彼らによると、一針縫うだけで 9 人が助かり、血液を薄くする薬を使えば、心臓発作で緊急治療室に行く必要がなくなります。 診断ロボティクス 示すことを望んでいます。 同社の機械学習を活用した予防ケアは、危険な (そして費用のかかる) 医療危機を予測して回避することを目的としており、すべての人にお金を節約し、できれば一般的に健康を維持することを目的としています。
AI、保険、病院の請求書、および「予測医療」のこの特定の組み合わせは、ある種のテクノトピアの悪夢ではないことを最初に説明することが重要です。 会社全体は、たとえば、心臓発作を起こすよりも心臓の健康を改善する方が、あなたにとってより良く、より安価であるという事実に基づいています.
そのため、医師は、「心臓発作を起こしたら救急車に行く」と言う代わりに、赤身の肉を減らし、コレステロール維持薬を服用するように指示する. それは単なる常識であり、患者、病院、保険会社のお金も節約します。 心配はいりません。この種の予測を使用して、保険料を引き上げたり、治療を拒否したりすることはできません。 彼らはあなたに月々の支払いをしてほしいと思っています。
問題は、あまり明白でない状態、または患者が特定の検査を受けていない状態についてはどうなのかということです. ここで機械学習モデルの出番です。 大量のノイズから信号を抽出するのが非常に得意です。 この場合、AI が訓練されたのは、6,500 万件の匿名化された医療記録です。
「私たちは人々がどのように見えるかを見ます 前 Diagnostic Robotics の CEO 兼共同設立者である Kira Radinsky 氏は、次のように述べています。 「適切なタイミングで、適切な患者に適切な介入を提供することがすべてです。」
彼女は、医療提供者は、コストを削減するために、最も高額な患者、例えば、進行した心臓病患者に焦点を当てることが多いと指摘しました. しかし、彼らにとって緊急治療と維持管理は引き続き重要ですが、そのお金はすでに出て行ってしまいました。 一方、うっ血性心不全の初期の兆候がある人を診断すると、進行を食い止め、お金を節約し、場合によっては命さえも救うことができます. そしてこの技術は、ラボで検出できるものを超えて適用されます。
「課題は、うつ病や不安神経症に苦しんでいるが、薬を服用していない患者を見つけることだとしましょう」とラディンスキーは提案しました。 「医療記録に基づいて、うつ病や不安神経症の人をどのように特定しますか? 私たちは彼らの訪問のエントロピーを特定します — 多くのプロバイダー、多くの苦情 — これは強力なシグナルです. その後、特定の質問、医学的トリアージを行い、それらを心理学者または精神科医に結び付けますが、それらはもはや悪化していません。」
同社は、ER への訪問を 4 分の 3 減らすことができると主張しています。 米国では、逆説的に、莫大な医療費が発生するという恐怖が蔓延しているため、ER と緊急治療は圧倒されています。
Diagnostic Robotics のモデル別に並べ替えられた患者の情報を表示するタブレット インターフェースの例。
多くの場合、医療提供者や保険会社は無料またはわずかな費用で薬や治療を提供します。 もちろん、それはすべて利己的なことですが、それはあなたが彼らを信頼できることを意味します.
テルアビブに本拠を置く Diagnostic Robotics は、StageOne の投資家が主導し、Mayo Clinic、Technion (イスラエル工科大学)、Bradley Bloom が参加して、4,500 万ドルの B ラウンドを調達しました。 Radinsky 氏は、これにより、同社は医療提供者とより直接的に協力し始め、特定のリスクの高い状態に加えて、より全体的な健康目標を達成するのに役立つと述べています。 (同社は現在、約 20 を追跡しています。)
この広範なアプローチのパイロット テストは、数百人の患者を対象とした研究で最近検証されました。 臨床医のものと統計的に区別がつかない. 同社はすでに、ブルー クロス ロードアイランドと共に、イスラエル、南アフリカ、米国で数百万人の患者にサービスを提供しています。
彼らがあなたのプロバイダーに拡大する場合、名前が明らかにこれを示唆していますが、ある種のロボット検査を期待しないでください.
「無料またはほぼ無料で、追加の治療を提供するケア マネージャーから電話がかかってきます」とラディンスキー氏は言います。 AI はすでにその作業を行っており、テスト結果と場所から、何かのリスクがあることが示唆されている可能性があります。これらの推奨事項を真剣に受け止めてください。 AI にはまだまだ成長の余地があるかもしれませんが、統計的な相関関係を嗅ぎ分けるのは得意です。
彼女は、アルゴリズムの偏りを見つけ、定義し、軽減するために積極的に取り組んでいることを慎重に付け加えました。それは、偏ったデータや人為的エラーが原因であるかどうかに関係なく、どこかで発生します。 「アルゴリズムがやろうとしているのは、誰が最も利益を得るかを確認することです」とラディンスキー氏は説明しましたが、他の形態の AI や機械学習と同様に、誰が利益を得るかという考えが現実世界と一致するかどうかは、注意深く監視することによってのみわかります。