Articol
Potențialul transformator al IA în sprijinirea modelării economice în domeniul sănătății
-
Derek Swiger, PharmD, MS
-
Paul Turner, PhD, MSc
Explorați aplicațiile de modelare bazate pe inteligență artificială de astăzi, limitările cheie și ce urmează pentru o generare de dovezi mai agile, transparente și mai pregătite pentru HTA.
Modelarea economică a fost mult timp o piatră de temelie a accesului pe piața de sănătate, oferind cadrul analitic pentru evaluarea rentabilității, a impactului bugetar și a strategiilor de prețuri bazate pe valoare. Cu toate acestea, pe măsură ce peisajul asistenței medicale devine din ce în ce mai complex, cererea pentru procese de modelare mai agile, transparente și mai eficiente s-a intensificat. Inteligența artificială (AI) apare ca o forță transformatoare în acest spațiu, eficientizând fluxurile de lucru, accelerând luarea deciziilor și îmbunătățind calitatea datelor.1
Înțelegerea aplicațiilor actuale ale IA în modelarea economică, provocările și limitările acesteia și oportunitățile viitoare este esențială pentru a determina modul în care IA remodelează economia sănătății, iar industria poate profita de aceste evoluții, îndeplinind în același timp așteptările riguroase ale plătitorilor și ale agențiilor de evaluare a tehnologiei medicale (HTA).
Aplicații actuale ale AI în modelarea economică
Accelerarea conceptualizării și proiectării modelului
AI revoluționează etapele inițiale ale modelării economice, permițând prototiparea rapidă a structurilor modelului.În mod tradițional, economiștii din domeniul sănătății au fost adesea constrânguți de procese intensive care i-au blocat într-un singur model de model. Instrumentele AI permit acum echipelor să testeze mai multe structuri de model simultan, identificând cele mai eficiente și credibile opțiuni pentru a susține povestea de valoare a unui produs.
"Având instrumente care ne pot permite să prototipăm foarte rapid modele, ne permite să înțelegem designul optim al modelului pentru produse pentru a identifica și susține povestea de valoare", a declarat Chris Poole, PhD, economist senior în domeniul sănătății la Cencora.
Această capacitate de a testa diverse modele la începutul procesului sprijină obiectivul de a găsi echilibrul corect între incertitudine și complexitate și asigură că structura aleasă se aliniază cu așteptările plătitorului. Aceasta nu este doar o economie de timp, ci și o economie uriașă de costuri, deoarece întârzierile în depunerea și riscul ca agențiile să respingă modele complexe și prost justificate pot costa companiile milioane.
"Având instrumente care ne pot permite să prototipăm foarte rapid modele, ne permite să înțelegem designul optim al modelului pentru produse pentru a identifica și susține povestea de valoare", a declarat Chris Poole, PhD, economist senior în domeniul sănătății la Cencora.
Această capacitate de a testa diverse modele la începutul procesului sprijină obiectivul de a găsi echilibrul corect între incertitudine și complexitate și asigură că structura aleasă se aliniază cu așteptările plătitorului. Aceasta nu este doar o economie de timp, ci și o economie uriașă de costuri, deoarece întârzierile în depunerea și riscul ca agențiile să respingă modele complexe și prost justificate pot costa companiile milioane.
Umplerea lacunelor în date și îmbunătățirea calității datelor
Lacunele de date reprezintă o provocare persistentă în modelarea economică, în special pentru bolile rare sau terapiile noi, unde nu există date, nu există suficiente date sau unde datele disponibile nu sunt de o calitate suficient de bună. AI se dovedește de neprețuit în consolidarea surselor de date disparate și în simularea intrărilor lipsă. De exemplu, AI poate digitaliza curbele Kaplan-Meier (KM) și poate genera date individuale ale participanților pentru analize de supraviețuire, permițând o parametrizare mai robustă a datelor de supraviețuire.3
"Este uimitor că poți lua o curbă KM publicată și să o arăți unui instrument genAI cu acces la un container Python în care să execute codul, și va digitaliza curba, va scrie codul și o va executa, astfel încât să poată simula populațiile de date individuale ale participanților (IPD) care ți-ar fi dat acea curbă, ", a spus Dr. Poole, bazându-se pe experiența sa cu instrumentele AI. "Este extraordinar. Cea mai bună parte este că este ușor de validat, trebuie doar să lucrezi înapoi folosind IPD pentru a genera curba KM."
