人工智能工具的商业论证:以质量提升与成本降低为价值货币
本文论述人工智能工具需通过提升质量而不增加成本、降低成本而不改变质量或两者兼得,才能为患者照护创造价值并融入常规临床实践。若以人群健康为目标采用人工智能工具,价值导向支付模式的结构可作为报销框架,而这在按服务付费体系中并不存在。
要点
- 人工智能工具须在不增成本下提升质量、或在不降质量下降低成本,方能融入常规临床实践并创造价值。
- 人工智能算法有潜力增强放射科医生数据驱动的质量改进工作。
- 若以人群健康为目标采用人工智能工具,价值导向支付模式可作为报销框架。
核心结论
- 数据科学工具须通过提升质量而不增加成本、降低成本而不改变质量或两者兼得,为患者照护增加价值,才能成熟并融入常规临床实践。
- 人工智能算法有潜力增强放射科医生数据驱动的质量改进。
- 若以人群健康目标采用人工智能工具,价值导向支付模式的结构可作为人工智能报销框架,而按服务付费体系不存在这一框架。
局限性
- 原文未报告局限性。
以上解读依据论文摘要(全文未开放获取或许可不允许翻译转载)。
英文原文(摘要)· 点击展开
For data science tools to mature and become integrated into routine clinical practice, they must add value to patient care by improving quality without increasing cost, by reducing cost without changing quality, or by both reducing cost and improving quality. Artificial intelligence (AI) algorithms have potential to augment data-driven quality improvement for radiologists. If AI tools are adopted with population health goals in mind, the structure of value-based payment models will serve as a framework for reimbursement of AI that does not exist in the fee-for-service system.
引用
- Golding LP, Nicola GN. A Business Case for Artificial Intelligence Tools: The Currency of Improved Quality and Reduced Cost. J Am Coll Radiol. 2019. PMID: 31492415. doi:10.1016/j.jacr.2019.05.004
供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。