How to leverage AI to boost care management success
ケアマネジメントを成功に導くAI活用法
要約(英語):
In short, care management refers to the collection of services and activities that help people with chronic and mental health conditions manage their health. Despite their best efforts, many of these initiatives provide suboptimal outcomes, according to dataDecisionMakers
要約(日本語):
。要するに、ケア管理とは、慢性および精神的健康状態を持つ人々が自分の健康を管理するのに役立つサービスと活動の収集を指します。DataDecisionMakersによると、彼らの最善の努力にもかかわらず、これらのイニシアチブの多くは最適ではない結果を提供します
本文:
Sixty percent of American adults live with at least one chronic condition, and 12% with five or more.
アメリカの成人の60％は、少なくとも1つの慢性疾患、5％以上の慢性疾患で住んでいます。
They spend exponentially more on healthcare than those without any chronic conditions.
彼らは、慢性的な状態のない人々よりもヘルスケアに指数関数的に費やしています。
For instance, 32% of adults with five or more chronic conditions make at least one ER visit each year.
たとえば、5つ以上の慢性疾患を持つ成人の32％が、毎年少なくとも1回のER訪問をしています。
On top of that, 24% have at least one inpatient stay, in addition to an average of 20 outpatient visits — up to 10 times more than those without chronic conditions.
それに加えて、24％が少なくとも1つの入院患者の滞在を持っています。これは、平均20の外来患者の訪問に加えて、慢性疾患のない最大10倍です。
In fact, 90% of America’s $4 trillion healthcare expenditures are for people with chronic and mental health conditions, according to the Centers for Disease Control and Prevention (CDC).
実際、疾病管理予防センター（CDC）によると、アメリカの4兆ドルの医療費の90％は慢性および精神的健康状態の人々向けです。
The fundamental way healthcare organizations reduce these costs, improve patient experience and ensure better population health is through care management. In short, care management refers to the collection of services and activities that help patients with chronic conditions manage their health.
ヘルスケア組織は、これらのコストを削減し、患者の経験を改善し、人口の健康を改善し、ケア管理を通じてより良いものを確保するための基本的な方法です。要するに、ケア管理とは、慢性状態の患者が自分の健康を管理するのに役立つサービスと活動の収集を指します。
Care managers proactively reach out to patients under their care and offer preventative interventions to reduce hospital ER admissions.
ケアマネージャーは、ケアの下で患者に積極的に手を差し伸べ、病院の入院を減らすために予防的介入を提供します。
Despite their best efforts, many of these initiatives provide suboptimal outcomes.
彼らの最善の努力にもかかわらず、これらのイニシアチブの多くは最適ではない結果を提供します。
For instance, care managers identify patients with the highest costs over the previous year and begin their outreach programs with them.
たとえば、ケアマネージャーは、前年にわたって最も高いコストの患者を特定し、アウトリーチプログラムを開始します。
The biggest challenge with this approach, according to our internal research, is nearly 50-60% of high-cost patients were low-cost in the previous year.
私たちの内部調査によると、このアプローチでの最大の課題は、高コストの患者のほぼ50〜60％が前年に低コストであったことです。
Without appropriate outreach, a large number of at-risk patients are left unattended with the reactive care management approach. MetaBeat 2022 MetaBeat will bring together thought leaders to give guidance on how metaverse technology will transform the way all industries communicate and do business on October 4 in San Francisco, CA.
適切なアウトリーチがなければ、リスクのあるケア管理アプローチとは多数のリスクのある患者が放置されています。Metabeat 2022 Metabeatは、10月4日にカリフォルニア州サンフランシスコで、すべての産業がコミュニケーションとビジネスを行う方法をメタバーステクノロジーがどのように変化させるかについてのガイダンスを提供するために、Sound Leadersを集めます。
These models are not localized, so understanding the social determinants of individual locations is not considered.
これらのモデルはローカライズされていないため、個々の場所の社会的決定要因を理解することは考慮されません。
Our experience while working with different clients also points to the fact that readmissions contribute only 10-15% of total admission.
