هوش مصنوعی چگونه می‌تواند اقتصاد سلامت ایران را متحول کند؟

به گزارش نبض سلامت؛ برای ارزیابی اقتصادی هوش مصنوعی در نظام سلامت، صرفاً افزایش دقت الگوریتم‌ها کافی نیست و باید حجم خدمات، هزینه‌های فعلی، کیفیت داده‌ها، هزینه اجرای فناوری و امکان سنجش نتایج نیز مورد توجه قرار گیرد.

بیماری‌های مزمن؛ یکی از نقاط پرظرفیت برای AI

بر اساس داده‌های مورد استناد این گزارش، حدود ۵.۴۵ میلیون بزرگسال ایرانی در سال ۲۰۲۴ به دیابت مبتلا بوده‌اند و بیماری‌های غیرواگیر نیز سهم قابل توجهی از مرگ‌ومیر کشور را به خود اختصاص داده‌اند.

یکی از کاربردهای مطرح‌شده برای هوش مصنوعی، پایش از راه دور بیماران مبتلا به دیابت، فشارخون و بیماری‌های قلبی است؛ به‌گونه‌ای که داده‌های مربوط به قند خون، فشارخون، وزن و ضربان قلب به‌صورت منظم جمع‌آوری و توسط سامانه‌های هوشمند تحلیل شود.

در این مدل، هوش مصنوعی می‌تواند مواردی مانند کنترل نامناسب بیماری، مصرف نامنظم دارو یا نیاز احتمالی بیمار به ارجاع را شناسایی کند.

آزادسازی ظرفیت پزشکان با هوش مصنوعی

بخش دیگری از ظرفیت AI به امور اداری و مستندسازی بالینی مربوط می‌شود.

در این گزارش با استناد به مطالعه‌ای در JAMA Network Open در سال ۲۰۲۵، استفاده از ابزارهای هوشمند مستندسازی، به‌طور متوسط حدود ۲.۴ دقیقه از زمان کار با پرونده الکترونیک در هر ویزیت کم کرده است.

بر اساس برآورد مطرح‌شده، اگر چنین فناوری‌ای تنها در ۱۰ درصد مراجعات ایران به کار گرفته شود، امکان آزادسازی حدود ۳۳۱ هزار ساعت ظرفیت بالینی در سال وجود خواهد داشت؛ ظرفیتی که می‌تواند برای افزایش تعداد ویزیت، گفت‌وگوی بیشتر پزشک با بیمار، کاهش اضافه‌کاری یا تکمیل سریع‌تر پرونده‌ها مورد استفاده قرار گیرد.

مدیریت هوشمند بیمارستان‌ها

مدیریت ظرفیت تخت و پیش‌بینی زمان ترخیص نیز از دیگر حوزه‌هایی است که می‌تواند از هوش مصنوعی بهره ببرد.

بر اساس محاسبات ارائه‌شده در گزارش، اگر پیش‌بینی هوشمند زمان ترخیص و تقاضای تخت تنها در ۱۰ درصد بستری‌ها اجرا شود و متوسط مدت اقامت بیماران فقط ۰.۱ روز کاهش یابد، حدود ۱۱۰ هزار تخت‌روز در سال آزاد خواهد شد؛ ظرفیتی معادل حدود ۳۰۰ تخت بیمارستانی در طول یک سال.

البته این اعداد، سناریوهای محاسباتی هستند و تحقق آنها به کیفیت داده‌ها، نحوه اجرای سامانه و میزان اثربخشی واقعی فناوری در محیط درمان وابسته است.

نسخه الکترونیک؛ یکی از منابع بزرگ داده سلامت

نسخه‌های الکترونیک نیز می‌توانند بستری مناسب برای استفاده از الگوریتم‌های هوشمند ایجاد کنند.

بر اساس ارقام مورد اشاره در گزارش، در سال ۱۴۰۳ حدود ۴۲ میلیون نسخه در تأمین اجتماعی و ۴۶ میلیون نسخه در بیمه سلامت ثبت شده است.

تحلیل این حجم از داده می‌تواند برای شناسایی نسخه‌های تکراری، الگوهای نامتناسب و موارد نیازمند بررسی مورد استفاده قرار گیرد

هوش مصنوعی در اورژانس؛ کاهش زمان انتظار

مدیریت هوشمند صف و تریاژ نیز یکی دیگر از کاربردهای بالقوه AI است.

