用人工智能协助克服医疗过度使用:一项实验性调查

科学领域:

• 医疗信息学 医疗信息学
• 医疗决策支持 医疗决策支持
• 医疗保健中的人工智能

背景情况:

• 医疗过度治疗是医疗保健的一个重大挑战,导致成本增加和患者风险增加.
• 了解影响医生处方行为的因素,包括激励和人工智能援助,对于改善医疗保健至关重要.

研究的目的:

• 研究人工智能 (AI) 对减少医疗过度治疗和提高治疗准确性的影响.
• 分析医生对不同激励结构 (平面,渐进,回归) 的AI建议的接受度.
• 确定过度治疗的关键驱动因素,包括能力,激励,患者福利和防御医学.

主要方法:

• 两个实验涉及医生和医学学生在武汉,中国,使用一个新的医疗处方任务.
• 实施三种不同的激励计划:平稳,渐进和回归支付模式.
• 估计人工智能对处方概率,过度治疗率和治疗准确性的影响.

主要成果:

• 人工智能推增加了处方概率25.7-28.4个百分点,最显著的是在平面激励计划下.
• 人工智能援助使过度处理的概率降低了10.9-25.7个百分点 (15.2-80.3%),而平面方案的效果更大.
• 人工智能提高了治疗准确度9.8-13.3个百分点 (14.6-19.9%),在回归方案下效果最大.
• 医生在不太熟悉的医疗领域对AI的接受度更高.

结论:

• 人工智能在减少医疗过度治疗和提高临床实践中的治疗准确性方面具有显著的潜力.
• 人工智能在缓解过度治疗方面的有效性受到医疗保健系统中普遍存在的激励结构的影响.
• 医疗管理人员可以利用这些发现来优化人工智能集成,以改善患者的治疗结果和成本效益.