Ordnungspolitische Veränderungen nötig sind, um AI in die klinische Entscheidungsfindung, sagt Studie

Ein neues white paper von der Herzog-Margolis Center for Health Policy definiert die Politik muss für die Einbeziehung der künstlichen Intelligenz (KI) in Diagnose-und andere Arten von clinical decision support-software mit effektiven innovation, Regulierung und Patienten Schutz.

„AI ist nun bereit, um zu stören Gesundheit, mit dem Potenzial zur Verbesserung der Patienten-Ergebnisse, senken die Kosten und verbessern die work-life-balance für Dienstleister im Gesundheitswesen“, sagte Greg Daniel, Ph. D., MPH, stellvertretender Direktor für Policy an der Duke-Margolis. Aber eines politischen Prozesses erforderlich ist.

„Die Integration von KI in der Gesundheitsversorgung sicher und effektiv, Bedarf einer sorgfältigen Prozess, erfordern von Politik und Interessengruppen, um ein Gleichgewicht zwischen den wesentlichen arbeiten, die dem Schutz der Patienten, während sichergestellt wird, dass Innovatoren haben Zugang zu den Werkzeugen, die Sie benötigen, um erfolgreich in der Herstellung von Produkten, die zur Verbesserung der öffentlichen Gesundheit“, sagte Daniel.

Die Food and Drug Administration (FDA) veröffentlicht die aktualisierte Software Vorabgenehmigung (Pre-Cert) Pilot-Programm der Arbeit Modell 1.0 auf Jan. 7, die darauf abzielt, zu regulieren digital health-Technologien im Wege, die Innovationen fördern und schützen die Sicherheit der Patienten.

Die Herzog-Margolis Papier, das entwickelt wurde, ist mit dem Eingang einer multi-stakeholder-Arbeitsgruppe befasst sich mit der großen Herausforderungen, die derzeit behindern, sicher, effektiv AI Innovationen im Gesundheitswesen, einschließlich dieser kurzfristigen Prioritäten:

  • Regulatorische Klarheit – Das 21st Century Kuren Handeln entfernt bestimmte Arten von klinischen Entscheidung, die software von der FDA-Behörde, je nachdem, ob die software-Systeme erklären, wie Sie die Eingabe von Daten wird analysiert, um eine Pflege-Empfehlung. Software, die direkt diagnostiziert oder behandelt, sind die Patienten als höheres Risiko als die software, die fungiert als eine Unterstützung oder Ressource für Kliniker auf die Entscheidungsfindung. Größere regulatorische Klarheit ist notwendig, was, wie die FDA würde die Bewertung von Risiken für Patienten bei Anbieter verwendeten Cookies sind so genannte „black-box“ – software versus software gibt mehr Informationen darüber, wie das Produkt mit input-Daten, um zu einer Empfehlung.
  • Zugriff auf die Daten und Datenschutz—Software-Innovatoren benötigen Zugriff auf große Mengen von klinischen Daten, der „Zug“ der software. Aber diese Daten müssen konsistent sein mit der Qualität der input-Daten verwendet, die in der realen Welt, weil Sie würde nicht wollen, zu trainieren, ein Autonomes Fahrzeug auf einer leeren Rennstrecke, als es zu erwarten wäre, die Fahrt nach überfüllten Straßen der Stadt. Es wird einen wichtigen Beitrag zur Verbesserung der Daten-standards und Steigerung der Interoperabilität der Daten und Wahrung der Patienten-Datenschutz.
  • Nachweis Wert— Öffentliche und private Abdeckung und Erstattung an den Anbieter Fahrt Verabschiedung und erhöhen den return-on-investment für diese Technologien. Aber AI-aktivierten klinischen Entscheidung support-software muss in der Lage sein zu zeigen Verbesserungen im provider-system die Effizienz und die es Anbietern ermöglichen, sich zu treffen-Taste, Ergebnis und Kosten der Maßnahmen. Ein Erster sinnvoller Schritt wäre, um festzustellen, welche klinischen decision support software-features und performance-Ergebnisse werden am meisten geschätzt, die durch die Kostenträger, sowie die Arten der Beweise, die erforderlich sein wird, um zu beweisen performance-Gewinne.

„AI-aktivierten klinischen Entscheidung support-software hat das Potenzial, helfen, ärzte kommen zu einer richtigen Diagnose schneller, während die Verbesserung der öffentlichen Gesundheit und die Verbesserung der klinischen Ergebnisse“, sagte Christina Silcox, Ph. D., managing associate bei Herzog-Margolis und co-Autor auf dem weißen Papier. „Zu erkennen AI Potenzial im Gesundheitswesen, regulatorische, rechtliche, Daten, und die Annahme von Herausforderungen, die Verlangsamung sichere und effektive innovation, die angegangen werden müssen.“