Analysis of the social cost-benefit and intent to use of AI in healthcare

Abstract

Background AI in healthcare is reducing medical costs and diagnosing diseases more accurately and quickly. As a result, the global market for AI in healthcare is growing rapidly, and the number of developments and approvals is increasing not only in Korea, but also in the United States and Europe. However, despite the fact that AI is proving its effectiveness in a number of studies in the medical field, the use of AI in the healthcare sector is still at a low level. Unlike AI products in other sectors, AI in healthcare requires not only clinical evidence but also economic analysis to prove its cost-effectiveness in order to be covered by health insurance. In addition, physician acceptance of AI technology is a key factor in enabling AI in healthcare, but there is limited research on the factors that influence this attitude. Therefore, this study aims to verify the economic feasibility of AI in healthcare through a social cost-benefit analysis of AI in healthcare and to analyse the factors that influence medical staff's use of medical AI. Methods The economic analysis estimates the costs and benefits of the Dr. Answer project from 2018 to 2020. For the economic evaluation of medical AI, the government funds invested in the project, the estimated price of using medical AI, and the resulting nine benefits (reduced test and treatment costs, reduced additional inspection costs, reduced treatment costs such as surgery, reduced hospitalization and caregiving costs, reduced transportation costs, income preservation benefits for patients and guardians, and reduced medical reading costs) were estimated in monetary units through a review of existing literature and analysis of secondary data. The effects of personal innovation, facilitating conditions, functional excellence, price value, perceived ease of use and perceived usefulness on the intention to use AI in healthcare were analysed using an online survey of 109 medical staff. The moderating effect of experience in using AI in healthcare was also tested. IBM SPSS 29 was used for frequency analysis of respondents' general characteristics, and Smart PLS 4.0 was used for reliability and validity analysis of measurement items and hypothesis testing. The bootstrap method (5,000 repeated samples) was used to estimate path coefficients and test for significance. Results The economic analysis of medical AI showed a net benefit of KRW 341,180,251 thousands and a benefit-cost ratio of 4.9 times, demonstrating its economic feasibility. The sensitivity analysis by adjusting the number of patients to 25% and 75% showed a net benefit of KRW 170,590,125 thousands and a benefit-cost ratio of 3.66 times when the number of patients was 25%, and a net benefit of KRW 511,770,377 thousands and a benefit-cost ratio of 5.54 times when the number of patients was 75%, demonstrating economic feasibility. The stage of the patient journey with the highest healthcare cost savings was found to be the stage of disease onset prediction, which can prevent unnecessary tests and treatments by predicting disease in advance. Breast cancer prediction (benefit KRW 62,477,977 thousands, benefit-cost ratio 5.58 times), colorectal cancer prediction (benefit KRW 44,528,502 thousands, 23.62 times), heart disease prediction (benefit KRW 37,596,545 thousands, benefit-cost ratio 3.82 times) and epilepsy seizure prediction (benefit KRW 28,634,041 thousands, benefit-cost ratio 11.74 times). The results of the analysis of factors influencing medical staff's intention to use medical AI showed that there was no positive effect between personal innovation and perceived ease of use, price value and intention to use, and perceived ease of use and intention to use. In addition, the moderating effect of usage experience is tested on the relationship between personal innovation, facilitating conditions, functional excellence and price value on intention to use medical AI. The results show that intentions to use healthcare AI are consistent regardless of the facilitation condition for AI-experienced medical staff, whereas for inexperienced medical staff, intentions to use healthcare AI increase as the facilitation condition for receiving organizational and technical help and support in using healthcare AI increases. Conclusion AI in healthcare is economically feasible, with a net benefit greater than zero and a benefit-cost ratio greater than one, and is expected to make a positive contribution to reducing healthcare costs if widely adopted. We also found that individual innovation, facilitating conditions and functional excellence are important factors in the intention to use medical AI, and that organizational and technical help and support from hospitals and companies facilitate the use of medical AI by medical staff. As the development and approval of medical AI increases globally, there is a need to continue to support and improve the system at a national level to improve the efficiency of the current healthcare system and promote the medical AI industry. This is expected to improve people's health, reduce the cost of medical care, and promote domestic companies in the rapidly growing global market for medical AI.

