Обзор ИИ в здравоохранении: клинические испытания, синтез доказательств и вопросы управления

IQVIA запускает ИИ для прогнозирования результатов клинических испытаний до их начала

IQVIA, глобальная организация данных в здравоохранении, объявила о новой системе ИИ, способной предсказывать результаты клинических испытаний с точностью 85% — ещё до начала набора пациентов. Система анализирует исторические данные испытаний, характеристики популяции пациентов и параметры протокола, чтобы определить, какие испытания скорее всего успешны, а какие столкнутся с трудностями.

В компании говорят, что инструмент может помочь фармацевтическим компаниям более эффективно распределять ресурсы — особенно при принятии решений о фазе II в сравнении с фазой III, где стоимость неудачи может составлять сотни миллионов долларов. Среди факторов, которые учитывает система: история соблюдения требований исследовательскими центрами, исторические закономерности набора и релевантность биомаркеров.

Эксперты отметили, что точность в 85% впечатляет, но не является безошибочной, с потенциальными последствиями для решений о финансировании и разнообразии популяций в испытаниях, если модель обучается на исторических данных, отражающих существующие предубеждения.

AHRQ инвестирует 7,95 миллиона долларов в то, что ИИ сможет ускорить обзоры доказательств с года до часов

Агентство по исследованиям и качеству здравоохранения (AHRQ) объявило о гранте в размере 7,95 миллиона долларов на разработку инструментов ИИ для ускорения создания систематических обзоров доказательств — процесса, который сейчас занимает от шести месяцев до года и должен занимать всего часы.

Систематические обзоры доказательств — основа клинических руководств. Когда их создание занимает год, они могут устареть ещё до публикации. AHRQ надеется, что ИИ может автоматизировать трудоёмкие части — фильтрацию исследований, извлечение данных, оценку качества — с сохранением человеческого контроля над интерпретационными суждениями.

Проблем много. Многие исследования, которые будет использовать ИИ, доступны в несовместимых форматах. Публикации в журналах не всегда сопровождаются исходными данными. А «систематический» в обзоре доказательств означает, что одно неверное суждение может изменить клиническую рекомендацию.

AHA и больницы выступают против доклада BCBS, связывающего инструменты кодирования ИИ с завышенными претензиями на миллиард долларов

Blue Cross Blue Shield опубликовала доклад, утверждающий, что инструменты кодирования ИИ, используемые больницами, генерировали около 1 миллиарда долларов в завышенных претензиях — предлагая диагностические коды более высокой степени тяжести, которые не всегда были клинически обоснованы.

Американская ассоциация больниц (AHA) и другие больничные организации резко отвергли выводы, утверждая, что анализ BCBS смешивает законное улучшение документирования кодов с преднамеренным мошенничеством. Многие инструменты ИИ, говорят они, помогают клиницистам документировать состояния, которые уже присутствуют, но не были полностью указаны — это не то же самое, что создание ложных кодов.

Дискуссия выявляет одну из ключевых точек трения в ИИ для здравоохранения: кто несёт ответственность, когда инструмент ИИ рекомендует код, который плательщик в итоге отклоняет? У больниц есть стимул к полной документации; у страховщиков — к снижению затрат. ИИ в центре этого делает старый спор более острым.

Эксперты по управлению ИИ в здравоохранении: развёртывание — это начало, а не конец

Дискуссия на крупной конференции по ИИ в здравоохранении содержала повторяющееся сообщение: многие организации настолько сосредоточены на решении «купить или создать», что упускают более сложные вопросы, возникающие после развёртывания.

Эксперты представили рамки для непрерывного мониторинга производительности моделей, обнаружения дрейфа и процессов повторного одобрения. Они подчеркнули, что модель, работающая в январе, может не работать в июле, если изменился состав популяции пациентов, изменились практики кодирования или обновились клинические руководства.

Регуляторные руководства, включая руководство FDA по SaMD и обновления ONC из заявления об управлении ИИ 2024 года, устанавливают более чёткие требования — но, как отметил один докладчик, «регулирование не может работать быстрее развёртывания».

Shadow ИИ и сторонние инструменты расширяют кибербезопасностную уязвимость здравоохранения

HHS и несколько организаций по безопасности сообщили, что теневой ИИ — сотрудники, использующие инструменты ИИ, не одобренные IT-службой их организации, — является одним из наиболее быстро растущих векторов риска в здравоохранении сегодня.

Сторонние инструменты, подключённые к данным пациентов, создают цепочки поставщиков, которыми трудно управлять. IT здравоохранения не может проверить инструменты, о существовании которых оно не знает. А сотрудники — от клиницистов до административного персонала — обнаруживают, что ChatGPT, Copilot и подобные инструменты помогают им работать быстрее — без явного одобрения.

В докладах рекомендуется организациям здравоохранения проводить регулярные аудиты инструментов, внедрять решения CASB (Cloud Access Security Broker) и разрабатывать чёткую политику ИИ, балансирующую гибкость сотрудников и управление рисками HIPAA.