マイケル・ムーチ氏は、保険会社や医療提供者がデータを活用できるよう支援するヘルスケアデータプラットフォーム、アルカディアの社長兼CEOである。
人工知能は、医療提供、運営管理、患者とのエンゲージメントの方法を変革している。早期診断を支援する予測モデル、ハイリスク患者層の管理を支援するダッシュボード、医療従事者をより良い意思決定へと導くワークフローツールなど、その活用は広がっている。しかし、変化のスピードとソリューションの数は圧倒的に感じられることがある。
当社の調査によると、AIの導入はまだその可能性に追いついていない。ヘルスケアリーダーの42%が予測分析にAIを活用している一方で、パーソナライズされたケアプラン開発に活用しているのはわずか21%にとどまる。多くの保険会社はさまざまなデータ分析ツールを導入しているが、20%未満しか会員エンゲージメントの促進、記録の要約、ケアプランの構築にAIを活用していないと報告している。これらはまさに、パフォーマンス向上、管理業務の負担軽減、運用効率の改善を加速できるAIアプリケーションの例である。
ヘルスケアリーダーにとって、もはや問題はAIを使うかどうかではない。いかに適切に活用し、テクノロジーがその約束を果たすようにするかである。私の見解では、その道筋は3つの基本要素に支えられている。堅固なデータインフラ、慎重な投資、そしてイノベーションを阻害するのではなく可能にするガバナンスである。
信頼性の高いデータ基盤を構築する。
AIの意味のある活用はすべて、適切なデータから始まる。私たちが支援する人々に関する正確で包括的な情報がなければ、どんな高度なモデルも役に立たない。だからこそ、最初のステップは患者の単一で縦断的なビューを構築することだ。臨床データ、請求データ、行動データ、社会的データを構造化され、安全で使いやすい方法で統合するビューである。
私は、組織がより基本的な問題を見落としながら、どのAIツールを導入するかについて何カ月も議論するのを見てきた。それは、彼らのデータが準備できていないということだ。インフラへの投資に対する賛同を得ることは必ずしも派手ではないが、それは空回りと結果を出すことの違いである。
その基盤ができれば、データとAIの組み合わせを使ってより良い質問を始めることができる。患者が見逃している給付は何か？ケアのギャップはどこに隠れているのか？どうすれば誰かが選択肢をより効果的に検討できるよう支援できるのか？
AIは人々の行動を助けるときに真に強力になる。統一された情報源がなければ、AIは確固たる立場を持てない。それがあれば、組織全体がより速く学び、よりスマートに対応し、全体的な成果を向上させる能力を獲得する。
AIを追いかけるのではなく、重要なことと連携させる。
ヘルスケアには、テクノロジーができることとヘルスケアが必要とすることの間のより良い連携が必要である。
その緊急性は技術的なものだけではない。財政的なものでもある。コストは上昇し、利益率は引き続き縮小している。組織はより少ないリソースでより多くのことを行うよう圧力を受けており、そこでAIが役立つ。AIの目的は、運用能力の創出、効率性の向上、持続可能な変革の支援である。
リーダーたちはすでに、医療チームの負担軽減、早期診断の特定、慢性疾患のより積極的な管理にAIを活用しようとしている。これらは実験ではなく、成果を向上させながらコスト曲線を曲げることを目指したビジネス上の決断である。
しかし、方向性のないAIを追求することにはリスクがある。有望に見えても臨床目標や組織戦略と連携していないソリューションに投資するのは簡単だ。私が見てきた最も効果的な戦略は、解決しようとしている問題の明確な理解に基づいている。目標は医療従事者の作業負担を軽減することか？診断を迅速化することか？患者がケアプランを守るのを助けることか？
実際のニーズと結びつけずにテクノロジーを追求することは、通常、失望や資源の無駄につながる。実際、私が出会った最も成功したAIの取り組みの中には、新しいツールから始まったものは全くなかった。それらは、すでに導入されているものをより詳しく見ることから始まった。多くの組織は、少しのサポートやよりスマートな統合によって、現在使用されている以上のことができるシステムを持っている。
成功の形について異なる考え方をすることも価値がある。確かに、投資収益率は重要だ。しかし、ヘルスケアでは、価値は多くの場合、他の方法で現れる。病状をより早く発見すること、慢性疾患をより効果的に管理する患者を支援すること、あるいは単に医療チームに仕事をより良く行うためのより良いツールを提供することなどだ。
労働力に関する強力な事例もある。バーンアウトが記録的なレベルの離職率を引き起こしている時代に、管理業務の負担を大幅に軽減したり臨床ワークフローを改善したりするAIツールは、人材の維持に役立つ—医師1人の交代コストが医師の年収の2〜3倍になることを考えると、それ自体が大きなリターンである。
障壁ではなく、ガードレールを先導する。
AIは急速に進化している。しかし、そのすべての勢いの中で、熱意が計画を上回ってしまうことは簡単だ。適切な構造がなければ、善意の取り組みでさえ問題を引き起こす可能性がある。それが意図しないバイアス、セキュリティギャップ、あるいはチームが十分に関与していないために採用率が低いことなどである。
だからこそ、ガバナンスが重要なのだ。それはAIイニシアチブが拡大し、ビジネスリーダーが成果を出すことを期待されるスピードに追いつくことを可能にする。良いガバナンスは、より速く、より自信を持って進むのに役立つはずだ。
目標は適切なガードレールを設置することだ。アクセスと説明責任のバランスをとる明確なプロセスである。トレーニング、文書化、監視により、チームはコンプライアンスや信頼を損なうことなく探索や実験の自由を得られる。
また、リーダーが焦点を維持するのにも役立つ。テーブルに数十の潜在的なユースケースがある場合、ガバナンスは優先順位付けのフレームワークを提供する。医療の改善、コスト削減、研究支援のいずれを目指すにしても、何が追求する価値があるのか、そしてなぜかを評価する一貫した方法が必要だ。
一部のヘルスケア組織は、収益機会、コスト削減、研究価値などの定義されたカテゴリーにわたってAIユースケースをスコアリングし、測定可能な可能性に基づいてプロジェクトに優先順位をつけることでこの課題に対処している。他の組織は、新しいソリューションが重複しているかどうか、あるいは既存のプラットフォームを拡張できるかどうかを評価するために、より広範な意思決定プロセスにガバナンスを統合している。
前進への道
データから始めよう。組織に明確さと自信を与える基盤の構築に投資しよう。次に、AIがミッションとどこで一致し、どこで一致しないかを厳しく見極めよう。最後に、イノベーションと安全性の両方をサポートするガバナンスモデルを作成しよう。
ヘルスケアが進化し続ける中で、これらの選択がAIがより良い成果の真の推進力になるのか、あるいは単なる一過性のトレンドになるのかを決定するだろう。
