在这一部分的《制药执行官》视频采访中，AllazoHealth首席执行官Bill Grambley指出了可以用来衡量人工智能驱动的患者参与和依从性计划有效性的指标和KPIs。在此次《制药执行官》视频采访中，AllazoHealth首席执行官Bill Grambley深入探讨了人工智能在患者参与和依从性方面的潜力。通过利用患者级别的数据和预测建模，人工智能可以识别个人需求和偏好，定制干预措施以优化治疗结果。这种个性化方法解决了药物不依从的常见挑战，改善了患者的治疗结果。讨论强调了在医疗保健中利用人工智能时伦理考虑和数据隐私的重要性。通过关注患者福祉并负责任地使用人工智能，医疗服务提供者可以显著提升患者体验并改善整体健康结果。
什么是衡量人工智能驱动的患者参与和依从性计划有效性的指标和KPIs？公司如何向支付方和医疗服务提供者展示这些干预措施的价值？
对我们来说，最重要的指标是首次开药和续药。当我们考虑患者的药物治疗旅程时，这些是关键点，我们关注整个旅程中的所有接触点及其对这两个结果的影响。然而，这些指标需要时间来衡量。依从性本身就是一个用药的时间段，因此可能需要一段时间。因此，我们通常会查看一些临时的KPIs，例如电子邮件打开率、点击率、退订率，以及人们接听电话的频率。有许多这样的临时指标。
虽然这些可以提供一个方向性的视角，但它们可能会产生误导，尤其是在考虑如何使用人工智能时，这成为一个不同的问题。因为如果你正确使用，有些患者需要比其他患者更多的支持。如果你需要更多支持，并且进行了更多的外展活动，可能会对某些KPIs产生负面影响。同样，如果你有一个像我父母那样的患者，他们总是听从医生的建议，也许你实际上不需要联系他们，因为你会打扰他们。他们会选择退出或有负面体验，而其他患者则不会。这些都会影响临时KPIs。因此，当我们考虑我们的技术时，它始终在预测今天的行动如何影响未来的期望结果，无论是开始治疗还是继续治疗。
当你考虑价值时，假设有一个项目将患者视为“部件”，即你对待每个患者的方式都是一样的，你在进行某种治疗，并有一系列支持措施，但这是一个非常一致的项目。然后我们使用人工智能来进行个性化处理，我们在多个不同的组织和不同类型项目中进行了这项工作，包括数字密集型项目和电话密集型项目，我们不断看到这些项目的有效性显著提高。在一个项目中，治疗启动率提高了10%，另一个项目中，治疗启动率提高了10.4%。在依从性方面，我们有一些项目减少了超过7%的治疗中断率，这是依从性的一个衡量标准。另一个项目中，我们增加了近19%的治疗天数，这是另一个依从性的衡量标准。对于患者来说，这意味着更多的患者开始医生开具的治疗，并且更长时间地继续治疗，从而获得最佳的临床效益。
我们认为这应该成为标准，使用这些工具来改进这些项目并真正实现个性化互动。最后，如果我们回到Netflix的例子，如果每个人都有相同的Netflix队列，我们会很快感到无聊，因为它不会响应我们的需求。然而，许多这些项目对待每个人都是相同的。因此，如果我们能让这些项目更加符合个体的需求，更多的患者将受益于这些项目，更多的患者将开始并继续治疗。
(全文结束)
