- Tytuł:
-
AI-driven Optimization in Healthcare: the Diagnostic Process
Искусственный интеллект и оптимизация в области здравоохранения: процесс постановки диагноза
Штучний інтелект та оптимізація в галузі охорони здоров’я: процес встановлення діагнозу - Autorzy:
-
Lyon, Jérôme Yves
Bogodistov, Yevgen
Moormann, Jürgen - Powiązania:
- https://bibliotekanauki.pl/articles/2083241.pdf
- Data publikacji:
- 2021-12-13
- Wydawca:
- Dnieprowski Uniwersytet Narodowy im. Ołesia Honczara
- Opis:
-
Purpose: Process optimization in healthcare using artificial intelligence (AI) is still in its infancy. In this study, we address the research question “To what extent can an AI-driven chatbot help to optimize the diagnostic process?”
Design / Method / Approach: First, we developed a mathematical model for the utility (i.e., total satisfaction received from consuming a good or service) resulting from the diagnostic process in primary healthcare. We calculated this model using MS Excel. Second, after identifying the main pain points for optimization (e.g., waiting time in the queue), we ran a small experiment (n = 25) in which we looked at time to diagnosis, average waiting time, and their standard deviations. In addition, we used a questionnaire to examine patient perceptions of the interaction with an AI-driven chatbot.
Findings: Our results show that scheduling is the main factor causing issues in a physician’s work. An AI-driven chatbot may help to optimize waiting time as well as provide data for faster and more accurate diagnosis. We found that patients trust AI-driven solutions primarily when a real (not virtual) physician is also involved in the diagnostic process.
Practical Implications: AI-driven chatbots may indeed help to optimize diagnostic processes. Nevertheless, physicians need to remain involved in the process in order to establish patient trust in the diagnosis.
Originality / Value: We analyze the utility to physicians and patients of a diagnostic process and show that, while scheduling may reduce the overall process utility, AI-based solutions may increase the overall process utility.
Research Limitations / Future Research: First, our simulation includes a number of assumptions with regard to the distribution of mean times for encounter and treatment. Second, the data we used for our model were obtained from different papers, and thus from different healthcare systems. Third, our experimental study has a very small sample size and only one test-physician.
Paper type: Empirical
Цель работы: Оптимизация процессов в здравоохранении с использованием искусственного интеллекта (ИИ) все еще находится в зачаточном состоянии. В данном исследовании мы решаем исследовательский вопрос: «В какой степени чат-бот, управляемый ИИ, может помочь оптимизировать диагностический процесс?» Дизайн / Метод / Подход исследования: Во-первых, мы разработали математическую модель для полезности (т.е. общего удовлетворения, получаемого от потребления товара или услуги) в результате диагностического процесса в первичном здравоохранении. Мы рассчитали эту модель с помощью MS Excel. Во-вторых, определив основные болевые точки для оптимизации (например, время ожидания в очереди), мы провели небольшой эксперимент (n = 25), в котором изучили время до постановки диагноза, среднее время ожидания и их стандартные отклонения. Кроме того, мы использовали анкету для изучения восприятия пациентами взаимодействия с чат-ботом, управляемым искусственным интеллектом. Результаты исследования: Наши результаты показывают, что составление расписания является основным фактором, вызывающим проблемы в работе врача. Управляемый ИИ чат-бот может помочь оптимизировать время ожидания, а также предоставить данные для более быстрой и точной диагностики. Мы обнаружили, что пациенты доверяют решениям на основе ИИ в первую очередь тогда, когда в диагностическом процессе участвует реальный (не виртуальный) врач. Практическая ценность исследования: Управляемые ИИ чат-боты действительно могут помочь оптимизировать диагностические процессы. Тем не менее, врачи должны оставаться вовлеченными в процесс, чтобы пациенты доверяли диагнозу. Оригинальность / Ценность исследования: Мы проанализировали полезность диагностического процесса для врачей и пациентов и показали, что, хотя составление расписания может снизить общую полезность процесса, решения на основе ИИ могут повысить общую полезность процесса. Ограничения исследования / Будущие исследования: Во-первых, наше моделирование включает ряд допущений в отношении распределения среднего времени встречи и лечения. Во-вторых, данные, которые мы использовали для нашей модели, были получены из разных документов, а значит, из разных систем здравоохранения. В-третьих, наше экспериментальное исследование имеет очень маленький размер выборки и только одного врача-испытателя. Тип статьи: Эмпирический
Мета роботи: Оптимізація процесів у охороні здоров'я з використанням штучного інтелекту все ще перебуває у початковому стані. У цьому дослідженні ми вирішуємо дослідницький питання: «Якою мірою чат-бот, керований штучним інтелектом, може допомогти оптимізувати діагностичний процес?» Дизайн / Метод / Підхід дослідження: По-перше, ми розробили математичну модель для корисності (тобто загального задоволення, що отримується від споживання товару чи послуги) внаслідок діагностичного процесу у первинній охороні здоров'я. Ми розрахували цю модель за допомогою MS Excel. По-друге, визначивши основні болючі точки для оптимізації (наприклад, час очікування в черзі), ми провели невеликий експеримент (n = 25), в якому вивчили час до встановлення діагнозу, середній час очікування та їх стандартні відхилення. Крім того, ми використовували анкету для вивчення сприйняття пацієнтами взаємодії з чат-ботом, керованим штучним інтелектом. Результати дослідження: Наші результати показують, що складання розкладу є основним фактором, який викликає проблеми у роботі лікаря. Керований штучним інтелектом чат-бот може допомогти оптимізувати час очікування, а також надати дані для більш швидкої та точної діагностики. Ми виявили, що пацієнти довіряють рішенням на основі штучного інтелекту насамперед тоді, коли у діагностичному процесі бере участь реальний (не віртуальний) лікар. Практична цінність дослідження: керовані штучним інтелектом чат-боти дійсно можуть допомогти оптимізувати діагностичні процеси. Тим не менш, лікарі повинні залишатися залученими до процесу, щоб пацієнти довіряли діагнозу. Оригінальність / Цінність дослідження: Ми проаналізували корисність діагностичного процесу для лікарів та пацієнтів і показали, що хоча складання розкладу може знизити загальну корисність процесу, рішення на основі штучного інтелекту можуть підвищити загальну корисність процесу. Обмеження дослідження / Майбутні дослідження: По-перше, наше моделювання включає низку припущень щодо розподілу середнього часу зустрічі та лікування. По-друге, дані, які ми використовували для нашої моделі, були отримані з різних документів, а отже, із різних систем охорони здоров'я. По-третє, наше експериментальне дослідження має дуже маленький розмір вибірки і лише одного лікаря-випробувача. Тип статті: Емпіричний - Źródło:
-
European Journal of Management Issues; 2021, 29, 4; 218-231
2519-8564 - Pojawia się w:
- European Journal of Management Issues
- Dostawca treści:
- Biblioteka Nauki
Artykuł