Această capacitate reduce dramatic timpul necesar pentru analiza statistică, permițând economiștilor din domeniul sănătății să se concentreze pe sarcini cu valoare mai mare. Cu toate acestea, asigurarea transparenței și validității în simulările de date bazate pe IA rămâne esențială.
"Este uimitor că poți lua o curbă KM publicată și să o arăți unui instrument genAI cu acces la un container Python în care să execute codul, și va digitaliza curba, va scrie codul și o va executa, astfel încât să poată simula populațiile de date individuale ale participanților (IPD) care ți-ar fi dat acea curbă, ", a spus Dr. Poole, bazându-se pe experiența sa cu instrumentele AI. "Este extraordinar. Cea mai bună parte este că este ușor de validat, trebuie doar să lucrezi înapoi folosind IPD pentru a genera curba KM."
Această capacitate reduce dramatic timpul necesar pentru analiza statistică, permițând economiștilor din domeniul sănătății să se concentreze pe sarcini cu valoare mai mare. Cu toate acestea, asigurarea transparenței și validității în simulările de date bazate pe IA rămâne esențială.
Simplificarea creării rapoartelor
AI transformă, de asemenea, modul în care sunt create rapoartele tehnice și alte documente, cum ar fi rapoartele modelului de impact bugetar pentru dosarele Academiei de Asistență Farmaceutică Gestionată.Prin automatizarea sarcinilor repetitive, cum ar fi formatarea și integrarea datelor, AI permite economiștilor din domeniul sănătății să aloce mai mult timp pentru a se asigura că un model susține cel mai bine povestea de valoare a produsului.
Potențialul de economisire a forței de muncă al AI este demn de remarcat. În cadrul Cencora, de exemplu, construim sisteme interne de inteligență artificială pentru a elabora rapid numeroase tipuri de rapoarte, cu scopul de a aplica aceste sisteme propriilor noastre rapoarte de modelare economică în viitorul apropiat. Nu este vorba doar de crearea de rapoarte noi. Reutilizarea conținutului între diferite agenții HTA este, de asemenea, coaptă pentru automatizare.
"Multe dintre aceste șabloane de la NICE (Institutul Național pentru Excelență în Sănătate și Îngrijire) sau alte agenții ar putea fi structurate sau ordonate diferit, dar informațiile necesare pentru a le finaliza sunt identice", a declarat Derek Swiger, PharmD, MS, expert în inovație digitală în accesul la piață și economia sănătății și cercetarea rezultatelor (HEOR). "Cu siguranță putem împrumuta o pagină din ceea ce fac oamenii cu AI în spațiile clinice și de reglementare în ceea ce privește modularizarea și reutilizarea conținutului. Un exemplu este modul în care redactarea rapoartelor de studii clinice este automatizată de instrumentele AI prin reutilizarea conținutului din documentele subiacente, cum ar fi protocolul studiului."
Această schimbare nu numai că sporește eficiența, dar asigură și consecvența documentelor adaptate diverselor cerințe privind plătitorii și reglementările.
Potențialul de economisire a forței de muncă al AI este demn de remarcat. În cadrul Cencora, de exemplu, construim sisteme interne de inteligență artificială pentru a elabora rapid numeroase tipuri de rapoarte, cu scopul de a aplica aceste sisteme propriilor noastre rapoarte de modelare economică în viitorul apropiat. Nu este vorba doar de crearea de rapoarte noi. Reutilizarea conținutului între diferite agenții HTA este, de asemenea, coaptă pentru automatizare.
"Multe dintre aceste șabloane de la NICE (Institutul Național pentru Excelență în Sănătate și Îngrijire) sau alte agenții ar putea fi structurate sau ordonate diferit, dar informațiile necesare pentru a le finaliza sunt identice", a declarat Derek Swiger, PharmD, MS, expert în inovație digitală în accesul la piață și economia sănătății și cercetarea rezultatelor (HEOR). "Cu siguranță putem împrumuta o pagină din ceea ce fac oamenii cu AI în spațiile clinice și de reglementare în ceea ce privește modularizarea și reutilizarea conținutului. Un exemplu este modul în care redactarea rapoartelor de studii clinice este automatizată de instrumentele AI prin reutilizarea conținutului din documentele subiacente, cum ar fi protocolul studiului."
