Промышленное производство
Промышленный Интернет вещей | Промышленные материалы | Техническое обслуживание и ремонт оборудования | Промышленное программирование |
home  MfgRobots >> Промышленное производство >  >> Manufacturing Technology >> Промышленные технологии

Возможности ИИ в цепочке поставок здравоохранения

Нет недостатка в энтузиазме - или в прогнозах - относительно потенциального использования искусственного интеллекта (ИИ).

По оценкам Grand View Research, глобальный рынок искусственного интеллекта будет расти со среднегодовыми темпами 57% в период с 2017 по 2025 год, достигнув 36 миллиардов долларов. Forrester прогнозирует, что 2020 год станет годом, когда руководители сосредоточатся на том, как стимулировать и измерять ценность своих инвестиций в ИИ.

Здравоохранение не исключение. Недавний опрос руководителей здравоохранения, проведенный Optum, показал, что не только растет использование ИИ, но и что большинство руководителей ожидают более быстрой окупаемости своих инвестиций, чем предполагалось вначале.

Чего не хватает в этих возвышенных прогнозах, так это более предметных дискуссий о том, что требуется для обеспечения того, чтобы ИИ мог выполнить свои обещания, например о важности управления данными и управления ими. Также меньше разговоров о роли ИИ и машинного обучения в цепочке поставок здравоохранения по сравнению с другими областями, такими как улучшенная диагностика заболеваний и разработка лекарств. Но когда вы останавливаетесь и думаете о том, как ИИ применяется в других сферах здравоохранения, вы начинаете видеть последствия и возможности для цепочки поставок.

Прогнозная аналитика. Одним из наиболее интересных приложений искусственного интеллекта является использование геномики в сочетании с другими клиническими, социальными и поведенческими факторами пациента для прогнозирования будущих болезненных состояний и лечения, например, может ли пациент столкнуться с сердечно-сосудистым заболеванием или ему понадобится колено. замена. На уровне отдельных пациентов цепочка поставок имеет относительно низкое значение для последующей обработки. Но подумайте, что могло бы случиться, если бы у нас были данные обо всех группах пациентов - скажем, о тех, которые обслуживаются системой здравоохранения или подотчетной организацией по уходу. Может ли это помочь спрогнозировать типы и объемы продуктов, которые потребуются, в том числе когда и где, обеспечивая при этом ценные сигналы спроса для производителей и дистрибьюторов?

Соответствие спроса . С появлением большего количества данных о том, как продукты работают в повседневной клинической практике и стремлением изменить схемы оказания помощи с учетом потребностей конкретных групп пациентов, возрастает потребность в подборе правильного продукта для правильного пациента. ИИ может сыграть важную роль в понимании того, что лучше всего подходит для каких типов пациентов, и использовать эти данные для анализа ценности и поиска поставщиков, а также для обеспечения того, чтобы нужные продукты были в нужном месте.

Оптимизация логистики . Компании с поддержкой ИИ, ориентированные на поток пациентов, используют инструменты, обычно используемые сторонними логистическими компаниями, такими как UPS, для составления кратчайших маршрутов скорой помощи для перевозки пациентов в больницу или другие места оказания медицинской помощи. Почему бы не применить эти же технологии, чтобы помочь профессионалам цепочки поставок здравоохранения, когда они борются с переносом помощи за пределы учреждений неотложной помощи? Искусственный интеллект может помочь определить оптимальные методы транспортировки, частоту и маршруты для доставки продуктов и лиц, обеспечивающих уход, в быстро растущее число мест, где они будут необходимы, от домашних и розничных клиник до центров неотложной помощи и амбулаторной хирургии.