さまざまなクライアントと協力している間の私たちの経験は、再入院が総入場の10〜15％しか寄与していないという事実を指摘しています。
The focus on proactive care management and avoiding future avoidable emergency room and hospital admission is lacking.
積極的なケア管理に焦点を当て、将来の回避可能な緊急治療室と入院を避けることは不足しています。
This is key to success in value-based care models.
これは、価値ベースのケアモデルで成功するための鍵です。
Without such granular understanding, outreach efforts can be ineffective in curbing the cost of care.
そのような粒度の理解がなければ、アウトリーチの努力はケアのコストを抑えるのに効果的ではありません。
Advanced analytics and artificial intelligence (AI) open up a significant opportunity for care management.
高度な分析と人工知能（AI）は、ケア管理のための重要な機会を開きます。
Health risks are complex, driven by a wide range of factors well beyond just one’s physical or mental health.
健康上のリスクは複雑であり、身体的または精神的な健康をはるかに超える幅広い要因によって推進されています。
For example, a person with diabetes is at higher risk if they also have low-income and limited access to medical services.
たとえば、糖尿病の人は、低所得者も医療サービスへのアクセスが制限されている場合、リスクが高くなります。
Therefore, identifying at-risk patients’ needs to consider additional factors to encompass those most in need of care.
したがって、リスクのある患者を特定する必要があります。
Machine learning (ML) algorithms can evaluate a complex range of variables such as patient history, past hospital/ER admissions, medications, social determinants of health, and external data to identify at-risk patients accurately.
機械学習（ML）アルゴリズムは、患者の歴史、過去の病院/ER入院、医薬品、健康の社会的決定要因、外部データなどの複雑な範囲の変数を評価して、リスクのある患者を正確に特定します。
It can stratify and prioritize patients based on their risk scores, enabling care managers to design their outreach to be effective for those who need it most. At an individual level, an AI-enabled care management platform can offer a holistic view of each patient, including their past care, current medication, risks, and accurate recommendations for their future course of action.
リスクスコアに基づいて患者を層別化し、優先順位を付けることができ、ケアマネージャーはアウトリーチを設計して、最も必要とする患者に効果的であることができます。個人レベルでは、AI対応ケア管理プラットフォームは、過去のケア、現在の薬、リスク、将来の行動方針に対する正確な推奨事項など、各患者の全体的な見方を提供できます。
For the patient in the example above, AI can equip care managers with HbA1C readings, medication possession ratio, and predictive risk scores to deliver proper care at the right time.
上記の例の患者の場合、AIは、適切なタイミングで適切なケアを提供するために、HBA1Cの測定値、薬物所持比、予測リスクスコアをケア管理者に装備できます。
It can also guide the care manager regarding the number of times they should reach out to each patient for maximum impact.
また、最大の衝撃のために各患者に手を差し伸べるべき回数について、ケアマネージャーを導くことができます。
Unlike traditional risk stratification mechanisms, modern AI-enabled care management systems are self-learning.
従来のリスク層別化メカニズムとは異なり、最新のAI対応ケア管理システムは自己学習です。
When care managers enter new information about the patient — such as latest hospital visit, change in medication, new habits, etc.
ケアマネージャーが患者に関する新しい情報を入力すると、最新の病院訪問、投薬の変更、新しい習慣など。
— AI adapts its risk stratification and recommendations engine for more effective outcomes.
– AIは、より効果的な結果を得るために、リスクの層別化と推奨エンジンを適応させます。
This means that the ongoing care for every patient improves over time.
これは、すべての患者の継続的なケアが時間とともに改善することを意味します。
In theory, the impact of AI in care management is significant — both governments and the private sector are bullish on the possibilities.
理論的には、ケア管理におけるAIの影響は重要です。政府と民間部門の両方が可能性に強気です。
Yet, in practice, especially among those who use the technology every day, i.e., care managers, there appears to be reluctance.
しかし、実際には、特に毎日テクノロジーを使用している人、つまりケアマネージャーの間では、抵抗があるようです。
With good reason.
