چرا هوش مصنوعی به جای نجات سیستم درمان، دارد هزینه‌های پزشکی را نجومی‌تر می‌کند؟

استفاده از ابزار‌های هوش مصنوعی در بخش بهداشت و درمان می‌توانست سیستمی ایده‌آل و رویایی خلق کند؛ اما گزارش تازه «مؤسسه فناوری سلامت پترسون» (PHTI) هشدار می‌دهد که بدون مداخله هماهنگ دولت و رهبران این صنعت، هوش مصنوعی احتمالاً بخش سلامت را حتی گران‌تر، ناکارآمدتر و پر از ریخت‌وپاش‌های بیهوده خواهد کرد.

چرا این موضوع مهم است؟ وعده‌های بزرگ هوش مصنوعی برای دگرگونی پزشکی، بدون یک بازنگری انقلابی و اساسی در سیستم‌های نظارتی، قوانین بیمه و مدل‌های پرداخت مالی، احتمالاً هیچ‌وقت به واقعیت تبدیل نخواهند شد.

صاحب‌نظران چه می‌گویند؟ «کارولین پیرسون»، مدیر اجرایی مؤسسه PHTI، تأکید می‌کند که این گزارش در واقع یک زنگ خطر و دعوت فوری به اقدام است:

• «اگر همین حالا دست به کار نشویم و مسیر را تغییر ندهیم، فقط داریم فناوری‌های پیشرفته را روی همان فرآیندهای معیوب و ناکارآمد قبلی سوار می‌کنیم؛ نتیجه‌اش هم این می‌شود که همه‌چیز گران‌تر تمام خواهد شد و دستمان از مزایایی که به آن‌ها امید بسته بودیم کوتاه می‌ماند.»

تصویر کلی ماجرا: سیستم درمان به مشوق‌های مالی واکنش نشان می‌دهد و متأسفانه در حال حاضر، این سیستم بیش‌تر به حجم بالا‌تر خدمات و پیچیدگی‌های اداری پاداش می‌دهد تا کیفیت درمان.

• بر اساس این گزارش، توسعه هوش مصنوعی تا به امروز دقیقاً به سمت همین مشوق‌های مالی کشیده شده و کاربردهایی که با سیستم سنتی «پرداخت به ازای هر خدمت» (Fee-for-Service) جور درمی‌آیند، با بیش‌ترین سرعت رشد کرده‌اند.
• این کاربردها بیش‌تر جنبه اداری دارند؛ مثل صدور صورت‌حساب‌ها یا رسیدگی به پرونده‌های بیمه. این ابزار‌ها عملاً باعث راه افتادن یک «جنگ ربات‌ها» میان شرکت‌های بیمه و بیمارستان‌ها شده‌اند و در نهایت فقط هزینه‌های درمان را برای بیماران بالا برده‌اند.
• در همین حال، موانع بسیار بزرگی پیش روی به‌کارگیری هوش مصنوعی در مراقبت‌های بالینی و درمانی وجود دارد؛ آن هم در حالی که این فناوری پتانسیل بی‌نظیری برای بهبود وضعیت سلامت بیماران و کاهش هزینه‌های کلان درمانی دارد.

نگاه دقیق‌تر: در این گزارش آمده است که هوش مصنوعی واقعاً این توانمندی را دارد که برخی از سرسخت‌ترین مشکلات ریشه‌ای نظام درمان را حل کند:

• این فناوری می‌تواند بازدهی کار را از تعداد و ظرفیت محدود نیروهای انسانی جدا کند و اجازه دهد خدمات درمانی با کم‌ترین هزینه حاشیه‌ای گسترش یابند.
• علاوه بر این، کادر درمان با کمک هوش مصنوعی می‌توانند بیماران بیشتری را زیر نظر بگیرند، با سرعت بالاتری به نیازهای آن‌ها پاسخ دهند و وقت ارزشمندشان را روی جنبه‌های عاطفی و انسانی مراقبت بگذارند؛ چیز‌هایی که هیچ ماشینی از عهده‌اش برنمی‌آید.
• در نهایت، هوش مصنوعی این شانس را به وجود می‌آورد که هم نتایج درمان بهتر شود و هم دسترسی مردم به خدمات باکیفیت گسترش یابد، آن هم هم‌زمان با کاهش هزینه‌ها؛ اهدافی که سال‌هاست دستیابی به آن‌ها دست‌نیافتنی به نظر می‌رسید.