Această schimbare nu numai că sporește eficiența, dar asigură și consecvența documentelor adaptate diverselor cerințe privind plătitorii și reglementările.
Provocările și limitările IA în modelarea economică
Potențialul AI în modelarea economică a sănătății este extins, dar provocările și limitările rămân. Există adesea discuții în mass-media despre AI care înlocuiește oamenii, dar este important de reținut că, deși AI excelează în generarea de opțiuni și automatizarea proceselor, nu poate înlocui expertiza umană în luarea deciziilor strategice. Economiștii din domeniul sănătății joacă un rol esențial în asigurarea faptului că modelele generate de IA sunt fezabile, credibile și aliniate cu realitățile clinice și de rambursare.
Paul Turner, PhD, economist senior în domeniul sănătății la Cencora, a subliniat importanța implicării umane:
"AI poate genera opțiuni pentru tine, dar trebuie să existe un element de implicare umană pentru a ne asigura că ceea ce este ales este fezabil. Această supraveghere este esențială."
Această abordare umană este esențială pentru menținerea integrității modelelor economice și asigurarea adecvării acestora pentru luarea deciziilor. Echipele HEOR trebuie, de asemenea, să echilibreze utilizarea AI pentru a crea modele extrem de complexe cu riscurile. În timp ce modelele complicate pot satisface așteptările plătitorului, ele introduc adesea incertitudini suplimentare ale parametrilor și ridică probleme potențiale cu agențiile.
"Doar pentru că putem folosi AI pentru a construi modele complexe nu înseamnă că ar trebui să o facem", a remarcat Dr. Poole. "De exemplu, agenția HTA ar putea să nu găsească modelul potrivit pentru luarea deciziilor".
Găsirea echilibrului corect între complexitate și incertitudine este esențială pentru maximizarea utilității modelelor bazate pe inteligență artificială.
Paul Turner, PhD, economist senior în domeniul sănătății la Cencora, a subliniat importanța implicării umane:
"AI poate genera opțiuni pentru tine, dar trebuie să existe un element de implicare umană pentru a ne asigura că ceea ce este ales este fezabil. Această supraveghere este esențială."
Această abordare umană este esențială pentru menținerea integrității modelelor economice și asigurarea adecvării acestora pentru luarea deciziilor. Echipele HEOR trebuie, de asemenea, să echilibreze utilizarea AI pentru a crea modele extrem de complexe cu riscurile. În timp ce modelele complicate pot satisface așteptările plătitorului, ele introduc adesea incertitudini suplimentare ale parametrilor și ridică probleme potențiale cu agențiile.
"Doar pentru că putem folosi AI pentru a construi modele complexe nu înseamnă că ar trebui să o facem", a remarcat Dr. Poole. "De exemplu, agenția HTA ar putea să nu găsească modelul potrivit pentru luarea deciziilor".
Găsirea echilibrului corect între complexitate și incertitudine este esențială pentru maximizarea utilității modelelor bazate pe inteligență artificială.
Tendințe și oportunități viitoare
Potențialul AI în economia sănătății continuă să crească odată cu apariția unor sisteme și capabilități mai noi. De exemplu, sistemele de inteligență artificială agentică sunt capabile să actualizeze în mod autonom parametrii modelului cu cele mai recente dovezi, realizate prin conectarea cu un sistem "viu" de revizuire sistematică a literaturii. Aceste modele "vii" pot oferi informații în timp real, pot îmbunătăți acuratețea prognozelor și pot permite un proces decizional mai agil. Credem că sistemele de inteligență artificială agentice sunt gata să redefinească modelarea economică.
Un alt domeniu în care ne așteptăm ca sistemele AI să devină esențiale este analizarea trimiterilor istorice de HTA și a feedback-ului plătitorului pentru a identifica factorii de risc asociați cu respingerea modelului sau ineficiențele.
Dr. Poole a făcut următoarea predicție:
"Pentru orice zonă de boală, cred că vom vedea probabil că AI va fi folosită pentru a crea o bază de date cu factori care duc la succes într-un model considerat adecvat pentru luarea deciziilor și, în mod crucial, ce factori sunt asociați cu un model considerat nepotrivit. Poate că există 5 doctorate numai în acest sens cu metode tradiționale, dar un sistem AI ar putea probabil să susțină un instrument foarte bun pentru a identifica acești factori de risc."
