В статье проводится анализ финансовой эффективности применения искусственного интеллекта (ИИ) в здравоохранении, исследуются основные модели оценки, такие как ROI, CBA, HTA, а также примеры успешного внедрения технологий. Рассмотрены основные риски и барьеры, связанные с использованием ИИ в медицинских учреждениях, и предложены стратегии для их минимизации. Уделено внимание возможностям дальнейшего развития методов оценки эффективности с учетом специфики и потребностей здравоохранения, а также намечены направления для будущих исследований.
В статье проводится анализ финансовой эффективности применения искусственного интеллекта (ИИ) в здравоохранении, исследуются основные модели оценки, такие как ROI, CBA, HTA, а также примеры успешного внедрения технологий. Рассмотрены основные риски и барьеры, связанные с использованием ИИ в медицинских учреждениях, и предложены стратегии для их минимизации. Уделено внимание возможностям дальнейшего развития методов оценки эффективности с учетом специфики и потребностей здравоохранения, а также намечены направления для будущих исследований.
| № | Муаллифнинг исми | Лавозими | Ташкилот номи |
|---|---|---|---|
| 1 | Sultanov R.R. | Директор по цифровизации здравоохранения, PhD | Единый интегратор UZINFOCOM |
| № | Ҳавола номи |
|---|---|
| 1 | Бойков, В. А. Искусственный интеллект в здравоохранении: перспективы и проблемы / В. А. Бойков. – Москва: Издательство Медицина, 2020. – 320 с. |
| 2 | Горбунов, А. Ю., Матвеева, Е. С. Экономическая оценка технологий в здравоохранении. – Санкт-Петербург: СПбГУ, 2018. – 250 с. |
| 3 | Рубцов, И. В. Модели и методы анализа больших данных в медицине / И. В. Рубцов. – Екатеринбург: Уральский университет, 2019. – 280 с. |
| 4 | Mount Sinai Health System. Влияние искусственного интеллекта на операционные затраты в медицинских центрах [Электронный ресурс]. – Режим доступа: https://www.mountsinai.org – Дата обращения: 04.11.2024. |
| 5 | Mayo Clinic. Применение ИИ в прогнозировании сердечно-сосудистых заболеваний [Электронный ресурс]. – Режим доступа: https://www.mayoclinic.org – Дата обращения: 04.11.2024. |
| 6 | NHS. Автоматизация административных процессов с использованием ИИ [Электронный ресурс]. – Режим доступа: https://www.nhs.uk – Дата обращения: 04.11.2024. |
| 7 | Журнал "Экономика здравоохранения". Анализ экономической эффективности внедрения технологий в медицинских учреждениях. – 2022. – № 4. – С. 45-57. |
| 8 | Клементьев, А. П. Внедрение инновационных технологий в здравоохранении / А. П. Клементьев. – Москва: Экономика и здоровье, 2021. – 150 с. |
| 9 | Health Technology Assessment International. Основные принципы оценки медицинских технологий [Электронный ресурс]. – Режим доступа: https://www.htai.org – Дата обращения: 04.11.2024. |
| 10 | Центр анализа технологий здравоохранения. Руководство по внедрению и оценке ИИ в здравоохранении. – Москва: ЦАТЗ, 2023. – 300 с. |
| 11 | Kaplan, R. S., & Porter, M. E. How to Solve the Cost Crisis in Health Care / R. S. Kaplan, M. E. Porter // Harvard Business Review. – 2011. – Available at: https://hbr.org |
| 12 | Topol, E. J. Deep Medicine: How Artificial Intelligence Can Make Healthcare Human Again / E. J. Topol. – New York: Basic Books, 2019. – 400 p. |
| 13 | Jiang, F., Jiang, Y., Zhi, H., et al. Artificial Intelligence in Healthcare: Past, Present and Future / F. Jiang, Y. Jiang, H. Zhi et al. // Stroke and Vascular Neurology. – 2017. – Vol. 2, No. 4. – pp. 230-243. – DOI: 10.1136/svn-2017-000101 |
| 14 | OECD Health Division. Artificial Intelligence in Health Care: Opportunities and Challenges [Electronic resource]. – Access mode: https://www.oecd.org – Date of access: 04.11.2024. |
| 15 | European Commission. Artificial Intelligence for Europe // White Paper on Artificial Intelligence. – Brussels: European Union, 2020. – Available at: https://ec.europa.eu |
| 16 | Shen, J., Zhang, C. J., Jiang, B., et al. Artificial Intelligence in Healthcare: A Comprehensive Overview / J. Shen, C. J. Zhang, B. Jiang et al. // Annual Review of Medicine. – 2020. – Vol. 71, pp. 101-118. – DOI: 10.1146/annurev-med-052318-090127 |
| 17 | World Health Organization. Ethics and Governance of Artificial Intelligence for Health [Electronic resource]. – Geneva: WHO, 2021. – Available at: https://www.who.int/publications/i/item/9789240029200 |
| 18 | Esteva, A., Robicquet, A., Ramsundar, B., et al. A Guide to Deep Learning in Healthcare / A. Esteva, A. Robicquet, B. Ramsundar et al. // Nature Medicine. – 2019. – Vol. 25, pp. 24-29. – DOI: 10.1038/s41591-018-0316-z |
| 19 | Health Technology Assessment International (HTAi). A Guide for Effective Health Technology Assessment Practices [Electronic resource]. – Access mode: https://htai.org – Date of access: 04.11.2024 |
| 20 | European Network for Health Technology Assessment (EUnetHTA). Best Practices in Health Technology Assessment [Electronic resource]. – Access mode: https://eunethta.eu – Date of access: 04.11.2024 |
| 21 | Chen, J. H., & Asch, S. M. Machine Learning and Prediction in Medicine – Beyond the Hype / J. H. Chen, S. M. Asch // Journal of the American Medical Association. – 2017. – Vol. 318, No. 6, pp. 513-514. – DOI: 10.1001/jama.2017.5604 |
| 22 | National Institute for Health and Care Excellence (NICE). Evidence Standards Framework for Digital Health Technologies [Electronic resource]. – Access mode: https://www.nice.org.uk – Date of access: 04.11.2024 |