我们论证了全科放射学人工智能（GRAI）对当前医疗保健报销框架的挑战。与狭窄的人工智能工具不同，GRAI的多任务能力使得现有路径变得不足。本文考察了围绕GRAI报销的关键问题，包括编码、估值和覆盖政策。我们的目标是促进利益相关者之间的对话，讨论如何使报销适应GRAI的发展，这可能会影响放射学及其他领域的AI报销策略。
随着获得美国食品药品监督管理局（FDA）批准的放射学人工智能（AI）/机器学习（ML）设备数量不断增加，这些工具在临床实践中的整合受到了更多重视。虽然较大的医疗系统和放射学团队可以开发内部AI模型或购买商业工具，但真正的广泛整合和实施将需要建立一个全面的AI支付系统。尽管一些AI/ML设备已经获得报销批准，但这些设备和当前的放射学解决方案总体上仍属于狭窄AI，设计用于特定的预定义任务，例如肺栓塞分诊。最近，基础模型的策展进展引发了对全科放射学AI（GRAI）的更大兴趣，这与狭窄AI有根本区别，可能会需要不同的报销策略。
从定义上讲，GRAI扩展了最近引入的全科医学AI概念，基于三个基本能力：它能够在不重新训练的情况下适应新任务，这些任务用自然语言描述；它能够使用多种数据模式作为输入和输出；并且能够使用医学推理和术语解释输出背后的理由。当然，GRAI需要具备特定于放射学任务的特点，例如生成综合报告的能力，这些报告根据临床背景进行调整。因此，GRAI将提供更全面的多任务工具，更好地帮助放射学家和其他临床医生。最先进的全科放射学模型已经展示了这些能力，并且在多个放射学任务中表现出色，例如分割、检测和胸部X光报告生成。
鉴于GRAI研究的成功和对其发展的兴趣，我们可以预期在未来几年内会出现商业化的GRAI工具。由于模型开发和应用的内在差异，GRAI的报销可能需要与狭窄AI的报销不同对待。因此，我们应该开始思考在GRAI时代报销可能是什么样子。在本文中，我们简要回顾了医疗领域的一般报销方式以及AI的报销方式，并推测GRAI如何融入这一体系。
美国医疗保险和医疗补助服务中心（CMS）是美国最大的支付方，为向医疗保险受益人提供的服务向医生、医院、门诊手术中心、门诊医生办公室等机构支付费用。鉴于通过医疗保险医师费用表（MPFS）支付的医生服务量，该费用表涵盖门诊支付，MPFS将成为向医生支付AI费用的重要途径，本文将重点介绍这一点。住院部和门诊部向医疗保险受益人提供的服务分别通过住院部前瞻性支付系统（IPPS）和医院门诊前瞻性支付系统（OPPS）支付。
CMS维护一份当前程序术语（CPT）代码清单，这是更大的医疗服务通用程序编码系统（HCPCS）的一个子集，用于识别向医疗保险受益人提供的服务和程序。这些代码在MPFS和OPPS路径中使用。美国医学协会（AMA）通过其CPT编辑小组（CPT EP）维护CPT代码。最常见的两种CPT代码是第一类和第三类。第一类适用于满足以下条件的服务：（1）获得FDA批准；（2）证据强度；（3）广泛执行。未满足所有这三个条件的代码可能获得第三类状态，作为新兴技术。第二类代码用于绩效管理。相比之下，住院服务支付最初通过国际疾病分类（ICD-10）代码分类，然后分配到医疗保险严重程度诊断相关组（MS-DRGs）以确定支付。新型住院医疗服务也可能有资格获得新技术附加支付（NTAP），这是一种临时支付，叠加在MS-DRG支付上，最长可达三年。门诊支付通过OPPS路径依赖于CPT和HCPCS编码，使用称为门诊支付分类（APCs）的组织群体作为支付机制。
MPFS内的支付基于资源为基础的相对价值规模（RBRVS）。RBRVS由AMA多专科RVS更新委员会（RUC）维护，该委员会向CMS提出相对价值建议。CMS最终决定是否接受RUC的相对价值建议，但历史上CMS接受了大约90%的RUC建议。RBRVS中服务的相对价值基于相对价值单位（RVUs）。给定服务的总RVU包括三个组成部分：工作、实践费用和责任保险，每个部分都有单独的RVU确定和分配。实践费用RVU包括两种类型的输入：直接和间接。直接输入是CPT代码特定的，包括临床人员、一次性用品和设备。间接输入更为一般，如公用设施或接待人员，这些信息来自AMA管理的医生执业信息调查（PPIS）。PPIS在2000年代末进行了管理和应用，但正在更新。CMS采用的更广泛的实践费用方法非常复杂，涉及多个调整和缩放因子，以确定最终支付金额。
