バリューベースドヘルスケアを促す上で機械学習の役割は欠かせないとする見解が報告されている。
医療の無駄が米国では1兆ドルの水準に達していると問題視。無駄の発生源は臨床現場のみならず、協力関係機関や規制の在り方など多岐にわたると説明。単位コスト当たりのアウトカムを最大化していく上で、包括払いのような仕組みが登場していると指摘。複雑さの課題もあると説明する。これまで新しい知識やツールを普及するために、ガイドラインやチェックリストなどの導入が進んだと振り返る。現在はすべてのデータを統合する能力の限界に来ていると説明。データを統合的に分析する必要性が高まっていると指摘。
診断アルゴリズムが放射線科や病理学の分野で成功しているほか、転倒、服薬ミスなどの問題を予測するフラッグを立てて患者安全に関連するイベントを防ぐ仕組み作りが進むと説明する。
機械学習は人口統計学、臨床所見因子、ゲノムデータの分析に利用可能になってきている。個別の治療アルゴリズムは、不必要な治療を減らして、患者の転帰を改善すると説明する。機械学習のアルゴリズムのメカニズムの可視化のほか、健康情報のプライバシー、バイアス、エラーなどの説明責任も課題になると説明する。
バリューベースドヘルスケアの推進にとって機械学習の導入を進めないほどの余裕はないと説明する。
2020年7月カナダ見解。
Crowson, M.G., Chan, T.C.Y. Machine Learning as a Catalyst for Value-Based Health Care. J Med Syst 44, 139 (2020). https://doi.org/10.1007/s10916-020-01607-5