طبق داده‌های سال ۱۴۰۰، حدود ۴۷.۵ میلیون مراجعه اورژانسی در کشور ثبت شده است. برآورد ارائه‌شده نشان می‌دهد اگر مدیریت هوشمند صف در ۱۰ درصد این مراجعات به کار گرفته شود و تنها پنج دقیقه از زمان انتظار یا فرآیند اداری هر بیمار کاهش یابد، حدود ۳۹۶ هزار ساعت از زمان بیماران در سال صرفه‌جویی خواهد شد.

با این حال، استفاده از هوش مصنوعی بدون وجود داده‌های استاندارد و نظام مناسب تریاژ نمی‌تواند به‌تنهایی مشکلات ساختاری اورژانس را حل کند.

زنجیره تأمین دارو؛ یکی از جذاب‌ترین حوزه‌های اقتصادی AI

یکی از بخش‌های قابل توجه این گزارش برای صنعت دارو، کاربرد هوش مصنوعی در زنجیره تأمین دارو است.

بر اساس داده‌های ارائه‌شده، در نیمه نخست سال ۱۴۰۴ حدود ۲۸ میلیارد واحد دارویی به ارزش تقریبی ۱۵۶ همت از طریق ۲۹۹ شرکت تأمین‌کننده و ۹۰ شرکت توزیع وارد بازار شده است.

گزارش تأکید می‌کند در بازاری با چنین ابعادی، حتی کاهش یک درصدی در اتلاف ناشی از انقضا، انباشت نامناسب یا ناکارآمدی توزیع، از نظر ارزش اسمی می‌تواند معادل حدود ۱.۵۶ همت در شش ماه باشد.

البته این رقم به معنای وجود یک درصد اتلاف قطعی در بازار دارویی نیست، بلکه صرفاً اندازه یک فرصت بالقوه را نشان می‌دهد که برای اثبات آن باید داده‌های واقعی زنجیره تأمین بررسی شود. (روزنامه دنیای اقتصاد⁠)

پیش‌بینی کمبود دارو با کمک هوش مصنوعی

اتصال داده‌های موجودی دارو، تاریخ انقضا، میزان مصرف روزانه، نسخه‌های تأمین‌نشده، زمان تحویل، خریدهای اضطراری و تخصیص ارز می‌تواند زمینه‌ای برای پیش‌بینی کمبود دارو فراهم کند.

بر اساس این رویکرد، الگوریتم‌های هوش مصنوعی می‌توانند کمبودهای احتمالی را زودتر شناسایی کنند، انتقال دارو میان مراکز را پیشنهاد دهند و سفارش‌های غیرعادی را نیز مشخص کنند.

این موضوع برای ایران اهمیت ویژه‌ای دارد؛ چراکه مدیریت موجودی و پیش‌بینی تقاضا در شرایط نوسان تأمین، تخصیص ارز و محدودیت‌های وارداتی می‌تواند مستقیماً بر دسترسی بیماران به دارو اثر بگذارد.

چرا ایران نباید از پیچیده‌ترین کاربردها شروع کند؟

بر اساس تحلیل مطرح‌شده در این گزارش، ایران می‌تواند به جای آغاز سرمایه‌گذاری در هوش مصنوعی از پیچیده‌ترین کاربردهای تشخیصی، ابتدا به سراغ حوزه‌هایی برود که داده بیشتر، ریسک بالینی کمتر و نتیجه اقتصادی قابل اندازه‌گیری‌تری دارند.

مدیریت بیماری‌های مزمن، امور اداری و مستندسازی، مدیریت ظرفیت بیمارستان و زنجیره تأمین دارو از جمله این حوزه‌ها عنوان شده‌اند.

در این رویکرد، اجرای طرح‌های آزمایشی کوچک و قابل ارزیابی می‌تواند پیش از توسعه سراسری انجام شود و برای هر طرح نیز شاخص‌هایی مانند هزینه پایه، هزینه اجرا، پیامد بالینی، میزان خطا و صرفه‌جویی خالص به ازای هر بیمار یا خدمت اندازه‌گیری شود

هوش مصنوعی؛ از فناوری به سیاست سلامت

بررسی این ظرفیت‌ها نشان می‌دهد ورود هوش مصنوعی به نظام سلامت صرفاً یک موضوع فناورانه نیست؛ بلکه می‌تواند به یک موضوع سیاست‌گذاری، اقتصادی و حتی مدیریتی تبدیل شود.

اگر استفاده از AI با داده‌های استاندارد، زیرساخت مناسب، چارچوب‌های نظارتی و ارزیابی اقتصادی همراه شود، این فناوری می‌تواند در بخش‌هایی از نظام سلامت به افزایش بهره‌وری و دسترسی کمک کند.