正当な理由があります。
For starters, many of today’s AI-based care management solutions aren’t patient-centric.
まず第一に、今日のAIベースのケア管理ソリューションの多くは患者中心ではありません。
Nationalized models are ineffective for most local populations, throwing predictions off by a considerable margin.
国有化されたモデルは、ほとんどの地元の集団にとって効果がなく、かなりのマージンで予測を捨てます。
Without accurate predictions, care managers lack reliable tools, creating further skepticism.
正確な予測がなければ、ケアマネージャーは信頼できるツールを欠いており、さらなる懐疑論を生み出します。
Carefully designed localized models are fundamental to the success of any AI-based care management solution.
慎重に設計されたローカライズされたモデルは、AIベースのケア管理ソリューションの成功の基本です。
On the other hand, AI today is not ‘care manager-driven’ either.
一方、今日のAIも「ケアマネージャー主導」ではありません。
A ‘risk score’ or the number indicating the risk of any patient gives little to the care manager.
「リスクスコア」または患者のリスクを示す数は、ケアマネージャーにほとんど与えません。
AI solutions need to speak the user’s language, so they become comfortable with the suggestions. Healthcare delivery is too complex and critical to be left to the black box of an ML algorithm.
AIソリューションは、ユーザーの言語を話す必要があるため、提案に満足しています。ヘルスケアの配信は複雑すぎて重要であり、MLアルゴリズムのブラックボックスに任せるには重要です。
It needs to be transparent about why each decision was made — there must be explainability that is accessible to the end-user. At the healthcare organizational level, AI solutions must also demonstrate ROI.
各決定が下された理由について透明性が必要です。エンドユーザーがアクセスできる説明可能性が必要です。ヘルスケア組織レベルでは、AIソリューションもROIを実証する必要があります。
They must impact the business by moving the needle on its key performance indicators (KPIs).
針を主要なパフォーマンスインジケーター（KPI）に移動させることにより、ビジネスに影響を与えなければなりません。
This could include reducing the cost of care, easing the care manager’s burden, minimizing ER visits, and other benefits.
これには、ケアコストの削減、ケアマネージャーの負担の緩和、ER訪問の最小化、およびその他のメリットが含まれます。
These solutions must provide healthcare leaders with the visibility they need into hospital operations as well as delivery metrics.
これらのソリューションは、病院の運営に必要な可視性と配信メトリックをヘルスケアリーダーに提供する必要があります。
Despite current challenges and failures in some early AI projects, what the industry is experiencing is merely teething troubles.
いくつかの初期のAIプロジェクトでの現在の課題と失敗にもかかわらず、業界が経験しているのは、単に歯が生える問題です。
As a rapidly evolving technology, AI is adapting itself to the needs of the healthcare industry at an unprecedented pace.
急速に進化する技術として、AIは前例のないペースで医療業界のニーズに適応しています。
With ongoing innovation and receptiveness to feedback, AI can become the superpower in the armor of healthcare organizations.
継続的なイノベーションとフィードバックに対する受容性により、AIは医療機関の鎧の超大国になることができます。
Especially in proactive care management, AI can play a significant role.
特に積極的なケア管理では、AIは重要な役割を果たすことができます。
It can help identify at-risk patients and offer care that prevents complications or emergencies.
リスクのある患者を特定し、合併症や緊急事態を防ぐケアを提供するのに役立ちます。
It can enable care managers to monitor progress and give ongoing support without patients ever visiting a hospital to receive it.
ケアマネージャーは、患者が病院を訪れてそれを受け取ることなく、進捗状況を監視し、継続的な支援を与えることができます。
This will, in turn, significantly reduce the cost of care for providers.
これにより、プロバイダーのケアコストが大幅に削減されます。
It will empower patients to lead healthy lives over the long term and promote overall population health.
それは患者が長期的に健康的な生活を送り、全体的な人口の健康を促進する力を与えます。
元記事
https://venturebeat.com/ai/how-to-leverage-ai-to-boost-care-management-success/
