پیامدهایی برای قابلیت همکاری و انصاف

ChatGPT از زمان اولین حضور خود در جهان، علاقه زیادی را در جامعه مراقبت های بهداشتی برانگیخته است. این نمونه‌ای از مدل‌های زبان بزرگ است که از الگوریتم‌های یادگیری عمیق برای پردازش زبان طبیعی و تولید پاسخ‌ها به ورودی‌های کاربر به صورت مکالمه استفاده می‌کنند. این فناوری پتانسیل بهبود نحوه تعامل بیماران با ارائه دهندگان مراقبت های بهداشتی و افزایش کیفیت کلی خدمات مراقبت های بهداشتی را دارد.

من معتقدم که اگرچه در ظاهر، چنین قابلیت هایی ممکن است برای آینده سیستم مراقبت های بهداشتی امیدوارکننده به نظر برسند، وقتی انگیزه های اقتصادی و ساختار بازار در مراقبت های بهداشتی را در نظر بگیریم، چشم انداز تیره ای را برای همکاری و انصاف ارائه می دهند.

ChatGPT قابلیت همکاری را به یک تهدید تجاری واقعی برای ارائه دهندگان مراقبت های بهداشتی تبدیل می کند

بازار مراقبت های بهداشتی ایالات متحده عمدتاً متشکل از ارائه دهندگان متعارفی است که بازار را بین خود تقسیم کرده اند و هر کدام بخش قابل توجهی را بدون رقابت قابل توجهی از سوی دیگران در اختیار دارند. مشابه ارائه دهندگان اینترنت که بر قلمرو یکدیگر همپوشانی ندارند، رقابت قابل توجهی بین آنها وجود ندارد.

همانطور که بسیاری از محققین و کارشناسان صنعت قبلاً اشاره کرده اند، یک مانع عمده برای قابلیت همکاری در سیستم مراقبت های بهداشتی ایالات متحده فقدان انگیزه های تجاری است. علیرغم حمایت قابل توجه دولت، ارائه دهندگان مراقبت های بهداشتی معمولاً انگیزه اقتصادی برای انجام پروژه های تحول دیجیتال قابل توجهی که برای تسهیل قابلیت همکاری ضروری بود، ندارند. ارائه دهندگان مراقبت های بهداشتی در یک ساختار بازار مطلوب، با رقابت محدود، فعالیت می کنند. اگر رقابت بیشتری وجود داشت، حتی تمایل کمتری برای به اشتراک گذاشتن داده‌های خود داشتند، زیرا تحقیقات نشان می‌دهد که وقتی بیماران دسترسی آسان‌تری به سوابق پزشکی خود دارند، احتمال بیشتری دارد که ارائه‌دهنده فعلی خود را ترک کنند و به دنبال خدمات از دیگران باشند.

با این حال، بازار مراقبت های بهداشتی به دلیل تغییرات تکنولوژیکی، اقتصادی و اجتماعی از زمان همه گیر شدن دچار دگرگونی سریع شده است. بازدید از راه دور به دلیل در دسترس بودن پهنای باند، نرخ بازپرداخت بیمه بالاتر و پذیرش گسترده توسط بیماران و ارائه دهندگان، قابل دسترسی تر شده است. در نتیجه این تغییرات، یک رقیب جدید قدرتمند در حال ظهور است که توسط مرزهای منطقه ای بازار مراقبت های بهداشتی سنتی محدود نمی شود. همکاری اخیر آمازون با OneMedical برای ارائه خدمات مراقبت های اولیه به صورت اشتراک نمونه ای از مدل جدیدی برای ارائه مراقبت های بهداشتی است که من و همکارانم قبلاً پیش بینی کرده بودیم. همانطور که در زیر توضیح می دهم، انتظار می رود که رقبای جدید یک تهدید واقعی برای ارائه دهندگان پزشکی سنتی باشند و ارائه دهندگان سنتی را تشویق کنند تا فعالانه از به اشتراک گذاری داده های خود خودداری کنند.

در تلاش خود برای ایجاد اختلال در بازار مراقبت های بهداشتی، شرکت های فناوری مانند OneMedical آمازون دارای منابع، دانش، علاقه و انگیزه لازم برای استفاده از مدل های زبان بزرگ برای تسهیل تعامل بین بیماران و ارائه دهندگان مراقبت های بهداشتی هستند. به عنوان مثال، OneMedical انگیزه مستقیمی برای استفاده از یک مدل زبان بزرگ دارد که به طور خاص بر روی مقادیر وسیعی از داده‌های پزشکی آموزش دیده است تا توصیه‌های پزشکی دقیقی را برای بیماری‌های خاص به بیماران ارائه دهد، به گونه‌ای که از یک پزشک انسانی قابل تشخیص نیست. این توصیه های تولید شده توسط هوش مصنوعی حتی می تواند از کیفیت توصیه های ارائه شده توسط یک متخصص پزشکی انسانی فراتر رود.

