KI-gestützte diagnostische Entscheidungsunterstützungssysteme (DDSS) könnten die diagnostische Genauigkeit und Effizienz verbessern, doch die Einführung wird häufig durch Preisgestaltungsansätze behindert, die auf intransparenten technischen Nutzungsmetriken beruhen. Wir untersuchten, wie die Preisgestaltung klinisch nachvollziehbar und budgetierbar bleiben kann, während gleichzeitig KI-spezifische technische und organisatorische Kostentreiber berücksichtigt werden. Wir führten halbstrukturierte Interviews mit Entscheidungsträgern im Gesundheitswesen (n = 17) aus Krankenhaus-, ambulanten, Labor- und Industrieumgebungen durch und wandten eine deduktiv-induktive thematische Analyse an. Es kristallisierten sich zehn Themen heraus, darunter ein weit verbreiteter Widerstand gegen rein nutzungsbasierte Preismodelle und eine starke Präferenz für Transparenz und Vorhersehbarkeit. Die Teilnehmer befürworteten hybride Modelle, die eine Grundgebühr mit variablen Komponenten kombinieren, welche in klinisch sinnvollen Einheiten definiert sind (pro Patient, pro Test oder pro Episode), und betonten die Abstimmung auf die Kostenerstattung zusammen mit Integration, Schulung und Support als integrale Wertelemente. Eine ergebnisorientierte Vergütung wurde als ethisch überzeugend, aber operativ schwierig angesehen. Wir fassen diese Ergebnisse zu stakeholder-informierten Designprinzipien und umsetzbaren Empfehlungen für Preismodelle zusammen, die die Beschaffung, die Passfähigkeit zur Kostenerstattung und die nachhaltige Skalierung diagnostischer KI erleichtern.
Kirchhoff et al. (Fri,) untersuchten diese Frage.