熱門:

2021年4月30日

Jay Jacobs ETF

Jay Jacobs: 提高醫療保健系統智能化

隨着人口老齡化、人們對醫療服務的需求持續上升及成本上漲速度快於通脹,以科技為主的醫療解決方案或許可以是解決問題的最佳良藥。

醫療保健行政管理可以藉着數據化減少管理開支及改善紀錄備存流程以提高效率。經過數十年的醫療紀錄數據化歷程,現已有多達 96%的醫院和86%的醫生使用電子健康/醫療紀錄。受惠於這些努力,在所有電子數據中三成來自醫療系統。但其中八成的數據是非結構化數據,即未經過組織或規範化,餘下的兩成結構化數據也缺乏標準化,估計所有醫療保健數據中有5%至10%來自從重複紀錄。當涉及醫療利益相關者之間的準確數據查詢、處理及數據無縫共享或「相互操作性」時,這些特點會帶來問題。在許多情況下,數碼化執行不力會導致管理工作繁複不堪,令資源錯配。

大量全球數據成有用資源

這為現代醫療科技介入提供了良機。人工智能(AI)可以分析非結構化數據,例如掃描醫生手寫紀錄,將其轉換為數據文本,並從中取得含義。例如,Amazon Web Services將機器學習自然語言處理算法成功應用於此。其他醫療保健資訊科技服務可以使有問題的舊數據具有相互操作性,並按照跨電子醫療平台、設備、司法管轄區及數據交換媒體相容性的標準對其進行格式化。作為標準之一,非牟利的國際七級衞生組織(HL7)的快速醫療保健互操作性資源(Fast Healthcare Interoperability Resources),被認為是使大量全球醫療保健數據成為有用資源的重要措施。儘管許多舊數據需要進行轉換才能滿足這些標準,但大多數現代聯網醫療設備及醫療服務所產生的數據,已經具有相互操作性。

了解需求相應分配資源

整合式電子醫療平台用作患者數據、臨床數據及基因組數據的存儲庫,使各持份者可以交換資訊,從而改善護理及優化流程。假設數據可以自由流動且可相互操作,醫療提供者可以利用這些平台及AI流程,以了解當地民眾的總體醫療需求,以便相應分配資源。西班牙Grupos de Morbilidad Ajustados(GMA)系統就是這方面的典範,決策者使用預測模型和從當地合併症數據得出的醫療保健需求預測,以識別高危人群並作出預算決策。存取超出本地權限的健康數據可以使提供者及其他持份者了解可能或即將發生的醫療狀況。例如,人工智能可以處理來自全球資訊系統、手機及數碼醫療入門網站的數據,幫助衞生部門官員成功檢測及遏制傳染病的傳播。

提升效率減省成本

有效利用醫療保健數據可以解決定價失策等其他低效問題。2010年代,新藥的上市平均成本為18億美元。這些成本將層層轉嫁至藥物的最終服用者身上,可能會導致患者無法獲得所需的藥物。然而電子醫療平台及系統可以在藥物研發過程中使用AI,簡化藥物研發流程,降低有關成本。在藥物發明之後,聯網醫療設備及可穿戴設備可以實時監測治療效果,有助臨床試驗。

隨着現在至2025年期間醫療保健數據量,以預期的36%複合年均增長率(CAGR)增長,我們預計該等工具能夠顯著有效地緩解許多上述醫療保健效率偏低和效果欠佳的情況。我們還預計,遙距醫療及其他形式的虛擬護理將成為醫療提供者的首選解決方案,因為它們減少了當前效率偏低的現場就診量──麥肯錫公司估計,在美國所有門診及診所就診費用中,約有2500億美元可以虛擬化。

 

 

(資料來源:Global X Management Company LLC)

回上

信報簡介 | 服務條款 | 私隱條款 | 免責聲明 | 廣告查詢 | 加入信報 | 聯絡信報

股票及指數資料由財經智珠網有限公司提供。期貨指數資料由天滙財經有限公司提供。外滙及黃金報價由路透社提供。

本網站的內容概不構成任何投資意見,本網站內容亦並非就任何個別投資者的特定投資目標、財務狀況及個別需要而編製。投資者不應只按本網站內容進行投資。在作出任何投資決定前,投資者應考慮產品的特點、其本身的投資目標、可承受的風險程度及其他因素,並適當地尋求獨立的財務及專業意見。本網站及其資訊供應商竭力提供準確而可靠的資料,但並不保證資料絕對無誤,資料如有錯漏而令閣下蒙受損失,本公司概不負責。

You are currently at: www.hkej.com
Skip This Ads