لیزینگ و اقتصاد تجهیزات پزشکی مبتنی بر هوش مصنوعی؛ بازطراحی تامین مالی نسل جدید فناوری های تشخیصی و درمانی

ورود هوش مصنوعی به نظام سلامت، ماهیت سرمایه گذاری در تجهیزات پزشکی را از یک مدل نسبتا سنتی مبتنی بر خرید سخت افزار به یک مدل پیچیده و چندلایه مبتنی بر ترکیب سخت افزار، نرم افزار، داده، الگوریتم و ظرفیت محاسباتی تغییر داده است. تجهیزات تشخیصی و درمانی نسل جدید دیگر صرفا یک دستگاه فیزیکی نیستند؛ بلکه مجموعه ای از Sensor، Processor، Software، Algorithm، Cloud Infrastructure، Data Pipeline و قابلیت های Continuous Update را در خود جای داده اند. دستگاه تصویربرداری مجهز به هوش مصنوعی، سیستم های تشخیص خودکار، تجهیزات پایش هوشمند بیمار، ربات های جراحی، سامانه های تحلیل تصاویر پزشکی و تجهیزات آزمایشگاهی هوشمند، همگی نمونه هایی از دارایی هایی هستند که ارزش اقتصادی آنها به طور هم زمان به کیفیت سخت افزار و قابلیت نرم افزاری وابسته است. در چنین محیطی، لیزینگ می تواند از تامین مالی یک تجهیز فیزیکی عبور کرده و به ابزار تامین مالی «ظرفیت فناوری پزشکی» تبدیل شود.

مسئله اصلی در تامین مالی تجهیزات پزشکی مبتنی بر هوش مصنوعی، سرعت بالای Technology Obsolescence است. در تجهیزات سنتی، ممکن بود یک دستگاه برای سال ها از نظر فناوری قابل استفاده باقی بماند؛ اما در فناوری های مبتنی بر هوش مصنوعی، تغییر مدل های الگوریتمی، افزایش قدرت پردازش، توسعه استانداردهای داده، ظهور نسل های جدید نرم افزار و تغییر الزامات امنیت سایبری می تواند ارزش اقتصادی یک تجهیز را در مدت کوتاهی دگرگون کند. بنابراین، خرید قطعی و مالکیت بلندمدت چنین تجهیزاتی می تواند برای مراکز درمانی ریسک Capital Lock-In ایجاد کند. لیزینگ در اینجا امکان تبدیل این ریسک به یک ساختار قراردادی قابل مدیریت را فراهم می کند.

در مدل جدید، موضوع قرارداد لیزینگ نباید صرفا «دستگاه» باشد؛ بلکه می تواند یک Technology Bundle شامل سخت افزار، نرم افزار، الگوریتم، خدمات پشتیبانی، به روزرسانی، امنیت سایبری و ظرفیت پردازشی باشد. چنین رویکردی به شرکت لیزینگ اجازه می دهد قرارداد را بر اساس Total Cost of Ownership طراحی کند و هزینه های واقعی استفاده از فناوری را در طول چرخه عمر دارایی محاسبه نماید. در این ساختار، Technology Refresh نیز می تواند بخشی از قرارداد باشد تا مرکز درمانی در دوره های مشخص به نسخه های جدید سخت افزار یا نرم افزار دسترسی پیدا کند.

این تحول، مفهومAsset-Based Finance را نیز در حوزه سلامت تغییر می دهد. در گذشته ارزش یک دارایی پزشکی عمدتا بر اساس ارزش فیزیکی و بازار ثانویه آن تعیین می شد، اما در تجهیزات هوشمند، ارزش اقتصادی تابعی از قابلیت پردازشی، کیفیت الگوریتم، حجم و کیفیت داده، قابلیت اتصال به سیستم های بیمارستانی، Interoperability و امکان ارتقا است. در نتیجه، Valuation مدل های لیزینگ تجهیزات هوش مصنوعی باید ازPhysical Asset Valuation به Technology-Adjusted Valuation حرکت کند.

