FLARE vorgestellt: Neues Framework bewertet Wirtschaftlichkeit medizinischer KI jenseits reiner Modellgenauigkeit
Forschende präsentieren mit FLARE ein systematisches Framework zur Bewertung wirtschaftlicher und operativer Auswirkungen vor der Implementierung von KI im Gesundheitswesen.
Während der Einsatz von Künstlicher Intelligenz (KI) im Gesundheitswesen rasant zunimmt, konzentrieren sich bisherige Evaluierungen meist auf die Modellgenauigkeit statt auf Wirtschaftlichkeit und den realen klinischen Nutzen. Eine auf arXiv veröffentlichte Forschungsarbeit stellt nun FLARE vor – ein systematisches, unsicherheitsbewusstes Framework (Uncertainty-Aware Framework) zur Bewertung der finanziellen und operativen Auswirkungen beim Einsatz medizinischer KI.
Der Kernmechanismus von FLARE kombiniert drei technologische und wirtschaftswissenschaftliche Ansätze: Fuzzy-Logik (Fuzzy logic), zeitgetriebene Prozesskostenrechnung (Time-driven activity-based costing bzw. TDABC) und Return-on-Investment-Analysen (ROI). Diese Methode ermöglicht die fundierte Abschätzung klinischer Behandlungskosten, der KI-Entwicklungs- und Betriebskosten sowie der potenziellen ökonomischen Ergebnisse bei der Integration von KI in reale Workflows.
Um die Praxistauglichkeit zu demonstrieren, zeigte das Forschungsteam den Einsatz von FLARE im Rahmen eines Early Health Technology Assessments für die KI-gestützte Erkennung von Großgefäßverschlüssen (Large Vessel Occlusion) in der Akutversorgung bei ischämischem Schlaganfall, wodurch die Kosteneffizienz deutlich veranschaulicht werden konnte.
Frameworks wie dieses sind für Krankenhäuser und Entscheidungsträger im Gesundheitswesen essenziell, um wirtschaftlich fundierte Investitionsentscheidungen für medizinische KI zu treffen, finanzielle Risiken zu minimieren und Arbeitsabläufe mit dem größtmöglichen realen Patientennutzen zu etablieren.