人工智能（AI）正迅速成为医疗保健的重要组成部分。自2020年以来，美国食品药品监督管理局（FDA）已批准了1300多种AI赋能设备，用于众多临床专科。有限的临床试验证据表明，这些技术可能在改善患者健康结果的同时降低医疗保健支出，因为它们取代了更昂贵的诊断测试。尽管AI将降低支出的说法很常见，但这是否属实仍是一个开放性问题。在医疗保健领域，新技术往往增加了医疗保健支出。迄今为止，关于AI采用与医疗保健支出之间关系的实证证据，一直受到AI采用数据缺乏以及许多组织尚未或仅最近才采用AI这一事实的限制。
近年来，医疗保险对约十几个FDA批准的AI应用的报销，使得通过行政索赔数据研究AI成为可能。计算机断层扫描（CT）血流储备分数（FFRCT）尤其适合研究，因为它与其他FDA批准的AI应用相似。与许多FDA批准的AI应用一样，FFRCT分析医学影像数据以预测疾病的存在或严重程度——在本例中为冠心病——并被宣传为比传统测试更少侵入性、节省成本的替代方案。作为首个获得医疗保险报销的AI应用，FFRCT是为数不多的具有足够数据进行有意义的索赔分析的应用之一，有证据表明其使用量在其前四年增加了十一倍以上。
临床描述
冠心病是一种影响约二十分之一美国成年人的疾病，是死亡的主要原因。在评估疑似冠心病患者时，临床医生根据患者的临床表现和先前的测试历史，从几种非侵入性诊断测试中选择，包括压力测试、超声心动图、冠状动脉CT和冠状动脉CT血管造影。这些测试确定患者是否可以在无需进一步测试的情况下进行管理，或者是否需要侵入性冠状动脉造影。然而，这些测试可能不确定。在这种情况下，FFRCT（一种分析冠状动脉CT血管造影扫描以测量冠状动脉狭窄的AI算法）可用于确认是否需要侵入性测试。要使用FFRCT，临床医生必须首先订购冠状动脉CT血管造影扫描，这需要特殊的扫描仪。
FFRCT为采用它的临床医生提供了新颖的非侵入性诊断途径。理想情况下，它将减少不必要的（且昂贵的）侵入性冠状动脉造影的使用，从而降低成本并改善患者健康结果。然而，对测试使用和诊断支出的影响取决于FFRCT在多大程度上促使从其他非侵入性测试转向冠状动脉CT血管造影、在多大程度上减少侵入性冠状动脉造影，以及在多大程度上诱导对冠心病患者的额外诊断或治疗。早期证据发现侵入性测试和其他测试选项有所减少。支出影响不仅取决于测试使用，还取决于每项服务的相对价格。在这项研究中，我们通过研究治疗医疗保险患者的临床医生对FFRCT的采用，调查了临床医生使用诊断AI如何影响医疗保健使用和诊断支出。
研究数据和方法
为了衡量FFRCT采用对医疗保健支出和健康结果的影响，我们使用了2018年1月至2024年12月的100%医疗保险按服务收费索赔数据。医疗保险自2018年开始报销FFRCT，使我们能够识别临床医生何时为医疗保险按服务收费患者使用（即开具账单）FFRCT，以及随着时间的推移对其患者群体的健康和服务使用的详细信息。
样本构建
我们的临床医生样本包括诊断冠心病并具有采用FFRCT技术能力的临床医生。由于FFRCT是冠心病的诊断测试，我们首先确定了执行任何非AI冠心病诊断测试的临床医生。我们要求所有临床医生在观察窗口期间至少开具两次冠状动脉CT血管造影扫描（FFRCT的图像输入）的账单，以避免检测到一次性账单错误。在敏感性分析中，我们使用了另一种定义，包括开具或转诊至少两次冠状动脉CT血管造影扫描的临床医生。
我们将FFRCT采用者定义为在我们的研究期间（2018-23年为0501T-4T；2024年为75580）至少两次为FFRCT程序代码向医疗保险开具账单的临床医生。FFRCT账单在门诊索赔中被识别，反映了2018年开始的门诊前瞻性支付系统（OPPS）下的报销，以及在承运商索赔中，反映了2022年开始的医生费用表（PFS）下的报销。我们将临床医生首次开具FFRCT账单的季度视为采用季度。