跨所有专业的AI服务支付正在发展。FDA将软件作为医疗设备（SaMD）定义为“旨在用于一个或多个医疗目的的软件，这些服务不作为硬件医疗设备的一部分执行。”ML算法可以归类为SaMD，尽管迄今为止只有两个ML算法获得了第一类CPT代码：92229（视网膜成像用于检测或监测疾病；带诊断报告的即时自动分析；单侧或双侧）；和75580（通过增强软件分析得出的冠状动脉血流储备分数（FFR））。然而，还有五种其他SaMD算法获得了第三类状态：+0764aT和0765aT（心脏功能障碍辅助算法心电图风险评估）；0794aT（患者特定的、基于规则的辅助算法，用于排名肿瘤治疗选项）；0731aT（基于AI的面部表型分析及其报告）；+0857aT（乳腺光声成像，增强分析和报告）；0740aT（基于远程自主算法的胰岛素推荐系统）。
AMA CPT编辑小组创建了一个AI医疗服务体系和程序的分类法，以确保这类服务的命名一致性。附录S描述了这些服务中的三类：（1）辅助；（2）增强；（3）自主。预计未来的人工/增强智能应用程序代码更改申请将在提交过程中参考此分类法。随着AI工具变得更加复杂，它们将可能沿着这些类别进一步发展。
第一个AI CPT代码是为LumineticsCore（前身为IDx-DR）创建的，用于从视网膜图像中检测和诊断糖尿病视网膜病变。检查LumineticsCore CPT代码有助于识别AI CPT代码开发相关的挑战。RVU的主要组成部分是医生工作和实践费用。作为一个自主工具，LumineticsCore不需要医生工作，因此这一部分为零。其他辅助或增强医生工作的工具可能被视为现有代码中预期工作的一部分，尽管某些算法可能会增加医生的时间，正如乳腺摄影计算机辅助检测所经历的那样。实践费用分为直接（可以与单一患者就诊关联，如技术人员时间和设备）或间接（不是特定就诊的，如租金）。不幸的是，像LumineticsCore所需的软件成本在这方面的特征难以界定，CMS承认他们的实践费用方法不适合AI应用。
在住院方面，NTAP（新技术附加支付）被明确设计为一种激励医院采用可能增加成本的创新技术的方式。第一个获批的AI NTAP申请请求是由Viz.ai创建的用于检测大血管闭塞的分诊和通知系统。然而，其他NTAP申请，如疑似肺栓塞的分诊和通知以及从CT头颅扫描中计算ASPECTS评分以检测疑似中风的应用，因被认为未能显著改进现有技术而被拒绝，这是NTAP的关键标准之一。最近，在2024年6月，美国放射学会（ACR）向CMS提交了一封信，建议修订NTAP，以建立一个替代路径，重点关注高价值AI技术的三个核心方面：新颖性（基于实现以前不可能的临床任务）；独特性（基于解决现有技术未涵盖的临床用例）；价值（基于性能数据和医生专家的意见）。
最近，CMS宣布了一条新的覆盖路径，即突破性设备过渡覆盖（TCET），专为FDA指定的突破性设备设计。在其最新的通知中，CMS表示每年最多接受五个TCET候选项目，目标是在FDA市场授权后的六个月内完成全国覆盖决定。第一次季度审查的提名截止日期是2024年10月31日，因此我们很快就会看到这条新路径如何影响AI报销。
尽管当前的医疗环境主要围绕传统的按服务收费报销模式，但其他作者描述了额外的报销路径。例如，Abramoff及其同事描述了一个报销框架，使分析个别AI服务的价值和成本成为可能。
目前尚不清楚GRAI将如何在MPFS和其他支付系统中被描述和估值。需要回答几个问题，集中在三个关键领域：GRAI将如何编码，如何估值，以及其他支付方将如何覆盖（图2）？
GRAI会获得自己的CPT代码吗？
目前有两个第一类CPT代码和六个具有第三类状态的代码。每个代码都针对特定的医疗服务，即狭窄AI。例如，CPT 75580专门涉及冠状循环中的FFR成像。相比之下，GRAI更加通用，可在多种不同的临床活动和任务中发挥作用。
一种描述GRAI的CPT代码解决方案可能更类似于CPT中的协调代码，而不是特定的放射学代码。CPT护理管理代码描述了包括和连接现有临床服务的协调活动。例如，CPT 99491描述了由医生提供的慢性护理管理服务，包括制定和监测全面的护理计划。这些代码可以桥接不同类型的任务，具体取决于其用途（例如，分诊、诊断、报告生成）以及模态和放射学亚专业。
