Articolo
Il potenziale trasformativo dell'IA a supporto della modellazione economica sanitaria
-
Derek Swiger, PharmD, MS
-
Paul Turner, PhD, MSc
Esplora le odierne applicazioni di modellazione abilitate all'intelligenza artificiale, le limitazioni chiave e le prospettive per una generazione di evidenze più agile, trasparente e pronta per l'HTA.
La modellazione economica è stata a lungo una pietra miliare dell'accesso al mercato dell'assistenza sanitaria, fornendo il quadro analitico per valutare l'efficacia in termini di costi, l'impatto sul budget e le strategie di prezzo basate sul valore. Tuttavia, con la crescente complessità del panorama sanitario, si è intensificata la domanda di processi di modellazione più agili, trasparenti ed efficienti. L'intelligenza artificiale (AI) emerge come una forza trasformativa in questo spazio, semplificando i flussi di lavoro, accelerando il processo decisionale e migliorando la qualità dei dati.1
Comprendere le attuali applicazioni dell'IA nella modellazione economica, le sue sfide e i suoi limiti e le opportunità future è fondamentale per determinare in che modo l'IA sta rimodellando l'economia sanitaria e l'industria può trarre vantaggio da questi sviluppi soddisfacendo al contempo le rigorose aspettative dei pagatori e delle agenzie di valutazione delle tecnologie sanitarie (HTA).
Applicazioni attuali dell'IA nella modellazione economica
Accelerazione della concettualizzazione e della progettazione del modello
L'intelligenza artificiale sta rivoluzionando le fasi iniziali della modellazione economica consentendo la prototipazione rapida delle strutture modello. 2 Tradizionalmente, gli economisti sanitari erano spesso vincolati da processi ad alta intensità di lavoro che li bloccavano in un unico modello. Gli strumenti di intelligenza artificiale ora consentono ai team di testare più strutture di modelli contemporaneamente, identificando le opzioni più efficienti e credibili per supportare la storia di valore di un prodotto.
"Disporre di strumenti in grado di prototipare molto rapidamente i modelli ci consente di comprendere la progettazione ottimale del modello per i prodotti per identificare e supportare la storia di valore", ha affermato Chris Poole, PhD, economista sanitario senior di Cencora.
Questa capacità di testare diversi modelli all'inizio del processo supporta l'obiettivo di trovare il giusto equilibrio tra incertezza e complessità e garantisce che la struttura scelta sia in linea con le aspettative dei soggetti pagatori. Questo non è solo un risparmio di tempo, ma anche un enorme risparmio di costi poiché i ritardi nelle presentazioni e il rischio che le agenzie rifiutino modelli complessi e scarsamente giustificati possono costare milioni alle aziende.
"Disporre di strumenti in grado di prototipare molto rapidamente i modelli ci consente di comprendere la progettazione ottimale del modello per i prodotti per identificare e supportare la storia di valore", ha affermato Chris Poole, PhD, economista sanitario senior di Cencora.
Questa capacità di testare diversi modelli all'inizio del processo supporta l'obiettivo di trovare il giusto equilibrio tra incertezza e complessità e garantisce che la struttura scelta sia in linea con le aspettative dei soggetti pagatori. Questo non è solo un risparmio di tempo, ma anche un enorme risparmio di costi poiché i ritardi nelle presentazioni e il rischio che le agenzie rifiutino modelli complessi e scarsamente giustificati possono costare milioni alle aziende.
Colmare le lacune nei dati e migliorare la qualità dei dati
Le lacune nei dati rappresentano una sfida persistente nella modellizzazione economica, in particolare per le malattie rare o le nuove terapie in cui non ci sono dati, non ci sono abbastanza dati o quando i dati disponibili non sono di qualità sufficientemente buona. L'intelligenza artificiale si sta rivelando preziosa nel consolidamento di fonti di dati disparate e nella simulazione di input mancanti. Ad esempio, l'intelligenza artificiale può digitalizzare le curve di Kaplan-Meier (KM) e generare dati dei singoli partecipanti per le analisi di sopravvivenza, consentendo una parametrizzazione più solida dei dati di sopravvivenza.3
"È sorprendente che tu possa prendere una curva KM pubblicata e mostrarla a uno strumento genAI con accesso a un contenitore Python in cui eseguire il codice, e digitalizzerà la curva, scriverà il codice e lo eseguirà in modo da poter simulare le popolazioni di dati dei singoli partecipanti (IPD) che ti avrebbero dato quella curva, ", ha detto il dottor Poole, attingendo alla sua esperienza con gli strumenti di intelligenza artificiale. "È straordinario. La parte migliore è che è facile da convalidare, basta lavorare a ritroso usando l'IPD per generare la curva KM".