结果变量
新诊断的测试使用和支出：
我们在临床医生-季度级别计算结果，包括非AI冠心病诊断测试（冠状动脉CT血管造影、侵入性冠状动脉造影和其他测试）的数量、冠状动脉CT血管造影测试（FFRCT分析的图像输入）的数量，以及侵入性冠状动脉造影测试（冠心病的侵入性测试选项）的数量。
我们依靠医疗保险承运商和门诊文件来计算接收新冠心病诊断的患者的测试。如果提供商提交服务的专业和设施组件的单独索赔，则可能存在同一诊断测试的多个索赔。我们识别不同的测试。如果多名临床医生为同一测试开具账单，我们将测试分配给专业索赔上记录的国家提供者标识符，该索赔具有最高的账单金额。
我们将支出衡量为每位新诊断为冠心病的患者的冠心病诊断测试支出，遵循与使用度量相同的方案，有一个显著变化：我们捕获了承运商和门诊文件中的所有支出（而不是去重），以包括专业和设施费用。
在我们的主要分析中，我们专注于新的冠心病诊断，因为FFRCT的医疗必要性指南强调其作为诊断工具的使用。如果患者在过去两年内没有在医疗保险索赔中记录任何冠心病诊断代码（即国际疾病和相关健康问题统计分类第十版[ICD-10]代码I25*），则我们认为冠心病诊断是新的。新的冠心病诊断归因于包含相关诊断代码的索赔上列出的执行临床医生。我们将使用和支出结果除以该临床医生在同一季度诊断的新冠心病患者数量。
面板组成和临床医生生产力：
对于符合我们纳入标准的每位临床医生，我们计算了新诊断为冠心病的患者数量、所有冠心病诊断患者数量以及冠心病患者就诊的份额。我们将就诊次数定义为索赔数据中的唯一受益人-服务日期组合的数量。为了测试FFRCT的采用是否改变了谁获得冠心病诊断，我们计算了新诊断为冠心病的患者的平均年龄和平均记录的慢性疾病数量。最后，FFRCT和其他AI赋能诊断工具有可能提高临床医生生产力。我们通过测量所有医疗保险按服务收费患者的季度就诊次数来测试这一点。
患者结果
根据之前关于血流储备有效性的研究，我们计算了死亡或心绞痛、中风或急性心肌梗死住院的综合指标，以评估健康结果的潜在变化。对于每位临床医生-季度，我们确定了该季度访问临床医生的患者中，在该次访问月份后的十二个月内死亡或因心绞痛、中风或急性心肌梗死住院的份额。死亡事件使用主受益人汇总文件中的死亡日期和住院索赔上的不稳定心绞痛（ICD-10代码I200*）、中风（ICD-10代码I60-4）或急性心肌梗死（ICD-10代码I21-2）的主要诊断来识别。
分析
FFRCT采用在整个研究期间发生，导致了交错采用设计。我们采用堆叠差分法，比较采用者与非采用者在采用前后的结果差异变化。我们将尚未采用和未采用的临床医生包括在对照组中，将当季采用FFRCT的临床医生作为治疗组。
我们的分析将每个感兴趣的结果回归到临床医生标识符、日历季度和相对于采用季度的时间，以及二元采用前后变量和临床医生是否采用FFRCT的指示器之间的交互项。感兴趣的系数是临床医生采用指示器和二元采用前后变量之间的交互项，它告诉我们与对照组相比，FFRCT采用后结果变化了多少。
这种研究设计假设，如果没有采用FFRCT，治疗组和对照组临床医生的结果会以相似的方式演变。为了检验这一假设，我们将差分法规范修改为堆叠事件研究，使我们能够观察治疗组和对照组随时间的差异。标准误差在采用季度级别聚集。我们使用联合F检验测试了治疗前趋势的差异。如果治疗前趋势不平行，我们包含了一个时间-治疗交互项以解释不同的趋势。
