مشخصات مقاله | |
ترجمه عنوان مقاله | یک مورد کسب و کار برای ابزارهای هوش مصنوعی: جریان کیفیت ارتقا یافته و هزینه کاهش یافته |
عنوان انگلیسی مقاله | A Business Case for Artificial Intelligence Tools: The Currency of Improved Quality and Reduced Cost |
انتشار | مقاله سال 2020 |
تعداد صفحات مقاله انگلیسی | 5 صفحه |
هزینه | دانلود مقاله انگلیسی رایگان میباشد. |
پایگاه داده | نشریه الزویر |
نوع نگارش مقاله |
مقاله پژوهشی (Research Article) |
مقاله بیس | این مقاله بیس میباشد |
نمایه (index) | Scopus – Master Journals List – JCR |
نوع مقاله | ISI |
فرمت مقاله انگلیسی | |
ایمپکت فاکتور(IF) |
2.126 در سال 2019 |
شاخص H_index | 48 در سال 2020 |
شاخص SJR | 1.002 در سال 2019 |
شناسه ISSN | 1546-1440 |
شاخص Quartile (چارک) | Q1 در سال 2019 |
مدل مفهومی | دارد |
پرسشنامه | ندارد |
متغیر | دارد |
رفرنس | دارد |
رشته های مرتبط | مدیریت، مهندسی کامپیوتر |
گرایش های مرتبط | مدیریت فناوری اطلاعات، مدیریت کسب و کار، هوش مصنوعی |
نوع ارائه مقاله |
ژورنال |
مجله | مجله دانشکده رادیولوژی آمریکایی – Journal of the American College of Radiology |
دانشگاه | Triad Radiology Associates, North Carolina |
کلمات کلیدی | هوش مصنوعی، MACRA، MIPS، QPP، کیفیت |
کلمات کلیدی انگلیسی | Artificial intelligence, MACRA, MIPS, QPP, quality |
شناسه دیجیتال – doi |
https://doi.org/10.1016/j.jacr.2019.05.004 |
کد محصول | E14560 |
وضعیت ترجمه مقاله | ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید. |
دانلود رایگان مقاله | دانلود رایگان مقاله انگلیسی |
سفارش ترجمه این مقاله | سفارش ترجمه این مقاله |
فهرست مطالب مقاله: |
Abstract
Introduction Fee for Service Value-Based Payment Models MIPS Alternative Payment Models Take-Home Points References |
بخشی از متن مقاله: |
Abstract For data science tools to mature and become integrated into routine clinical practice, they must add value to patient care by improving quality without increasing cost, by reducing cost without changing quality, or by both reducing cost and improving quality. Artificial intelligence (AI) algorithms have potential to augment data-driven quality improvement for radiologists. If AI tools are adopted with population health goals in mind, the structure of value-based payment models will serve as a framework for reimbursement of AI that does not exist in the fee-for-service system. Introduction Two of the most anticipated disruptors in health care in recent history are value-based care transformation and the emergence of artificial intelligence (AI) tools. Certainly, neither has sweepingly transformed health care to date. Yet both innovations will undoubtedly continue to shape the future of health care, and the intersection of the two has implications for radiologists both in terms of payment policy and data-driven quality improvement. For data science tools to mature and become integrated into routine clinical practice, they must add value to patient care by improving quality without increasing cost, by reducing cost without changing quality, or by both reducing cost and improving quality. Increasing the efficiency of radiologists is one example of value added by AI tools; however, for the purposes of this article, we will focus on the potential role of these tools specifically in the value-based payment structure of the Quality Payment Program (QPP). |