В последнее время применение технологий искусственного интеллекта (ИИ) в радиологии становится все более популярным. Однако процессы прямых закупок, используемые для финансирования таких разработок, невероятно редки. В этой статье мы обсудим основные методы финансирования решений ИИ, которые используются во всем мире.

Что мне купить?

Во-первых, многие системы здравоохранения по всему миру уделяют первостепенное внимание повышению уровня медицинской помощи и степени цифровизации медицины в целом.

Эффективность радиологических служб значительно повышается за счет использования решений на основе ИИ как в плане снижения нагрузки на врачей, так и в плане выявления патологий. (в том числе на ранних стадиях). Многочисленные примеры из клинической практики уже использовались для подтверждения этого эффекта.

Если кратко обобщить результаты этих проектов, то можно выделить несколько важных преимуществ использования ИИ в рентгенологических отделениях, включая меньшую нагрузку на врачей (время, затрачиваемое на анализ исследований, сократилось почти на треть) и подстраховку от ошибок. (были случаи, когда ИИ выявлял признаки патологий, невидимых глазу рентгенолога).

Система здравоохранения России, как и всех других стран, должна найти способ оплаты внедрения таких решений в клиническую практику. Существуют различные планы финансирования, каждый из которых имеет свои особенности, преимущества и ограничения.

Донорское финансирование

Безусловно, одним из важнейших инструментов создания и развития новых производств является финансирование в рамках целевых программ. Московский эксперимент по интеграции сервисов компьютерного зрения в работу отделений лучевой диагностики — самая известная из таких инициатив в России. Планировщики эксперимента создают открытую конкурентную среду для разработчиков и регулярно проверяют качество решений ИИ.

На финансирование эксперимента с 2020 по 2022 год было выделено 900 млн рублей. К концу 2022 года более 50 сервисов-участников обработали более 7 млн ​​исследований.

Другие страны, имеющие докторскую степень в области разработки искусственного интеллекта, используют аналогичные процедуры. Британская NHS AI Lab, лаборатория искусственного интеллекта Национальной службы здравоохранения, работает над одним из заметных проектов с целевым финансированием. В рамках проекта, начатого в 2019 году, 9 компаниям было выделено в общей сложности 16 млн фунтов стерлингов. Следует отметить, что в рамках этого проекта уже оказана медицинская помощь более чем 300 000 пациентов.

Проект NHS отличается от московского эксперимента тем, что охватывает более широкий спектр услуг (не только радиологии), использует другую модель финансирования и ускоряет разработку. В проекте NHS финансирование назначенных компаний осуществляется по результатам отбора и эффективности их проектов, тогда как в Московском эксперименте оплата производится на основе целевого финансирования за конкретный объем обработанных исследований.

Другие страны, в том числе Сингапур, имеющие национальные стратегии развития ИИ, применили аналогичные модели на практике. Кроме того, ожидается, что внедрение ИИ в радиологии внесет вклад в рост ВВП Китайской Народной Республики на 1,7 миллиарда долларов.

Финансирование творческих подходов к здравоохранению

Следующая модель финансирования направлена ​​на повышение уровня тиражирования таких технологий и формирование рынка, тогда как предыдущая модель финансирования направлена ​​на создание благоприятной среды для появления компаний-разработчиков ИИ, их технологического роста и достижения определенного уровня зрелости.

В России большую часть диагностического медицинского оборудования, лекарственных препаратов и медицинских услуг оплачивает Фонд обязательного медицинского страхования. (КМФИ).

Первый случай закупки ИИ-решения для анализа маммографических исследований в России произошел в конце 2022 года. Кроме того, Минздрав России предпринимает шаги по ускорению внедрения технологий ИИ, сообщил замминистра здравоохранения Павел Пугачева, который говорил с ТАСС зимой 2023 года. Каждый регион должен будет к 2023 году внедрить в государственных медицинских организациях не менее одного решения искусственного интеллекта (ИИ), а к 2024 году — не менее трех решений ИИ.

В других странах тоже есть механики, которые работают по-другому, но нацелены на выполнение одних и тех же задач. Возьмем для примера американскую систему оплаты медицинских услуг.

Нас особенно интересует третья колонка этой диаграммы, которая представляет систему перспективной оплаты стационарного лечения (IPPS), перспективную систему тарифов на стационарное лечение. В столбец включены группы, связанные с диагностикой (DRG), и дополнительная плата за новую технологию. (НТАП).

Система хорошо зарекомендовавших себя и отработанных диагностических технологий представляет собой ДРГ.

Чтобы медицинская организация, использующая новые технологии, получила финансирование по программе NTAP, необходимо выполнить ряд требований.

  • Такие медицинские услуги или технологии должны быть исключены из списка, финансируемого DRG, и не должны быть сильно похожи на него.
  • DRG не в состоянии адекватно покрыть стоимость технологий.
  • Если сравнивать использование таких технологий с доступными в настоящее время услугами и технологиями, клиническая эффективность должна быть значительно улучшена.

NTAP позволяет медицинскому учреждению, использующему такую ​​технологию, оплачивать до 65% связанных с этим расходов. Решение (в нашем случае система ИИ) и медицинское учреждение должны пройти процесс согласования и проверки, чтобы подключиться к такой системе.

Впервые финансирование по схеме NTAP было разрешено в сентябре 2020 года для услуги ИИ, предоставляемой VIZ.AI в США. Спустя несколько месяцев к этой схеме финансирования присоединились еще несколько игроков — RapidAI, AIdoc и Avicenna.

Доступность и рынки

Последний пункт в списке сегодня — продажи перспективных инноваций на основе ИИ через их интеграцию в сложную инфраструктуру медицинских интеграторов и платформ — когда продажи осуществляются с помощью их возможностей, охвата и ресурсов. Однако это не самый важный пункт. Уникальность этого рынка в том, что такие платформы позволяют полностью удовлетворить потребности клиента (медицинского учреждения) в медицинских ИТ-услугах и продуктах.

Например, клиника может выбрать одну из систем PACS (в интеграции с одной из медицинских информационных систем) для решения радиологических задач, а затем выбрать из множества подключенных «искусственных интеллектов» от разных разработчиков на основе разных модальностей тот, который ей нужен. предпочитает или находит более полезным для достижения своих целей. В результате создается своего рода медицинская «лего-функция Object() { [собственный код] }», позволяющая вам собрать лучший пакет ИТ-решения для вас.

Nuance, Sectra Medical и TeraRecon — некоторые международные примеры таких игроков. В настоящее время в России развивается рынок медицинских платформ и системной интеграции. Такие разработки делаются, но на момент написания статьи еще нет технологически сложных решений.

Заключение

Выбор модели финансирования искусственного интеллекта — не новая проблема. Разные страны подходят к этой проблеме по-разному, принимая во внимание свои уникальные характеристики, ресурсы и ограничения.

Однако основные стратегии финансирования универсальны, как и конечная цель, заключающаяся в поощрении роста перспективных неразвитых отраслей за счет предоставления целевого финансирования. Затем это должно позволить им стать «рыночным каналом», что в конечном итоге поможет использованию ИИ оказать значительное социальное и экономическое влияние.