من تقریباً متقاعد شده‌ام که این مدل در ارائه دسترسی کم‌هزینه و مبتنی بر اشتراک به خدمات پزشکی برای اکثر بیماری‌های رایج پزشکی موفق خواهد بود. با این وجود، ارائه دهندگان مراقبت های بهداشتی می توانند با تقویت حفاظت از داده های پزشکی ارزشمند خود، شروع آن را به طور قابل ملاحظه ای به تاخیر بیندازند. ارائه دهندگان مراقبت های بهداشتی به زودی متوجه خواهند شد که به اشتراک گذاری داده های پزشکی که به طور بالقوه می تواند توسط رقبای آنها برای آموزش مدل های زبان بزرگ استفاده شود، شبیه به غذا دادن به جانوری است که در نهایت علیه آنها خواهد بود. این مدل های زبانی تهدیدی واقعی برای مدل کسب و کار ارائه دهندگان مراقبت های بهداشتی خواهند بود و آنها را وادار می کند تا تبادل اطلاعات را تا حد امکان به حداقل برسانند. ارائه‌دهندگان مراقبت‌های بهداشتی ممکن است تلاش کنند تا از طریق ابزارهای فن‌آوری، اما عمدتاً از طریق استراتژی‌های قانونی و لابی‌گری، از قابلیت همکاری جلوگیری کنند. آنها احتمالاً برای ایجاد موانع قانونی که مانع پیشرفت خدمات پزشکی مبتنی بر هوش مصنوعی می شود، لابی خواهند کرد.

به طور همزمان، ارائه دهندگان مراقبت های بهداشتی علاقه خاصی به استفاده از این فناوری به نفع خود دارند و از داده های پزشکی خود برای آموزش مدل خود و بهبود کارایی عملیاتی در سازمان خود استفاده می کنند. این می تواند منجر به یک چشم انداز تکه تکه با برنامه های هوش مصنوعی متعدد شود، که هر کدام بر روی بخشی اختصاصی از داده های کلی موجود آموزش دیده اند و بنابراین کیفیت کمتر و دقت تشخیصی کمتری نسبت به آنچه که در صورت موجود بودن همه داده ها ممکن می شد، داشته باشند.

ChatGPT ممکن است منجر به یک سیستم مراقبت بهداشتی دو لایه شود

تأثیر مدل های زبان بزرگ بر خدمات مراقبت های بهداشتی پیچیده است و نمی توان آن را به سادگی تعمیم داد. یکی از نگرانی‌های اولیه، پتانسیل این سیستم‌ها برای تشدید نابرابری‌های موجود در دسترسی به مراقبت‌های بهداشتی است. از آنجایی که ارائه خدمات پزشکی از طریق این فناوری هزینه نهایی ناچیزی برای ارائه دهندگان خواهد داشت، ممکن است در نهایت سیستمی دو لایه ایجاد کنند که در آن بیمارانی که بیمه بهتری دارند برای ویزیت حضوری در اولویت قرار می گیرند و افرادی که وضعیت اجتماعی-اقتصادی پایین تری دارند دچار هوش مصنوعی می شوند. چت ربات های مبتنی بر

تأثیرات مشابهی از فناوری توسط دانش آموزان در طول همه گیری همه گیر تجربه شد. در حالی که مدارس دولتی به آموزش آنلاین و آموزش از راه دور روی آوردند، مدارس خصوصی از منابع اضافی خود برای حفظ آموزش حضوری استفاده کردند و شکاف آموزشی بین دانش‌آموزان مدارس خصوصی و دولتی را بیش از پیش افزایش دادند.

راه پیش رو

به عنوان یک خوشبین به فناوری، من معتقدم که خدمات مراقبت های بهداشتی از طریق تحقیق و نوآوری در بلندمدت بسیار بهبود می یابد. من همچنین معتقدم که با توجه به نحوه تامین مالی خدمات مراقبت های بهداشتی در ایالات متحده، نقش دولت در حمایت از چنین تلاش هایی را نمی توان نادیده گرفت.

همانطور که قبلاً بحث کرده‌ام، در کوتاه‌مدت، دولت باید دیدگاه خود را در مورد خدمات پزشکی قابل بازپرداخت، با تشخیص ظهور روش‌های ارائه مراقبت‌های بهداشتی پزشکی از راه دور و مبتنی بر هوش مصنوعی به روز کند. بازپرداخت این خدمات باید برابر با مراجعه حضوری معمولی باشد. با این وجود، برابری بازپرداخت باید مشروط به برابری نتیجه باشد. دولت باید به‌جای برخورد یکسان با همه خدمات، خدمات خاصی را شناسایی کند که ارائه مجازی یا مبتنی بر هوش مصنوعی نتایج یکسانی را در طیف وسیعی از نتایج پزشکی به همراه دارد. دولت باید فقط برای آن خدمات با نرخی واحد، مکانیزم تحویلی بپردازد.

با توجه به عدم تمایل بسیاری از ارائه‌دهندگان به اشتراک‌گذاری داده‌های پزشکی با شرکت‌های فناوری و سایر ارائه‌دهندگان پزشکی، دولت باید به اجرای جدی قوانینی که برای منع ارائه‌دهندگان از مسدود کردن جریان آزاد داده‌های پزشکی طراحی شده‌اند، ادامه دهد. در عین حال، دولت باید مقررات قدیمی‌تری را که انگیزه‌های مالی برای اشتراک‌گذاری داده‌های پزشکی را از بین برده است، بازبینی کند.

در بلندمدت، حفظ تمرکز بر مدل‌های پرداخت مبتنی بر ارزش بسیار مهم است. آنها ارائه دهندگان را تشویق می کنند تا فعالانه به دنبال فرصت هایی برای بهینه سازی خدمات خود با استفاده از فناوری هایی از جمله هوش مصنوعی و سلامت از راه دور باشند. این رویکرد تضمین می‌کند که به ارائه‌دهندگان آزادی داده می‌شود تا فناوری‌هایی را اتخاذ کنند که به بهترین وجه با نیازهای آنها – و مهم‌تر از آن بیمارانشان مطابقت دارد.

این مقاله قبلا در Health Affairs منتشر شده بود.