یکی از مهم ترین چالش ها، تعیین Residual Value است. ممکن است یک دستگاه پزشکی از نظر فیزیکی سالم باشد اما الگوریتم یا پردازنده آن دیگر با استانداردهای جدید همخوانی نداشته باشد. بنابراین، ارزش باقیمانده تجهیزات هوشمند را نمی توان صرفا با نرخ استهلاک حسابداری محاسبه کرد. مدل های جدید باید Technology Depreciation، Software Depreciation وAlgorithmic Obsolescence را نیز در نظر بگیرند. این مسئله مستقیما بر قیمت گذاری قرارداد، مدت لیزینگ، نرخ بازده مورد انتظار و ریسک پرتفوی شرکت لیزینگ اثر خواهد گذاشت.

در این شرایط، Risk-Based Pricing اهمیت ویژه ای پیدا می کند. نرخ قرارداد باید بر اساس ترکیبی از Credit Risk، Technology Risk، Residual Value Risk، Cyber Risk و Utilization Risk تعیین شود. برای مثال، تجهیزات هوش مصنوعی که در یک مرکز درمانی با حجم بالای بیمار و نرخ بهره برداری مناسب نصب می شوند، از نظر اقتصادی شرایط متفاوتی با تجهیزاتی دارند که در مراکز کم مراجعه مورد استفاده قرار می گیرند. بنابراین، میزان Utilization باید به یکی از متغیرهای اصلی در اعتبارسنجی و قیمت گذاری تبدیل شود.

از سوی دیگر، مدلEquipment-as-a-Service می تواند جایگاه مهمی در اقتصاد تجهیزات پزشکی هوشمند پیدا کند. بیمارستان به جای خرید یک دستگاه مجهز به هوش مصنوعی، می تواند بابت استفاده از ظرفیت تشخیصی یا درمانی آن پرداخت کند. برای مثال، پرداخت می تواند بر اساس تعداد اسکن، تعداد پرونده تحلیل شده، تعداد آزمایش پردازش شده یا ساعات استفاده از یک سیستم رباتیک محاسبه شود. این مدل بهUsage-Based Financing نزدیک می شود و باعث می شود هزینه سرمایه گذاری با میزان واقعی استفاده از فناوری متناسب شود.

این مدل همچنین می تواند دسترسی مراکز درمانی کوچک تر به فناوری های گران قیمت را افزایش دهد. در بسیاری از موارد، بیمارستان های کوچک یا مراکز درمانی منطقه ای توان خرید مستقیم تجهیزات هوش مصنوعی را ندارند، اما در صورت توزیع هزینه در طول زمان یا پرداخت مبتنی بر استفاده، امکان بهره برداری از این فناوری ها افزایش می یابد. بنابراین، لیزینگ می تواند از یک ابزار مالی به یک سازوکار کاهش Technology Access Gap در نظام سلامت تبدیل شود.

در سطح بالاتر، Shared Asset Leasing نیز می تواند برای تجهیزات گران قیمت مورد استفاده قرار گیرد. برخی تجهیزات پزشکی مبتنی بر هوش مصنوعی به دلیل هزینه بالا و تخصصی بودن، در همه مراکز درمانی توجیه اقتصادی ندارند. ایجاد شبکه های منطقه ای برای استفاده مشترک از این تجهیزات می تواند Asset Utilization را افزایش دهد. شرکت لیزینگ می تواند مالک یا تامین کننده مالی تجهیز باشد و چند مرکز درمانی براساس ظرفیت و زمان استفاده، هزینه آن را پرداخت کنند. این مدل می تواند به توسعه یک بازار منطقه ای برای خدمات تشخیصی پیشرفته منجر شود.

از منظر داده، تجهیزات هوشمند یک تفاوت بنیادی با تجهیزات سنتی دارند. هر بار استفاده از دستگاه می تواند داده های عملیاتی، عملکردی و در برخی موارد داده های بالینی تولید کند. این داده ها در صورت رعایت الزامات محرمانگی و حریم خصوصی می توانند برایPredictive Maintenance، مدیریت عملکرد، تشخیص خرابی و بهینه سازی هزینه های چرخه عمر مورد استفاده قرار گیرند. در نتیجه، Alternative Data می تواند به یکی از ابزارهای مهم مدیریت پرتفوی لیزینگ تجهیزات پزشکی هوشمند تبدیل شود.

