用于解读超声心动图的新型AI软件有时比专业人员表现更佳。植入人工智能技术的人工胰腺可实现更好的胰岛素控制。
宾夕法尼亚大学医疗改进研究所(LDI)高级研究员阿莫尔·纳瓦特(Amol Navathe)表示，人工智能已经影响医疗服务的提供方式，而政策制定者关于支付方式的选择将决定其未来发展方向。
纳瓦特在最近发表在《健康事务》(Health Affairs)杂志的一篇观点文章中写道，人工智能在可扩展性和行为多样性方面已经超过了人类服务。但如果缺乏创造经济激励以改善护理的政策，我们可能会面临成本上升而疗效未见改善，或者创新受阻的风险。以下，纳瓦特探讨了当前系统为何不适合为人工智能付费，以及药品定价可能为如何支付人工智能产品提供的一些启示。
"是什么促使您撰写这篇文章？"
纳瓦特：人工智能发展迅速，正在进入医学的各个领域，而新技术已成为医疗支出讨论的前沿话题。当我担任医疗保险支付咨询委员会(MedPAC)副主席时，我们开始思考人工智能技术对医疗保险定价方式的颠覆性影响。我和希塔(Sita)希望加入正在进行的政策讨论，探讨人工智能如何从根本上颠覆我们支付系统对时间、技能等投入要素的关注。
"人工智能的可变性和可扩展性使其与当前的临床护理支付政策不太匹配。能否举几个例子？"
纳瓦特：与人类服务相比，人工智能更具可扩展性——意味着提供额外一项服务的边际成本通常很小（有时甚至微乎其微），而人类提供同样的服务成本则高得多。因此，一旦实施，人工智能产品可以同时为大量患者提供服务。人工智能在可执行的操作方面也更具变异性，有时是在患者看不到的情况下进行的，并且可以开辟人类临床医生不提供或可能不需要监督的新服务类别。这种变异性需要更广泛地考虑支付方案。
例如，处方数字疗法(Prescription Digital Therapeutics, PDTs)是经FDA授权的基于软件的干预措施，旨在治疗、管理或预防疾病和行为状况，例如通过应用程序提供的认知行为疗法。这些是大规模平台，每个新用户都不会增加处方医生或制造商的运营成本。价格由制造商根据产品感知价值而非实际交付成本（相当低）来设定。而且，PDTs通过手机或平板电脑交付，不符合传统耐用医疗设备的定价范式（例如，用于睡眠呼吸暂停的氧气罐或"CPAP"机器）。
在许多情况下，人工智能提高了生产力但不一定改善了准确性或疗效，或者当人工智能可以自主执行服务时，当前基于人类劳动投入（如时间和技能）的支付范式就不太适用。这可能导致过度支出和过度使用，必须与获取这些技术的健康效益相平衡。
"您的文章讨论了处方药定价是否为人工智能提供了一种定价模式。您的结论是什么？"
纳瓦特：处方药为理解人工智能技术定价的复杂性提供了一个有用的起点。关键的共同特征是，一旦分子开发出来，制造和交付处方药的边际成本相对较低。对于人工智能，边际成本接近于零。制造商设定的价格可能反映了投入到这些产品研发中的时间和资源，就像人工智能一样。然而，价格也反映了市场能够承受的程度，以最大化利润。为限制不必要的产品使用，支付方使用成本分担来鼓励临床医生和患者仅在必要时使用处方药。
然而，相似之处到此为止。人工智能技术更难统一管理。由于人工智能可以适应和改变，设定反映人工智能健康价值的固定价格或支付率变得困难。因此，确保人工智能技术符合监管机构（如FDA或CMS）设定的临床效益标准变得更为重要，这些标准确保它们能切实改善医疗服务。
"当前用于人工智能的支付机制有哪些不足之处？"
纳瓦特：目前，医院在门诊前瞻性支付系统(Outpatient Prospective Payment System, OPPS)和住院前瞻性支付系统(Inpatient Prospective Payment System, IPPS)下根据所提供的医疗服务（包括人工智能辅助服务）获得固定价格支付。技术还可以通过门诊服务的过渡性附加支付系统或住院服务的新技术附加支付(New Technology Add-on Payment, NTAP)获得补充支付。NTAP的一个要求是新技术证明有实质性额外成本，这可能会激励开发者设定高价格。然而，这些支付指定是临时的，并未权衡临床改善与成本，这是为人工智能技术开发适当报销途径的核心挑战。
另一条途径是在医疗保险医师费用表上获得新代码。这正是以劳动力投入为参考点的地方，而我们尚未建立一个良好的系统来评估新技术价值。同样，临床效益标准可能是未来纳入的关键因素。
"联邦官员在做出覆盖范围和支付决定时，应如何考虑人工智能技术的护理和/或成本效益？"
纳瓦特：政策制定者和思想领袖目前正在应对这一问题。CMS可以使用一些定制途径，如"附带证据开发的覆盖"(Coverage with Evidence Development)，这是医疗保险的一项政策，只为有前景但未经证实的服务提供覆盖，但前提是患者参与经批准的临床试验或登记。这可能是目前考虑临床有效性的唯一方式。然而，这些传统上很少使用，因为它们管理复杂，可能需要时间才能做出真正的覆盖和支付决定。"获得CPT代码"是另一种机制，但它不依赖于临床有效性标准。鉴于法律对医疗保险和CMS的约束，国会可能需要授予CMS新的权力，以便在人工智能技术覆盖和支付决定中考虑临床有效性。
"将人工智能支付政策与期望结果而非投入要素相匹配可能需要定制途径"一文发表在2026年1月的《健康事务》杂志上。作者包括希塔·K·科蒂利尔(Sita K. Kottilil)和阿莫尔·S·纳瓦特(Amol S. Navathe)。
【全文结束】