // Вопросы инновационной экономики. – 2021. – № 4. – c. 1473-1492. – doi: 10.18334/vinec.11.4.112249.
23. Лукичев П.М. Рынок труда будущего. - Санкт-Петербург. ПОЛИТЕХ-ПРЕСС, 2021.
24. Solow R. (1987). We'd better watch out, New York Times Book Review, July 12, p. 36
25. Использование технологий искусственного интеллекта в России // Цифровая экономика. Экспресс-информация. ИСИЭЗ НИУ ВШЭ. 16.12.2021
26. World Health Organization. Global spending on health: weathering the storm. World Health Organization; 2020. [Электронный ресурс]. URL: https://apps.who.int/ins/handle/10665/337859 (дата обращения: 27.03.2022).
27. Global expenditure on health: public spending on the rise? Geneva: World Health Organization; 2021. Licence: CC BY-NC-SA 3.0 IGO. [Электронный ресурс]. URL: https://apps.who.int/iris/bitstream/handle/10665/350560/9789240041219-eng.pdf (дата обращения: 28.04.2022).
28. Organisation for Economic Cooperation and Development (OECD). OECD Health Statistics 2020. [Электронный ресурс]. URL: https://www.oecd.org/health/health-data.html (дата обращения: 27.03.2022).
29. Safavi K., Kalis B. How AI can Change the Future of Health Care. Harvard Business Review. 2019. [Электронный ресурс]. URL: https://hbr.org/ webinar/2019/02/how-ai-can-change-the-future-of-health-care (дата обращения: 20.03.2022).
30. Pearl R., Wayling B. The Telehealth Era is just beginning. Harvard Business Review. May–June 2022. [Электронный ресурс]. URL: https://institutions.com/download/journal/4183-harvard-business-review-may-june-2022.html (дата обращения: 12.04.2022).
31. Metzl J. AI supported medical processes can help save human health care professionals. The Hill, 5 Apr 2020. [Электронный ресурс]. URL: https://thehill.com/opinion/ technology/491198-ai-supported-medicalprocesses-can-help-to-save-human-health-care (дата обращения: 12.05.2022).
32. Torjesen I. Covid-19: Patients to use pulse oximetry at home to spot deterioration. BMJ 2020;371:m4151. www.bmj.com. [Электронный ресурс]. URL: URL:https://www.bmj.com/content/371/bmj.m4151 (дата обращения: 19.04.2022).
33. Baldwin R. The globotics upheaval: globalization, robotics, and the future of work. - Oxford University Press, 2019.
34. World Health Organization. (2016). Health workforce requirements for universal health coverage and the Sustainable Development Goals. (Human Resources for Health Observer, 17). World Health Organization. [Электронный ресурс]. URL: https://apps.who.int/iris/handle/10665/250330 (дата обращения: 27.03.2022).
35. Лукичёв П.М. Технологические изменения и современные работники старших возрастов // Вестник Удмуртского университета. Серия Экономика и право. – 2019. – № 4. – c. 455-462.
36. Iacobucci G. Row over Babylon’s chatbot shows lack of regulation. BMJ 2020;368:m815. doi:10.1136/ bmj.m815
37. Barnes R., Zvarikova K. (2021). Artificial Intelligence-enabled Wearable Medical Devices, Clinical and Diagnostic Decision Support Systems, and Internet of Things-based Healthcare Applications in COVID-19 Prevention, Screening, and Treatment. American Journal of Medical Research, 8(2), 9-22
38. Korinek A., Stiglitz J. E. Covid-19 driven advances in automation and artificial intelligence risk exacerbating economic inequality. bmj, 372. [Электронный ресурс]. URL: https://www.bmj.com/content/bmj/372/bmj.n367.full.pdf (дата обращения: 12.05.2022).
39. Yin J., Ngiam K. Y., Teo H. H. Role of artificial intelligence applications in real-life clinical practice: systematic review // Journal of Medical Internet Research. – 2021. – № 4. – p. e25759. – doi: 10.2196/25759.
40. Wolff J., Pauling J., Keck A., Baumbach J. The economic impact of artificial intelligence in health care: systematic review // Journal of Medical Internet Research. – 2020. – № 22 (2). – p. 1–8. – doi: 10.2196/16866.
41. Haycox A., Walley T. Pharmacoeconomics: evaluating the evaluators // British Journal of Clinical Pharmacology. – 1997. – № 43. – p. 451–456.
42. Sanyal C., Stolee P., Juzwishin D., Husereau D. Economic evaluations of eHealth technologies: a systematic review // PLoS One. – 2018. – № 13(6). – p. 1–11.
43. Lee H. K., Jin R., Feng Y., Bain P. A., Goffinet J., Baker C., Li J. An Analytical Framework for TJR Readmission Prediction and Cost-Effective Intervention // IEEE journal of biomedical and health informatics. – 2019. – № 23(4). – p. 1760-1772.
44. Golas S. B., Shibahara T., Agboola S., Otaki H., Sato J., Nakae T., Jethwani K. A machine learning model to predict the risk of 30-day readmissions in patients with heart failure: a retrospective analysis of electronic medical records data // BMC medical informatics and decision making. – 2018. – № 18(1).
45. van Assen M., Lee S. J., De Cecco C. N. Artificial intelligence from A to Z: from neural network to legal framework // European Journal of Radiology. – 2020. – № 129. – p. 109083.
46. Gulshan V., Peng L., Coram M. Development and validation of a deep learning algorithm for detection of diabetic retinopathy in retinal fundus photographs // Jama. – 2016. – № 316. – p. 2402–2410.
47. De Fauw J., Ledsam J.R., Romera-Paredes B. Clinically applicable deep learning for diagnosis and referral in retinal disease // Nat Med. – 2018. – № 24. – p. 1342–1350.
48. Wu X., Liu L., Zhao L. Application of artificial intelligence in anterior segment ophthalmic diseases: diversity and standardization // Ann Transl Med. – 2020. – № 8. – p. 714.
49. Xie Y., Gunasekeran D. V., Balaskas K., Keane P. A., Sim D. A., Bachmann L. M., Ting D. S. Health economic and safety considerations for artificial intelligence applications in diabetic retinopathy screening // Translational Vision Science & Technology. – 2020. – № 9(2). – p. 22-22.
50. Korinek A., Stiglitz J.E. Artificial intelligence and its implications for income distribution and unemployment // The economics of artificial intelligence. NBER. – 2019. – № 349-90.
Страница обновлена: 03.12.2024 в 12:48:52