由于采用明确与FFRCT的使用相关，我们预计在FFRCT采用季度期间，冠状动脉CT血管造影和FFRCT的使用会机械性增加。此外，我们可能预计在FFRCT采用之前会出现预期效应，因为FFRCT需要使用冠状动脉CT血管造影，并可能影响现有工作流程。为了考虑这些动态，我们在所有分析中删除了采用季度和采用前的季度。
我们使用FFRCT采用者和非采用者的子样本重复了我们的主要规范，这些采用者和非采用者是心脏病学专家，以创建更相似的治疗组和对照组。我们还在所有FFRCT用户子样本中估计了该规范，并在FFRCT"超级用户"的子样本中进行了估计。
局限性
我们的工作有几个局限性。首先，我们研究了单个AI赋能诊断技术的采用。尽管FFRCT是数百个FDA批准的AI赋能服务中的一个，但我们认为我们的结果可以为与采用其他服务相关的问题提供信息，特别是当它们辅助诊断并可能替代传统测试选项时。第二，我们仅在临床医生为传统医疗保险受益人提供服务时开具账单时观察到FFRCT采用。然而，我们认为提供FFRCT的临床医生可能会尽可能开具账单以收回FFRCT公司向提供商收取的费用。
第三，我们使用开具的冠心病诊断代码的存在作为新诊断的证据，而没有诊断或治疗的确认证据。同样，我们将诊断归因于在索赔上记录它们的临床医生，这可能无法完全反映基于团队护理的复杂性。
第四，FFRCT采用可能与扩展的冠状动脉CT血管造影能力和相关的临床工作流程重新设计同时发生，因此将估计的实践模式变化归因于FFRCT呈现了不完整的画面。同样，FFRCT采用可能与冠状动脉CT血管造影采用同时发生；然而，我们大多数有资格采用的样本在采用FFRCT之前很久就开始为冠状动脉CT血管造影开具账单。第五，我们无法评估每位新诊断患者的每患者结果差异是否反映了面板组成的未测量变化。第六，我们的支出衡量专注于冠心病诊断支出，排除了治疗支出、与冠心病相关的不良事件支出，以及在住院期间进行的侵入性冠状动脉造影支出。
研究结果
从我们研究期开始（2018年第1季度）的74名增加到2024年第4季度的2,022名。我们的最终样本包括10,986名临床医生，其中1,730名（15.7%）在观察窗口期间采用了FFRCT。平均而言，采用者每季度对新诊断为冠心病的患者进行的冠状动脉CT血管造影测试中，约有五分之一使用了FFRCT，但只有16%的新诊断为冠心病的患者接受了冠状动脉CT血管造影。我们将采用FFRCT的临床医生与在技术上能够采用FFRCT但未采用的临床医生进行了比较。与未采用者相比，采用者就诊（访问）和患者数量略大，并且更可能在基于办公室的环境中执业并专攻心脏病学。
在FFRCT采用后，临床医生增加了冠状动脉CT血管造影测试的使用；我们的差分分析产生了采用后0.04的估计增加，相对增加超过57%。我们还发现采用后侵入性冠状动脉造影测试的使用减少了0.01，代表减少了约8%。总体而言，我们估计非AI冠心病诊断测试增加了1.6%，这在统计上不显著。
在临床医生采用FFRCT后，每位新诊断为冠心病的患者的诊断支出平均增加了35.8美元，代表增加了18.5%。我们发现FFRCT（37.6美元）和冠状动脉CT血管造影（11.8美元）的支出增加，随后侵入性冠状动脉造影（-13.3美元）的支出减少。
我们还观察到临床医生为已有冠心病诊断的患者开具FFRCT账单。在补充分析中，我们比较了在所有接受冠心病诊断测试的患者中采用者在利用和支出方面的差异。我们获得了类似的结果：冠心病诊断支出和冠状动脉CT血管造影诊断测试数量的统计学显著增加，侵入性冠状动脉造影的轻微减少，以及非AI冠心病诊断测试数量没有变化。
面板组成和临床医生生产力
在FFRCT采用后，临床医生诊断和治疗了更多的冠心病患者。我们发现，FFRCT采用者每季度平均新增1.72名冠心病新诊断患者（与治疗前平均值相比，相对增加19.8%），但我们观察到新诊断为冠心病的患者的平均年龄或记录的慢性疾病数量没有差异变化。采用FFRCT后，治疗冠心病的患者总数平均增加了4.37名，相对增加9.0%。与所有就诊相比，冠心病就诊的份额在采用者中差异性地增加了0.78%。
