En algoritm kan hjälpa patienter att välja bättre försäkring. Kredit:Tricia Seibold
Det finns många enkla konsumentval. Gem:lätt. Disksvampar:lätt. Dessa produkter sitter i ena änden av spektrumet. På andra änden, omöjligt avlägset, är sjukförsäkring.
Det är svårt.
"Mångvis av bevis tyder på att människor har svårt att göra val när det kommer till sjukförsäkring, " säger Kate Bundorf, docent vid Stanford School of Medicine med en tjänsteutnämning vid Stanford Graduate School of Business. Komplexiteten kan vara överväldigande och, som ett resultat, människor väljer ofta suboptimala planer som straffar dem med högre kostnader och skapar ineffektiva marknader. "Så vi ville ta reda på vilka typer av verktyg som skulle hjälpa människor att fatta beslut, säger Bundorf.
Med Maria Polyakova från Stanford School of Medicine och Ming Tai-Seale vid University of California, San Diego, hon utvecklade ett webbaserat verktyg med en algoritm som matchade medicinska journaler för Medicare Part D-anställda med de bästa sjukförsäkringsalternativen för receptbelagda läkemedel. De som använde algoritmen var mer benägna att byta till en bättre plan. De rapporterade också att de var mer nöjda med processen att välja sjukförsäkring, även om de slutade lägga mer tid på det.
Gör försäkringsvalen enklare och bättre
Studiedeltagare tilldelades antingen en kontrollgrupp eller en av två behandlingar. Kontrollgruppen riktades till befintliga Medicare-resurser online för att välja en av de 22 receptbelagda planerna som var tillgängliga för dem. Behandlingsgrupper, under tiden, fick stöd från algoritmen, som automatiskt hämtade information från deras journaler och matchade den mot receptbelagda läkemedelsplaner. När du granskar deras alternativ, båda behandlingsgrupperna kunde se en tabell online som visade individuell analys av sannolika kostnader för var och en av planerna. Dessutom, en av behandlingsgrupperna fick ett "expertpoäng" för varje plan – ett nummer, från 0 till 100, att algoritmen som produceras för att rangordna planerna; de tre bästa alternativen markerades överst i tabellen.
Båda behandlingarna uppmuntrade människor att byta till förmånligare försäkringsplaner, men behandlingen som inkluderade "expertförslag" tillsammans med kostnadsberäkningar visade sig vara mer effektiv. Deltagarna i denna behandling valde att byta plan 36 procent oftare än de i kontrollgruppen. "Vi hittade tydliga bevis för att interventionen förändrade människors beteende, särskilt i fallet när vi erbjöd expertråd, säger Bundorf.
I samband med experimentet, dessa ändringar genererade $270, 000 i besparingar för konsumenter. Och även om detta kan tyckas vara ett relativt litet antal, den är knuten till en relativt liten pool av 316 behandlingspersoner som hade tillgång till expertrekommendationen. Om samma effekter extrapolerades till de nästan 25 miljoner människor som är inskrivna i Medicare Part D – och om man antar en motsvarande andel av deltagandet som Bundorf och hennes kollegor såg i detta experiment – skulle besparingarna vara i storleksordningen 680 miljoner dollar. Detta är särskilt anmärkningsvärt med tanke på att själva verktyget kostade mindre än 1,8 miljoner dollar att utveckla.
Övergång till politikvärlden
Även om de praktiska konsekvenserna är tydliga, två viktiga överväganden modererar översättningen av detta resultat till policy.
Först, en liten del av de berättigade att gå med i studien valde att anmäla sig. I slutet, 1, 185 personer deltog i studien av nästan 30, 000 som var inbjudna; och de som till slut gick med var mer tekniskt kunniga än de som inte gjorde det. Dessutom, forskarna oroar sig för att de som skulle gynnas mest kanske inte hade valt att delta.
"Människorna som valde att interagera med algoritmen var sofistikerade konsumenter; de var aktiva shoppare som sökte information, " säger Polyakova. "Detta tyder på att om vi vill förbättra valen för människor som för närvarande har de sämsta planerna, att bara erbjuda verktyget online kommer inte att lösa problemet." Ett mer proaktivt tillvägagångssätt är nödvändigt.
Andra, studiens demografi som helhet är inte representativ för den bredare Medicare-populationen. Bundorf och hennes kollegor samarbetade med Palo Alto Medical Foundation för att köra experimentet, vilket innebär att de som deltog bodde i en av de rikaste och mest tekniskt anpassade delarna av landet. Huruvida resultaten skulle generaliseras är okänt. "Det är tänkbart att människor på andra platser, som har lägre inkomster och mindre exponering för verktyg som detta, kan bete sig helt annorlunda, säger Polyakova.
En algoritmvinst (och en varning)
Bundorf och hennes kollegor var från början inte säkra på att denna intervention skulle förändra beteenden. En hög med bevis tyder på att att bara ge människor information inte påverkar resultatet. Men resultaten pekar på en av studiens smarta design:Genom att ha två distinkta behandlingar, forskarna kunde mäta effekten av information ensam – som visar konsumentens totala kostnad för varje plan – samt expertråd tillsammans med information.
"Och råd gör något annat än information, " säger Polyakova. "När människor utsätts för råd, det förändrar inte bara deras kunskap om en produkt, men det förändrar också hur de faktiskt värderar egenskaperna hos den produkten."
Detta, hon noterar, har komplicerade och viktiga konsekvenser. Vi tenderar att tänka på programvara som neutral – Microsoft Excel har ingen agenda – men detta är inte alltid fallet med moderna algoritmer. Företag kan, och kommer troligen, implementera rådgivande algoritmer strategiskt, kanske för att marknadsföra en viss produkt eller öka intäkterna, och dolt i denna process kommer sätten på vilka dessa algoritmer förändrar hur vi värderar olika produkter.
"Om människor är lyhörda för den här typen av algoritmiska råd, då gör det den mycket nära framtiden ganska intressant, " säger Polyakova. "Många policy- och regleringsfrågor om hur man skyddar konsumenter från icke-godartade ingrepp kommer snart att behöva vår uppmärksamhet."