Preconizăm că aceste instrumente vor ajuta producătorii să abordeze în mod proactiv potențialele capcane în trimiterile lor, îmbunătățind probabilitatea unor rezultate de succes.
Un alt domeniu în care ne așteptăm ca sistemele AI să devină esențiale este analizarea trimiterilor istorice de HTA și a feedback-ului plătitorului pentru a identifica factorii de risc asociați cu respingerea modelului sau ineficiențele.
Dr. Poole a făcut următoarea predicție:
"Pentru orice zonă de boală, cred că vom vedea probabil că AI va fi folosită pentru a crea o bază de date cu factori care duc la succes într-un model considerat adecvat pentru luarea deciziilor și, în mod crucial, ce factori sunt asociați cu un model considerat nepotrivit. Poate că există 5 doctorate numai în acest sens cu metode tradiționale, dar un sistem AI ar putea probabil să susțină un instrument foarte bun pentru a identifica acești factori de risc."
Preconizăm că aceste instrumente vor ajuta producătorii să abordeze în mod proactiv potențialele capcane în trimiterile lor, îmbunătățind probabilitatea unor rezultate de succes.
Concluzie
AI remodelează peisajul modelării economice, oferind viteză, eficiență și precizie fără precedent. De la accelerarea conceptualizării modelelor până la umplerea lacunelor de date și automatizarea creării rapoartelor, AI transformă modul în care economiștii din domeniul sănătății abordează provocările de acces la piață.
Cu toate acestea, adoptarea AI nu este lipsită de provocări. Supravegherea umană, transparența și luarea deciziilor strategice rămân esențiale pentru a asigura validitatea și fezabilitatea modelelor bazate pe IA. Pe măsură ce privim spre viitor, integrarea sistemelor de inteligență artificială agentice va debloca noi oportunități de generare de dovezi.
Cu toate acestea, adoptarea AI nu este lipsită de provocări. Supravegherea umană, transparența și luarea deciziilor strategice rămân esențiale pentru a asigura validitatea și fezabilitatea modelelor bazate pe IA. Pe măsură ce privim spre viitor, integrarea sistemelor de inteligență artificială agentice va debloca noi oportunități de generare de dovezi.
*Sursele continuă mai jos
Precizare:
Informațiile furnizate în acest articol nu constituie consultanță juridică. Cencora, Inc. încurajează insistent cititorii să revizuiască informațiile disponibile legate de subiectele discutate și să se bazeze pe propria experiență și expertiză în luarea deciziilor legate de acestea.
Luați legătura cu echipa noastră
Echipa noastră de experți în valoare este dedicată transformării dovezilor, informațiilor privind politicile și informațiilor de piață în strategii eficiente de acces la piața globală. Permiteți-ne să vă ajutăm să navigați cu încredere prin peisajul complex al asistenței medicale din ziua de azi. Contactați-ne pentru a afla în ce mod vă putem sprijini în atingerea obiectivelor.
Surse
1. Fleurence RL, Bian J, Wang X, et al; Grupul de lucru ISPOR privind IA generativă. Inteligența artificială generativă pentru evaluarea tehnologiilor medicale: oportunități, provocări și considerații de politică: un raport al grupului de lucru ISPOR. Valoare sănătate. 2025; 28(2):175-183. doi:10.1016/j.jval.2024.10.3846
2. Depalma S, Poole CD, Turner P, Carlton R. Era inteligenței artificiale în modelarea economică a sănătății. Poster prezentat la: ISPOR Europa 2025; 9-12 noiembrie. Glasgow, Scoția. 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. Extragerea automată a curbelor de supraviețuire Kaplan-Meier folosind inteligența artificială generativă și viziunea computerizată. Prezentat la: ISPOR 2025; 13-16 mai; Montréal, Quebec, CA. MSR33. https://www.valueinhealthjournal.com/article/S1098-3015(25)01310-5/textul integral
4. Fleurence RL, Wang X, Bian J, et al; Grupul de lucru ISPOR privind IA generativă. O taxonomie a inteligenței artificiale generative în economia sănătății și cercetarea rezultatelor: un raport al grupului de lucru ISPOR. Valoare sănătate. 2025; 28(11):1601-1610. doi:10.1016/j.jval.2025.04.2167