اما نیمه پنهان ماجرا: طبق این گزارش، تا زمانی که موانع ساختاری بر سر راه استفاده بالینی از هوش مصنوعی برطرف نشوند، هیچ‌کدام از این رویاها محقق نخواهند شد:

• استانداردهای شواهد علمی، مرزهای ایمنی، معیارهای سنجش نتایج، شاخص‌های عملکرد و چارچوب‌های پایش پس از استقرار هنوز به بلوغ نرسیده‌اند. این یعنی نه نهادهای نظارتی، نه خریداران و نه کادر درمان هنوز نمی‌دانند کدام مدل واقعاً جواب می‌دهد و کدام نه.
• قوانین فعلی فناوری در حوزه درمان اصلاً برای هوش مصنوعی طراحی نشده‌اند؛ موضوعی که ابهامات حقوقی بزرگی در مورد مسئولیت خطاهای پزشکی، پاسخ‌گویی قانونی، نظارت و حدود اختیارات پزشکان ایجاد کرده است.
• روندها و فرآیندهای کاری بیمارستان‌ها به هیچ وجه برای فرآیندهای خودکار یا دستیاری با هوش مصنوعی آماده‌سازی نشده‌اند.
• و از همه مهم‌تر: مدل‌های پرداخت مالی و ساختار بیمه‌ها امروز اصلاً برای فناوری‌هایی که بتوانند کار‌های بالینی و تشخیصی انجام دهند، تعریف نشده‌اند.

کاربردهای اداری هوش مصنوعی اما داستان متفاوتی دارند. به گفته پیرسون: «این کاربردها تحت نظارت و قوانین سفت‌وسخت نیستند و از قضا برای مجموعه‌هایی که آن‌ها را پیاده می‌کنند پول‌ساز هم هستند.»

• او در ادامه اضافه می‌کند: «در نتیجه، سیستم فعلی عملاً به کار کم‌بازده انسانی مشوق می‌دهد، چون مدل‌های بازپرداخت مالی بیمه‌ها فقط برای همین شیوه قدیمی تعریف شده‌اند.»

نکته‌ای که باید زیر نظر داشت: بدون تعریف یک مدل پرداخت مالی مشخص، درخشان‌ترین و امیدوارکننده‌ترین کاربردهای پزشکی هوش مصنوعی شاید هرگز رنگ واقعیت به خود نبینند؛ صرفاً به این دلیل ساده که بازگشت مالی مشخصی وجود ندارد تا سرمایه‌گذاری‌های سنگین برای پیاده‌سازی و مقیاس‌پذیری این فناوری را توجیه کند.

گره اصلی ماجرا: به گزارش مؤسسه PHTI، مدل‌های پرداخت مالی اصلی که امروز در سیستم درمان حاکم هستند، به هیچ عنوان با جبران هزینه‌های خدمات ارائه‌شده توسط هوش مصنوعی یا سیستم‌های دستیار هوشمند همخوانی ندارند:

• رایج‌ترین مدل موجود، پرداخت بر اساس هر خدمت است؛ سیستمی که به ازای هر بار ویزیت یا معاینه حضوری، به پزشک و درمانگاه پول می‌دهد.
• اما از آنجا که هوش مصنوعی خروجی درمان را از زمان و کار فیزیکی پزشک جدا می‌کند و امکان مراقبت مداوم و شبانه‌روزی را فراهم می‌سازد، این مدل پرداخت اصلاً جوابگوی آن نیست.
• اگر بخواهند همین سیستم پرداخت به ازای هر بار استفاده را برای هوش مصنوعی هم پیاده کنند، هزینه‌های کلی بخش سلامت سر به فلک خواهد کشید.

سایر سیستم‌های پرداخت هم چنگی به دل نمی‌زنند؛ هرچند بعضی از آن‌ها وضعیت بهتری دارند:

• مدل‌های مبتنی بر عملکرد و سرانه، هرچند تمرکز مالی را از تعداد خدمات به سمت نتیجه درمان می‌برند، اما طبق این گزارش، مشوق کافی برای بازطراحی فرآیندهای کاری و هزینه‌های اولیه گزاف پیاده‌سازی هوش مصنوعی بالینی ایجاد نمی‌کنند.
• از سوی دیگر، پرداخت‌های مبتنی بر نتیجه درمان، مراکز درمانی را تشویق می‌کنند تا بازدهی را بالا برده و هزینه‌ها را کاهش دهند؛ امری که می‌تواند توجیه اقتصادی خوبی برای سرمایه‌گذاری روی هوش مصنوعی فراهم کند.
• با این حال، مؤسسه PHTI نتیجه می‌گیرد که هیچ مدل پرداختی وجود ندارد که به تنهایی برای تمام کاربردهای هوش مصنوعی در تمام بخش‌های بالینی پاسخگو باشد.

کلام آخر: کارولین پیرسون می‌گوید: «کاملاً واضح است که سیاست‌گذاران نقش بسیار پررنگی در تعیین الزامات قانونی، مقررات پوشش بیمه‌ای و مواردی از این دست دارند.»

• «سرمایه‌گذاران و شرکت‌های فناوری هم باید به شکلی جدی روی ارائه شواهد علمی، پایش مداوم سیستم‌ها و ایجاد چارچوب‌های ایمنی تمرکز کنند.»
• «در نهایت، شرکت‌های بیمه دولتی و خصوصی نیز باید عمیقاً به مدل‌های پرداختی فکر کنند که استفاده از این فناوری را پاداش دهد، بدون اینکه باعث فوران هزینه‌های درمان شود.»