人工智能在提升医疗成本效益方面的挑战：一种混合多准则决策模型

《Health Economics Review》：Challenges of AI for cost-effectiveness in health: a hybrid MCDM model

　　

摘要

研究目的

本研究旨在阐明人工智能在提升医疗服务成本效益方面的作用，同时探讨阻碍其应用的各项挑战。

研究方法

研究设计了一种基于DEMATEL与ARAS方法的混合多准则决策模型。数据收集工作由来自加拿大、印度、瑞士、美国和土耳其的10位从事健康管理、健康经济学及卫生政策领域的专家共同完成。通过DEMATEL分析探究这些挑战之间的因果关系，再利用ARAS方法对相应的解决方案进行评估。

研究结果

DEMATEL分析显示，“监管与伦理问题”这一因素的重要性最高，占比达13.94%，其次是“高昂的初始成本与财务限制”，占比13.65%，还有“数据标准化缺失及存在偏差”，占比13.29%。在ARAS评估中，各项拟议解决方案中，“为患者及其家属开展全面的宣传培训”这一措施的绩效值最高，为Ki=0.93，其次是“为人工智能应用转型提供激励措施”，绩效值为Ki=0.87，再者是“建立基于区块链的网络安全系统”，绩效值为Ki=0.85。

研究结论

若要通过人工智能提升医疗服务的成本效益，就必须构建完善、集成且标准化的数据基础设施，制定全面的伦理与监管框架，同时开展患者教育项目，以此增强人们对人工智能技术的信任与接受度。本研究为政策制定者和行业从业者提供了基于实证的建议，有助于推动人工智能在医疗领域的顺利应用，进而提升成本效益与服务水平。