我们观察到所有类型的就诊次数季度增加，不仅限于冠心病患者的就诊。在FFRCT采用后，平均每位采用者临床医生每季度提供了额外的24.3次医疗保险就诊，与治疗前平均值相比，就诊次数增加了3.6%。
患者结果
我们发现不良患者结果（一年死亡或心绞痛、中风或急性心肌梗死住院）有统计学显著减少；与治疗前平均值相比，这种减少对应于3.1%的相对减少。
敏感性分析
我们进行了几项敏感性分析。首先，我们使用临床医生有资格采用的新定义比较了我们的结果，该定义包括开具和转诊至少两次冠状动脉CT血管造影测试的临床医生。这产生了与主要规范一致的结果。在仅关注心脏病专家的第二次分析中，我们发现了较小但一致的结果变化。最后，我们根据临床医生对FFRCT的使用改变了FFRCT采用者临床医生的定义。
讨论
近年来，临床医生对AI赋能诊断技术的使用已经扩大，部分受到医疗保险对这些服务的报销的激励。本研究检查了与FFRCT采用相关的使用、支出、临床医生生产力和健康结果的变化，FFRCT是首个获得医疗保险报销的AI赋能技术。我们发现，尽管在FFRCT采用后侵入性测试的使用略有减少，但FFRCT采用后几个月内冠心病诊断的支出增加了。这不仅是由FFRCT本身的价格驱动的，还由冠状动脉CT血管造影测试使用量的增加驱动。
在FFRCT采用后，冠心病患者占临床医生患者群体的更大份额；冠心病患者数量（新诊断和现有诊断）增加，以及冠心病就诊占总就诊量的份额增加。因此，由于每诊断支出增加和新诊断患者增多，总体支出可能会更高。这可能反映了临床医生向冠心病的面板重新定位和对随访护理转诊的捕获的某种组合。在FFRCT采用后，医疗保险就诊量也增加了，这表明诊断AI的采用可能会提高临床医生生产力。
最后，我们确实检测到心脏相关不良事件减少了3.1%。虽然我们的研究结果表明FFRCT采用可能带来有希望的临床结果，但一年可能不足以让与FFRCT采用相关的健康结果变化完全显现。此外，我们的结果也可能表明，在FFRCT采用后，临床医生的冠心病患者严重程度发生了不可测量的变化。
我们的使用和支出发现对医疗保险计划具有混合影响。我们观察到一些证据表明，从传统侵入性诊断测试中略有替代。这表明FFRCT（和其他类似的AI赋能诊断技术）可能更好地适应患者对侵入性较小护理的偏好。
更令人担忧的是，我们没有看到备受吹捧的诊断支出减少的证据。相反，这种转变（远离传统侵入性选项，转向AI赋能诊断技术）与医疗保险在冠心病诊断上的支出增加相关。这反映了AI赋能诊断技术的医疗保险报销更高（即2025年门诊环境中FFRCT加上冠状动脉CT血管造影的报销率为2025年约1,300美元），与超声心动图等传统测试相比，后者成本仅为几百美元。话虽如此，诊断上增加的一些支出可能会被治疗和不良事件支出的减少所抵消。
我们的研究结果强调了医疗保险支付政策的重要性，不仅作为采用的激励，还作为支出和医疗保险财政可持续性的驱动因素。CMS对FFRCT报销的方法随着时间的推移而演变，报销水平达到了迄今为止的最高点。如果报销率与冠状动脉CT血管造影捆绑，或者简单地反映每个AI赋能算法输出的低边际成本，而不是开发人员向临床医生收取的FFRCT使用订阅费或每次使用费，医疗保险可能会从AI的采用中实现节约。
致谢
本研究在2025年6月25日于田纳西州纳什维尔举行的美国卫生经济学家学会(ASHEcon)第14届年会上发表。作者承认获得了国家卫生保健管理基金会对这项工作的赠款支持。[2026年2月18日在线发布]
【全文结束】