Questa capacità riduce drasticamente il tempo necessario per l'analisi statistica, consentendo agli economisti sanitari di concentrarsi su attività di maggior valore. Tuttavia, garantire trasparenza e validità nelle simulazioni di dati basate sull'intelligenza artificiale rimane fondamentale.
"È sorprendente che tu possa prendere una curva KM pubblicata e mostrarla a uno strumento genAI con accesso a un contenitore Python in cui eseguire il codice, e digitalizzerà la curva, scriverà il codice e lo eseguirà in modo da poter simulare le popolazioni di dati dei singoli partecipanti (IPD) che ti avrebbero dato quella curva, ", ha detto il dottor Poole, attingendo alla sua esperienza con gli strumenti di intelligenza artificiale. "È straordinario. La parte migliore è che è facile da convalidare, basta lavorare a ritroso usando l'IPD per generare la curva KM".
Questa capacità riduce drasticamente il tempo necessario per l'analisi statistica, consentendo agli economisti sanitari di concentrarsi su attività di maggior valore. Tuttavia, garantire trasparenza e validità nelle simulazioni di dati basate sull'intelligenza artificiale rimane fondamentale.
Semplificare la creazione dei report
L'IA sta anche trasformando il modo in cui vengono redatti i report tecnici e altri documenti, come i report sui modelli di impatto sul budget per i dossier dell'Academy of Managed Care Pharmacy. 4 Automatizzando attività ripetitive come la formattazione e l'integrazione dei dati, l'IA consente agli economisti sanitari di dedicare più tempo a garantire che un modello supporti al meglio la storia di valore del prodotto.
Il potenziale di risparmio di manodopera dell'IA è degno di nota. All'interno di Cencora, ad esempio, stiamo costruendo sistemi di intelligenza artificiale interni per redigere rapidamente numerosi tipi di report con l'obiettivo di applicarli ai nostri report di modellazione economica nel prossimo futuro. Non si tratta solo di creare nuovi report. Anche il riutilizzo dei contenuti tra diverse agenzie HTA è maturo per l'automazione.
"Molti di questi modelli del NICE (National Institute for Health and Care Excellence) o di altre agenzie potrebbero essere strutturati o ordinati in modo diverso, ma le informazioni necessarie per completarli sono identiche", ha affermato Derek Swiger, PharmD, MS, esperto di innovazione digitale in accesso al mercato e ricerca sui risultati dell'economia sanitaria (HEOR). "Possiamo certamente prendere in prestito una pagina da ciò che le persone stanno facendo con l'intelligenza artificiale negli spazi clinici e normativi per quanto riguarda la modularizzazione e il riutilizzo dei contenuti. Un esempio è il modo in cui la stesura dei rapporti degli studi clinici viene automatizzata dagli strumenti di intelligenza artificiale attraverso il riutilizzo dei contenuti dei documenti sottostanti come il protocollo di studio".
Questo cambiamento non solo migliora l'efficienza, ma garantisce anche la coerenza tra i documenti su misura per i diversi requisiti normativi e di pagamento.
Il potenziale di risparmio di manodopera dell'IA è degno di nota. All'interno di Cencora, ad esempio, stiamo costruendo sistemi di intelligenza artificiale interni per redigere rapidamente numerosi tipi di report con l'obiettivo di applicarli ai nostri report di modellazione economica nel prossimo futuro. Non si tratta solo di creare nuovi report. Anche il riutilizzo dei contenuti tra diverse agenzie HTA è maturo per l'automazione.
"Molti di questi modelli del NICE (National Institute for Health and Care Excellence) o di altre agenzie potrebbero essere strutturati o ordinati in modo diverso, ma le informazioni necessarie per completarli sono identiche", ha affermato Derek Swiger, PharmD, MS, esperto di innovazione digitale in accesso al mercato e ricerca sui risultati dell'economia sanitaria (HEOR). "Possiamo certamente prendere in prestito una pagina da ciò che le persone stanno facendo con l'intelligenza artificiale negli spazi clinici e normativi per quanto riguarda la modularizzazione e il riutilizzo dei contenuti. Un esempio è il modo in cui la stesura dei rapporti degli studi clinici viene automatizzata dagli strumenti di intelligenza artificiale attraverso il riutilizzo dei contenuti dei documenti sottostanti come il protocollo di studio".
