人工知能（AI）は、膨大なデータベースを検索してさまざまな患者の傾向を特定したり、薬の候補となりうる分子構造を解析し、潜在的な病気の治療法を加速させたりするために AI を利用する方法を研究者たちが検討していることから、今後数年間で、医療にこれまでにない進歩をもたらすことが期待されています。
しかし、このような高度なアプリケーションの開発はまだこれからですが、 AI はすでに、より基本的な機能、特に患者主導の医療や医療機関の効率化の分野で普及しつつあります。
「ほとんどの医療機関は、超高機能の AI ツールを導入したいと思っています」と、20年以上医療業界で働いてきた Nutanix のグローバル・インダストリーソリューション担当マーケティングディレクター、 Leah Gabbert 氏は述べています。しかし、これらの選択肢の一部、特にゲノムに基づく精密医療に AI を活用するというアイデアは、まだ少し "絵に描いた餅 "だと彼女は説明します。
「しかし、現実には、ほとんどの医療機関には、そのようなパーソナライズされた医療を提供するための専門スタッフやリソースがありません」と Gabbert 氏は語っています。
しかし、AI はこのような機関にその基本的な方法を浸透させつつあります。.
「第一に、患者主導のケアに対する要求、第二に、より効率的であると同時に、最高の臨床医と患者を惹きつけるために、医療機関がビジネスを合理化する必要性を認識していることです」と Gabbert 氏は言います。
患者主導型医療
遠隔医療や遠隔モニタリングから、ウェアラブル機器や健康アプリまで、今日の患者はかつてないほど多くの情報に、かつてないほど速くアクセスできるようになりました。
McKinsey によると、Covid-19 のパンデミックの間、遠隔医療の利用はパンデミック前の38倍に急増しました。 AI アルゴリズムを搭載したウェアラブル端末や健康アプリも増加傾向にありました。市場調査会社 Morning Consult が実施した調査によると、 2023 年には米国成人の約40％がヘルスケア関連アプリケーションを、 35％ がウェアラブルヘルスケア機器を利用していると報告されています。
このような利用の増加は、アクセスしやすくパーソナライズされた健康データに対する患者の需要が高まっていること、また、患者自身が個々のヘルスケア管理に役割を果たしたいという患者側の願望を示しています。
AI を活用したチャットボットやバーチャルアシスタントも一役買っています。
「 AI によって、患者自身が自分の医療診断を調べる方法が変わりました」と Gabbert 氏は言います。「クローン病と診断されました。その診断に基づいて、私にとって最も賢明な治療計画は何か？そして、自分自身の治療に向けた道筋を考えて、開業医の診療所に行くことだってできるのです」
Gabbert 氏は、患者たちはオンラインで臨床医や施設の評価やレビューを見ることができると付け加えました。緊急治療室の待ち時間を調べることもできます。いくつかの医療保険会社を通じて、基本的な処置の価格を調べ、どこが最も医療費が割安かを確認することもできます。
以前は、患者さんは地域の医療提供者や医療施設の専門知識に頼らざるを得ませんでしたが、現在は十分な情報を得た上で、自分の健康管理について判断できるようになりました。自分自身の健康状態をモニターすることに積極的に参加することで、潜在的な問題を発見し、必要に応じて積極的な対策を講じることができるようになり、より予防的なヘルスケアへのアプローチができるようになりました。
「患者自身が自分の健康管理を主体的に行えるという考え方は、大きく変わりました」と Gabbert 氏は述べ、患者は医療提供者を選べるが、医療機関はその要求に応えなければならないことを強調し、次のように続けました。
「多くの医療機関は、第一に患者、第二に貸借対照表を重視しています」と彼女は言います。「医療機関はビジネスであり、患者が来院するようなサービスを提供しなければならないことを理解しています。患者を獲得し、患者に再来院してもらえるようなサービスを提供するだけでなく、地域社会で医療機関のブランドを認知してもらえるようなサービスを提供しなければなりません」
患者たちは AI の話題を耳にし、それがどのように医療サービスを向上させるかを知りたがっています。そして、医療機関はそれを提供するために努力しています。
経営効率