배경 : 의료 AI는 의료비를 절감시키고, 질병을 더욱 정확하고 빠르게 진단하고 있다. 이에 따라 전세계 의료AI 시장도 급속하게 성장 중이며, 개발 및 인허가 수도 우리나라뿐만 아니라 미국, 유럽 등에서도 지속적으로 증가 중이다. 그러나, AI가 의료 분야의 다양한 연구에서 효용성이 입증되고 있음에도 불구하고 의료 현장에서 AI의 활용은 여전히 저조하다. 의료 AI는 타 분야의 AI 제품과는 달리 임상적 근거 확보뿐만 아니라, 경제성 분석을 통해 비용 효과적임을 입증해야 건강보험을 적용 받을 수 있다. 또한, 의료진 사이에서 AI 기술을 받아들이는 것이 의료 AI 활성화의 핵심 요인 임에도 불구하고 이러한 태도에 영향을 미치는 요인에 대한 연구는 부족하다. 따라서, 본 연구는 의료 AI의 사회적 비용편익 분석을 통해 의료 AI의 경제성을 검증하고, 의료진의 의료 AI 사용에 영향을 미치는 요인 분석을 목적으로 하고 있다 . 방법 : 경제성 분석은 2018년부터 2020년까지 추진된 Dr. Answer 프로젝트를 대상으로 비용과 편익을 추정하였다. 의료 AI의 경제성 평가를 위해, 프로젝트에 투입된 정부지원금과 의료 AI 사용 예상 가격, 그리고 그 결과 나타나는 9개의 편익(검사 및 진료비 절감, 추가 검사비 절감, 수술 등 치료비 절감, 입원비 및 간병비 절감, 교통비 절감 편익, 환자 및 보호자의 소득보전 편익, 판독료 절감 편익)을 기존 문헌고찰과 2차 자료분석을 통해 화폐단위로 추정하였다. 의료 AI 사용 의도에 미치는 영향은 109명의 의료진을 대상으로 온라인 설문을 통해 개인 혁신성, 촉진 조건, 기능 우수성, 가격 효용성, 인지된 용이성과 인지된 사용용이성이 사용 의도에 미치는 영향을 분석하였다. 또한, 의료 AI 사용 경험에 따른 조절효과를 검증하였다. 응답자의 일반적 특징은 IBM SPSS 29를 사용하여 빈도 분석을 진행하였고, 측정 항목의 신뢰도와 타당성 분석, 가설 검증은 Smart PLS 4.0을 활용하였다. 경로 계수 추정 및 유의성 검정에는 부트스트랩 방법(반복 샘플링 5,000회)을 사용하였다. 결과 : 의료 AI의 경제성 분석결과 순편익은 341,180,251천원이며, 편익/비용비는 4.9배로 산출되어 경제적 타당성이 입증되었다. 대상 환자를 25%와 75%로 조정하여 민감도를 분석한 결과, 대상 환자 수가 25%일 경우 순편익 170,590,125천원, 비용 편익비는 3.66배으로 나타났다. 또한, 대상 환자 수가 75%의 경우 순편익은 511,770,377천원, 비용 편익비는 5.54배로 산출되어 경제성이 있는 것으로 나타났다. 의료비 절감효과가 높은 Patient Journey 단계는 질병의 사전 예측을 통해 불필요한 검사 및 진료 등을 사전에 예방할 수 있는 발병 예측 단계로 나타났다. 유방암 발병예측(편익 62,477,977천원, 편익 비용비 5.58배), 대장암 발병예측(44,528,502천원, 23.62배), 심장질환 발병예측(편익 37,596,545천원, 편익 비용비 3.82배), 뇌전증 발작예측(편익 28,634,041천원, 편익 비용비 11.74배)으로 나타났다. 의료진의 의료 AI 사용 의도에 영향을 미치는 요인 분석 결과, 개인혁신성과 인지된 사용 용이성, 가격 가치와 사용 의도, 인지된 사용용이성과 사용 의도 간에는 긍정적인 영향을 미치지 않는 것으로 분석되었다. 또한, 개인 혁신성, 촉진 조건, 기능 우수성, 가격 효용성이 의료 AI 사용 의도에 미치는 영향 관계에서 사용 경험의 조절효과를 검증하였다. 검증결과, 사용경험이 있는 의료진은 촉진 조건에 관계없이 사용 의도가 일정한 반면, 사용경험이 없는 의료진은 의료 AI 사용시 조직적, 기술적 도움과 지원을 받을 수 있는 촉진 조건이 증가할수록 의료 AI의 사용 의도도 증가함을 알 수 있었다. 결론 : 의료 AI는 순편익이 0보다 크고, 편익/비용비가 1보다 커서 경제성이 있으며, 도입 확산 시 의료비 절감에 긍정적으로 기여할 것으로 예상된다. 또한, 개인 혁신성, 촉진 조건, 기능우수성이 의료 AI 사용 의도에 중요한 요인이며, 병원과 기업의 조직적이고 기술적인 도움과 지원이 의료진의 의료 AI 사용을 촉진시킴을 확인하였다. 전 세계적으로 의료 AI의 개발과 인허가가 증가하는 상황에서 현재 의료체계의 효율성을 향상시키고, 의료 AI 산업 육성을 위해 국가차원의 지속적인 지원과 제도개선이 필요하다. 이를 통해 국민건강증진 및 의료비 절감, 그리고 급속하게 성장 중인 글로벌 의료 AI 시장에서 국내 기업의 선전을 기대해 본다.