Непрерывность поставок . Недавние события - от стихийных бедствий и вспышек инфекционных заболеваний до отзыва продукции и закрытия стерилизационных центров - привлекли повышенное внимание к проблемам, возникающим в результате перебоев в непрерывности поставок. В отличие от розничной торговли, где задержка заказа часто доставляет только неудобства, перебои в поставках в сфере здравоохранения могут иметь серьезные последствия. Возьмем, к примеру, ураган «Мария». Когда шторм обрушился на Пуэрто-Рико, он отрицательно повлиял на работу более чем 50 различных производителей на острове, включая тех, которые поставляют пакеты для внутривенного вливания. Нехватка пакетов с солевым раствором заставила поставщиков по всей территории США искать альтернативы. Организация групповых закупок Premier недавно призвала Управление по санитарному надзору за качеством пищевых продуктов и медикаментов США потребовать от производителей медицинского оборудования сообщать о потенциальной нехватке. ИИ может быть развернут не только для того, чтобы помочь поставщикам предвидеть невыполнение заказов и дефицит, но и для помощи производителям в сборе данных по их очень сложным цепочкам поставок, чтобы лучше прогнозировать сбои, принимать корректирующие меры и помогать своим клиентам определять альтернативы.

Автоматизация задач . Роботизированная автоматизация процессов (RPA) - это форма ИИ, которая все чаще используется в здравоохранении, особенно при обработке претензий. RPA использует программных роботов для автоматизации и стандартизации повторяющихся задач, высвобождая персонал для дополнительной работы. Что касается цепочки поставок, RPA используется для автоматизации задач управления контрактами, таких как проверка цен и заполнение систем закупок с условиями контракта.

Зависимости от ИИ. Как и в случае со многими новыми технологиями, существует значительный ажиотаж по поводу того, что ИИ может сделать для улучшения клинических, операционных и финансовых показателей, а также опыта пациентов и клиницистов. В то же время относительно мало обсуждается, что необходимо сделать, чтобы ИИ выполнил свои обещания.

Одна из самых недооцененных областей - управление данными. Прелесть ИИ в том, что он может анализировать большие объемы данных для выявления закономерностей и скрытых корреляций, на расшифровку которых в противном случае потребовалось бы гораздо больше времени, если вообще у человека. Это также позволяет пользователям вводить в движок ИИ широкий спектр переменных, даже если вы только подозреваете, что они могут иметь какое-то отношение к проблеме, которую вы пытаетесь решить. Но, несмотря на изощренность этого инструмента, по-прежнему действует старая поговорка - мусор на входе, мусор на выходе. Прежде чем начинать инициативу по искусственному интеллекту, убедитесь, что у вас достаточно данных (вероятно, из разных источников), и что эти данные соответствуют четко определенным политикам, стандартам, определениям и процессам.

Наконец, подумайте, в какой степени вы хотите использовать ИИ для улучшения процесса принятия решений, т. Е. Позволять ли системе предоставлять информацию и рекомендации, пока человек все еще делает окончательный выбор, или полностью автоматизировать процесс принятия решений. Магия и загадка искусственного интеллекта заключается в отсутствии прозрачности в том, как система принимает решения, поскольку она постоянно учится и меняет способы выбора, взвешивания и соотношения различных переменных, чтобы прийти к заключениям. Только когда вы доверяете системе - особенно при принятии решений по уходу за пациентами - вы можете переходить к приложениям ИИ, в которых система принимает решения и действует без вмешательства человека.

Потенциал искусственного интеллекта и машинного обучения в здравоохранении внушает благоговение, особенно когда мы думаем о том, как использовать быстро растущее богатство знаний, которые генерируются каждый день. С другой стороны, еще многое предстоит узнать о том, как лучше всего применять ИИ в различных аспектах здравоохранения. Когда мы стремимся к новым высотам, руководствуясь ИИ, важно помнить об фундаменте, на котором построен ИИ. Основаны ли ваши инициативы в области ИИ на точных, полных, стандартизованных и нормализованных данных? Если так, то небо, похоже, предел.

Карен Конвей - вице-президент GHX по здравоохранению.


Промышленные технологии

  1. Цепочка поставок и машинное обучение
  2. Приложения искусственного интеллекта в глобальной цепочке поставок
  3. 5 Драйверы цифровой цепочки поставок в производстве
  4. Появление «самоуправляемой» цепочки поставок
  5. Как повысить устойчивость в цепочке поставок
  6. Использование цепочки поставок как «конкурентного оружия»
  7. Кредиторская задолженность:последняя миля в цепочке поставок здравоохранения
  8. Подходит ли блокчейн для цепочки поставок?
  9. Глобальная цепочка поставок при чрезвычайной ситуации в области общественного здравоохранения
  10. Возвращение цепочки поставок аккумуляторов домой