Questo cambiamento non solo migliora l'efficienza, ma garantisce anche la coerenza tra i documenti su misura per i diversi requisiti normativi e di pagamento.
Sfide e limiti dell'IA nella modellazione economica
Il potenziale dell'IA nella modellazione economica sanitaria è ampio, ma rimangono sfide e limiti. I media discutono spesso sul fatto che l'IA sostituisca le persone, ma è importante notare che, sebbene l'IA eccelle nella generazione di opzioni e nell'automazione dei processi, non può sostituire l'esperienza umana nel processo decisionale strategico. Gli economisti sanitari svolgono un ruolo fondamentale nel garantire che i modelli generati dall'intelligenza artificiale siano fattibili, credibili e allineati con le realtà cliniche e di rimborso.
Paul Turner, PhD, economista sanitario senior di Cencora, ha sottolineato l'importanza del coinvolgimento umano:
"L'intelligenza artificiale può generare le opzioni per te, ma è necessario un elemento di coinvolgimento umano per assicurarsi che ciò che viene scelto sia fattibile. Questa supervisione è fondamentale".
Questo approccio human-in-the-loop è essenziale per mantenere l'integrità dei modelli economici e garantirne l'idoneità al processo decisionale. I team HEOR devono anche bilanciare l'uso dell'intelligenza artificiale per creare modelli altamente complessi con i rischi. Sebbene i modelli complessi possano soddisfare le aspettative dei soggetti pagatori, spesso introducono ulteriore incertezza dei parametri e sollevano potenziali problemi con le agenzie.
"Solo perché possiamo usare l'intelligenza artificiale per costruire modelli complessi non significa che dovremmo farlo", ha osservato il dottor Poole. "Ad esempio, l'agenzia HTA potrebbe non trovare il modello adatto al processo decisionale".
Trovare il giusto equilibrio tra complessità e incertezza è la chiave per massimizzare l'utilità dei modelli basati sull'intelligenza artificiale.
Paul Turner, PhD, economista sanitario senior di Cencora, ha sottolineato l'importanza del coinvolgimento umano:
"L'intelligenza artificiale può generare le opzioni per te, ma è necessario un elemento di coinvolgimento umano per assicurarsi che ciò che viene scelto sia fattibile. Questa supervisione è fondamentale".
Questo approccio human-in-the-loop è essenziale per mantenere l'integrità dei modelli economici e garantirne l'idoneità al processo decisionale. I team HEOR devono anche bilanciare l'uso dell'intelligenza artificiale per creare modelli altamente complessi con i rischi. Sebbene i modelli complessi possano soddisfare le aspettative dei soggetti pagatori, spesso introducono ulteriore incertezza dei parametri e sollevano potenziali problemi con le agenzie.
"Solo perché possiamo usare l'intelligenza artificiale per costruire modelli complessi non significa che dovremmo farlo", ha osservato il dottor Poole. "Ad esempio, l'agenzia HTA potrebbe non trovare il modello adatto al processo decisionale".
Trovare il giusto equilibrio tra complessità e incertezza è la chiave per massimizzare l'utilità dei modelli basati sull'intelligenza artificiale.
Tendenze e opportunità future
Il potenziale dell'IA nell'economia sanitaria continua a crescere con l'avvento di nuovi sistemi e funzionalità. Ad esempio, i sistemi di IA agentica sono quelli in grado di aggiornare autonomamente i parametri del modello con le evidenze più recenti, attraverso il collegamento con un sistema di revisione sistematica della letteratura "vivente". Questi modelli "viventi" possono fornire informazioni in tempo reale, migliorare l'accuratezza delle previsioni e consentire un processo decisionale più agile. Riteniamo che i sistemi di intelligenza artificiale agentica siano pronti a ridefinire la modellazione economica.
Un'altra area in cui ci aspettiamo che i sistemi di IA diventino strumentali è l'analisi delle richieste storiche di HTA e del feedback dei pagatori per identificare i fattori di rischio associati al rifiuto o alle inefficienze del modello.
Il Dr. Poole ha fatto la seguente previsione:
"Per ogni data area patologica, penso che probabilmente vedremo l'IA utilizzata per creare un database di fattori che portano al successo in un modello considerato adatto al processo decisionale e, soprattutto, quali fattori sono associati a un modello ritenuto non adatto. Forse ci sono 5 dottorati di ricerca solo con i metodi tradizionali, ma un sistema di intelligenza artificiale potrebbe probabilmente supportare un ottimo strumento per identificare quei fattori di rischio".
Prevediamo che questi strumenti aiuteranno i produttori ad affrontare in modo proattivo le potenziali insidie nelle loro richieste, migliorando la probabilità di risultati positivi.