Predictive Maintenance نیز می تواند اقتصاد قراردادهای لیزینگ را متحول کند. در مدل سنتی، تعمیرات معمولا پس از وقوع خرابی انجام می شود؛ اما در تجهیزات متصل و هوشمند، سنسورها و داده های عملکردی می توانند احتمال خرابی را پیش بینی کنند. کاهش Downtime نه تنها کیفیت خدمات درمانی را افزایش می دهد، بلکه ریسک اقتصادی قرارداد لیزینگ را نیز کاهش می دهد. به همین دلیل، قراردادهای نسل جدید می توانند Maintenance-as-a-Service را با لیزینگ ترکیب کنند و مسئولیت نگهداری را بخشی از ساختار مالی قرارداد قرار دهند.

یکی دیگر از موضوعات مهم، Cybersecurity است. تجهیزات پزشکی متصل به شبکه در معرض تهدیدات سایبری قرار دارند و هرگونه اختلال می تواند پیامدهای مالی و حتی درمانی داشته باشد. بنابراین، ریسک سایبری باید در Credit Underwriting و Asset Risk Assessment لحاظ شود. قراردادهای لیزینگ آینده باید مشخص کنند مسئولیت Patch Management، Software Update، Data Security و Incident Response بر عهده کدام طرف است. در واقع، هرچه تجهیزات پزشکی هوشمندتر شوند، مرز میان ریسک دارایی و ریسک فناوری باریک تر خواهد شد.

اتصال این مدل به بازار سرمایه نیز می تواند ظرفیت تامین مالی را افزایش دهد. شرکت های لیزینگ می توانند با ایجاد پرتفوی متنوعی از قراردادهای تجهیزات پزشکی هوشمند، جریان های نقدی آنها را مدیریت و در چارچوب های قانونی مناسب از ابزارهای Structured Finance استفاده کنند. Securitization مطالبات، انتشار ابزارهای مالی مبتنی بر جریان نقدی قراردادها و استفاده از سرمایه گذاران نهادی می تواند امکان Recycling Capital را افزایش دهد. به این ترتیب، سرمایه یک شرکت لیزینگ می تواند پس از شکل گیری پرتفوی اولیه، دوباره آزاد شده و برای تامین مالی نسل جدید تجهیزات مورد استفاده قرار گیرد.

در سطح سیاست گذاری، دولت نیز می تواند از این ظرفیت برای تسریع نوسازی فناوری سلامت استفاده کند. به جای پرداخت مستقیم یارانه خرید دستگاه، سیاست گذار می تواند بخشی از هزینه لیزینگ تجهیزات هوشمند را در مراکز درمانی هدف پوشش دهد یا از طریق ضمانت اعتباری، ریسک تامین مالی را کاهش دهد. چنین سیاستی می تواند با مفهوم Blended Finance ترکیب شود و سرمایه عمومی را به عنوان اهرمی برای جذب سرمایه خصوصی به حوزه فناوری پزشکی مورد استفاده قرار دهد.

در نهایت، اقتصاد تجهیزات پزشکی مبتنی بر هوش مصنوعی نیازمند تغییر نگاه از «مالکیت دستگاه» به «دسترسی به ظرفیت فناوری» است. بیمارستانی که یک دستگاه هوشمند را خریداری می کند، لزوما بهینه ترین ساختار اقتصادی را ایجاد نکرده است؛ آنچه اهمیت دارد این است که با چه میزان سرمایه، چه مقدار ظرفیت تشخیصی یا درمانی ایجاد شده، نرخ بهره برداری چقدر است، فناوری با چه سرعتی به روزرسانی می شود و هزینه چرخه عمر آن چگونه مدیریت می شود. لیزینگ می تواند با ترکیب Asset-Based Finance، Technology Refresh، Usage-Based Financing، Predictive Maintenance، Risk-Based Pricing و Capital Recycling، این معادله را بازطراحی کند. در چنین چارچوبی، شرکت لیزینگ دیگر صرفا تامین کننده منابع خرید یک دستگاه پزشکی نیست؛ بلکه به شریک مالی چرخه فناوری سلامت تبدیل می شود و می تواند میان سرمایه، داده، هوش مصنوعی و ظرفیت درمانی پیوند برقرار کند. آینده اقتصاد سلامت هوشمند به میزان توان نظام مالی در تامین مالی فناوری های سریع التغییر وابسته است و لیزینگ، در صورت عبور از مدل سنتی قراردادهای دارایی محور، می تواند یکی از مهم ترین زیرساخت های مالی این گذار باشد.