医療施設が AI を採用する理由のひとつに、医療業界を円滑に運営するための管理プロセスの改善があります。医療コーディングや請求書発行の簡素化から、サプライチェーンの最適化、検査手順の強化に至るまで、 AI は医療経営に大きな影響を与えています。
これまで、請求書の提出プロセスは、大量の請求書が届き、その一つひとつを手作業で入力し、コード化しなければならなかったため、手間がかかり、ミスが起こりやすかった。
多くの医療機関は現在、請求書の分類に生成 AI を使用し、請求書提出プロセスの精度とスピードを向上させています。その結果、患者と医療機関の双方にとってより合理的なプロセスとなり、医療機関にとってはより迅速な払い戻しが可能となります。
さらに、クレーム処理と医療記録のレビューを自動化することで、医療従事者の貴重な時間を節約し、より有意義な業務に集中することができるようになります。
「つまり、請求書提出のような重要なワークフローに AI を活用することにより、診療報酬を迅速に病院に還元し、収益に貢献することができるのです」と Gabbert 氏は言う。「 AI を活用することで、迅速にビジネスへの効果を確認することができます」
医療機関も AI を使って検査手順を最適化しています。
研究者、技術者、管理者を含む研究所の職員は、特に科学的知識が発展するにつれて、最新の手順テンプレートを整備し、ベストプラクティスを一貫して適用することの難しさに直面することがしばしばあります。このような課題は、実験や分析における非効率、エラー、一貫性の欠如につながり、その過程でしばしば時間とリソースを無駄にしてしまいます。
生成 AI は、研究室のプロセスを合理化し、強化することができます。過去のデータと科学的法則を活用することで、生成 AI モデルは、新しい実験デザイン、より効率的なプロセス、または試薬や機器の代替的な使用法を提案し、研究室における革新的な手順を推進することができます。
「医師のところに行って検査結果を待つという経験は誰にでもあると思いますが、検査はすぐに終わることもあれば、非常に時間がかかることもあります」と Gabbert 氏は言います。「検査手順を最適化し、ある種の AI をより高速に動作させることができれば、構造化されたデータにアクセスするソフトウェアや、検査結果を読み取る人間に完全に依存する必要がなくなります。それは、新たな可能性を切り開く手助けになると思います」
さらに、医療機関は控訴手続きにおいて AI を活用しようとしています。
医療保険請求が却下された場合、病院の請求担当者は、患者の記録や医療方針を検討し、上申書を作成するという、コストと時間のかかるプロセスに直面します。米国の病院では、不服申し立てに関連する管理コストは数十億ドルに上るが、これはスタッフが不服申し立てをまとめるのに要する時間が主な原因である。却下された請求の 60％ 以上は回収可能であるものの、却下理由が曖昧であることや、病院の請求リソースが限られていることから、保険請求のわずか 0.2％ しか不服申し立てが行われず、毎年数百万ドルが回収不能な損失として計上されています。
生成 AI 検索モデルは、大量の医療保険証書や会員プランを分類し、保険金請求の訴求に必要な情報を特定することができます。抽出アルゴリズムを使用することで、 AI モデルは構造化されていない医療メモ、投薬、検査結果、その他の電子カルテにアクセスして適切な情報を引き出し、 LLM を使用して不服申立書を作成することができます。
このプロセスは、不服申し立てのスピードと効率を大幅に向上させ、より多くの収入を回収できる可能性があります。
「そのプロセスを簡素化し、迅速化することは、医療機関だけでなく、患者にとって適切な治療を迅速に行うことにもつながります」と Gabbert 氏は述べています。
つまり、 AI を採用することで、医療機関が業務を簡素化・合理化し、患者にとって最良の治療を最良のスケジュールで受けられるようにすることができるのです。
「医療には非常に個人的な側面があります」とGabbert 氏は話しています。
多くの業界では、ビジネスが "ビジネスクリティカル "であることを話題にします。しかし、医療について語るとき、私は『ビジネス・クリティカル』ではまったくないと主張します。『ライフクリティカル』なのです。私たちは無意味なデータポイントの話をしているのではありません。リストにあるすべてのデータポイントは、実際に医療を必要としている患者であり、ある決断がその患者にとって生死にかかわることもあるのです」