Un'altra area in cui ci aspettiamo che i sistemi di IA diventino strumentali è l'analisi delle richieste storiche di HTA e del feedback dei pagatori per identificare i fattori di rischio associati al rifiuto o alle inefficienze del modello.
Il Dr. Poole ha fatto la seguente previsione:
"Per ogni data area patologica, penso che probabilmente vedremo l'IA utilizzata per creare un database di fattori che portano al successo in un modello considerato adatto al processo decisionale e, soprattutto, quali fattori sono associati a un modello ritenuto non adatto. Forse ci sono 5 dottorati di ricerca solo con i metodi tradizionali, ma un sistema di intelligenza artificiale potrebbe probabilmente supportare un ottimo strumento per identificare quei fattori di rischio".
Prevediamo che questi strumenti aiuteranno i produttori ad affrontare in modo proattivo le potenziali insidie nelle loro richieste, migliorando la probabilità di risultati positivi.
Conclusione
L'intelligenza artificiale sta rimodellando il panorama della modellazione economica, offrendo velocità, efficienza e precisione senza precedenti. Dall'accelerazione della concettualizzazione del modello al riempimento delle lacune nei dati e all'automazione della creazione di report, l'IA sta trasformando il modo in cui gli economisti sanitari affrontano le sfide dell'accesso al mercato.
Tuttavia, l'adozione dell'IA non è priva di sfide. La supervisione umana, la trasparenza e il processo decisionale strategico rimangono fondamentali per garantire la validità e la fattibilità dei modelli basati sull'intelligenza artificiale. Guardando al futuro, l'integrazione dei sistemi di intelligenza artificiale agentica sbloccherà nuove opportunità per la generazione di evidenze.
Tuttavia, l'adozione dell'IA non è priva di sfide. La supervisione umana, la trasparenza e il processo decisionale strategico rimangono fondamentali per garantire la validità e la fattibilità dei modelli basati sull'intelligenza artificiale. Guardando al futuro, l'integrazione dei sistemi di intelligenza artificiale agentica sbloccherà nuove opportunità per la generazione di evidenze.
*Le fonti continuano di seguito
Dichiarazione di non responsabilità:
Le informazioni fornite in questo articolo non costituiscono una consulenza legale. Cencora, Inc. incoraggia vivamente i lettori a rivedere le informazioni disponibili relative agli argomenti discussi e a fare affidamento sulla propria esperienza e competenza nel prendere decisioni correlate.
Mettiti in contatto con il nostro team
Il nostro team di esperti di valore leader si dedica a trasformare evidenze, approfondimenti sulle politiche e informazioni di mercato in efficaci strategie di accesso al mercato globale. Lascia che ti aiutiamo a navigare con sicurezza nel complesso panorama sanitario odierno. Contattaci per scoprire come possiamo supportare i tuoi obiettivi.
Fonti
1. Fleurence RL, Bian J, Wang X, et al; Gruppo di lavoro ISPOR sull'IA generativa. Intelligenza artificiale generativa per la valutazione delle tecnologie sanitarie: opportunità, sfide e considerazioni politiche: un rapporto del gruppo di lavoro ISPOR. Valore salute. 2025; 28(2):175-183. DOI:10.1016/j.jval.2024.10.3846
2. Depalma S, Poole CD, Turner P, Carlton R. L'era dell'intelligenza artificiale nella modellazione economica sanitaria. Poster presentato a: ISPOR Europa 2025; 9-12 novembre. Glasgow, Scozia. EE685. https://www.ispor.org/heor-resources/presentations-database/presentation-cti/ispor-europe-2025/poster-session-5-2/the-artificial-intelligence-era-in-health-economic-modeling
3. Annan A, Mojarad MR, Du J, Xu Y. Estrazione automatizzata delle curve di sopravvivenza di Kaplan-Meier utilizzando l'intelligenza artificiale generativa e la visione artificiale. Presentato a: ISPOR 2025; 13-16 maggio; Montréal, Quebec, CA. MSR33. https://www.valueinhealthjournal.com/article/S1098-3015(25)01310-5/Testo completo
4. Fleurence RL, Wang X, Bian J, et al; Gruppo di lavoro ISPOR sull'IA generativa. Una tassonomia dell'intelligenza artificiale generativa nell'economia sanitaria e nella ricerca sui risultati: un rapporto del gruppo di lavoro ISPOR. Valore salute. 2025; 28(11):1601-1610. DOI:10.1016/j.jval.2025.04.2167