例如，一个多任务协调代码可以涵盖研究中的多个任务，例如基于疑似病理的胸部CT分诊、异常检测和分割以及结构化报告生成。这种代码可以应用于多种GRAI应用和类型。或者，可以开发一个特定模态的代码系列，其中包含上述各级GRAI任务的单独代码，这可能允许更细致的区分，例如，脑MRI GRAI工具是否仅用于检测还是用于从分诊到报告生成的整个流程。代码系列可能更符合当前的报销结构，其中复杂性和模态影响估值。
更广泛地说，GRAI的CPT编码可能类似于远程医疗编码的历史，后者首先反映了远程医疗作为现有面对面诊疗的延伸，然后再发展出专门的远程医疗代码和修饰符。GRAI编码也可以从现有的放射学代码开始，然后再建立一个全面的框架。例如，新的脑MRI修饰符将指示涉及的GRAI水平，范围从检测/诊断到报告生成。这种策略可能更容易扩展，避免创建过多的具体代码。
另一个重要考虑因素是，GRAI本质上是一种不断进化的技术；根据定义，它应该能够适应新描述的任务。传统的CPT代码是为静态技术设计的，而GRAI需要一种更具适应性的策略。FDA在AI/ML设备方面面临类似的挑战，并提出了预定变更控制计划（PCCPs），这将允许预先批准对这些设备的修改而无需完全重新批准。CMS应密切关注FDA如何实施PCCPs，因为类似的策略可以帮助指导GRAI编码。
如果如此，它将如何估值？
RBRVS是一个基于相对性的系统。因此，新的GRAI代码将与其他AI代码（包括放射学中的代码）进行比较。鉴于GRAI的综合性及其在多种不同任务中的应用能力，它在RBRVS上的估值是否会更高？例如，根据任务和特定用户的特定需求，GRAI可以用于辅助（例如，在影像研究中检测并突出异常供放射学家使用）、增强（例如，基于这些异常的长期预后）或自主功能（例如，生成包括鉴别诊断和建议在内的完整报告）。
随着GRAI应用变得更加自主，其贡献的复杂性增加，应在估值中反映出来。此外，GRAI可以应用于多个领域，因此其估值必须依赖于跨越多个领域的指标，从而形成一个复合的、多方面的RVU。例如，一个复合的GRAI RVU可以考虑放射学家在特定任务中所需的工作，可能包括一个更高的任务复杂性组件，用于自主任务如报告生成，以及一个适应性组件，用于集成多模态数据的工具。很可能在GRAI之前会有更多的AI/ML代码进行估值并获得RVU，因此这些先例将相关。
AI工具的逐步采用也可能促使我们在估值中重视的内容和影响GRAI估值的基本指标发生变化。许多作者建议除按服务收费模式外的其他报销路径，例如激励结果或访问。其他人指出，基于价值的模型可能更好地应对AI工具的功能不能适当划分为离散服务的情况，这显然适用于许多GRAI应用。
覆盖和扩散到患者护理中还需要哪些其他步骤？
获得CPT代码甚至RVU估值并不能保证采用。覆盖决策将决定GRAI是否会被Medicare和其他支付方报销。Medicare覆盖受全国覆盖决定（NCDs）的影响，这些决定适用于整个美国的特定服务或技术，也受地方覆盖决定（LCDs）的影响，这些决定由处理特定地区Medicare索赔的Medicare行政承包商（MACs）设定。同时，私人支付方有自己的标准，这些标准通常（但并非总是）与Medicare一致。
尽管这些标准会有所不同，例如在支付方或MAC之间，但有许多普遍考虑的因素，如工具的有效性和安全性、相对于现有护理标准的比较效果、成本效益和利用率。所有这些都需要收集现实世界的数据，研究GRAI在各种临床设置中的应用和对不同患者群体的影响。事实上，已经有人呼吁对AI工具进行更多的随机试验。对于现有的AI技术，收集这些数据对GRAI来说可能更加困难，因为它可以在更多多样的情况下部署；开发者、临床医生和支付方必须合作规划如何收集必要的现实世界数据。此外，就像CPT代码是为静态技术设计的一样，覆盖政策目前也不适合处理动态工具，必须进行改革以应对GRAI的出现。为了确保广泛覆盖，社会建议也至关重要，ACR和其他放射学组织应考虑如何最好地验证GRAI。
综上所述，全科放射学AI（GRAI）的出现标志着放射学AI工具能力的重大飞跃，有望提高临床实用性和灵活性。然而，将GRAI成功整合到广泛的临床实践中，需要开发一个全面且适应性强的报销框架。与狭窄AI不同，GRAI的多功能性和适应新任务的能力需要独特的报销策略。支付方和其他利益相关者必须积极探讨GRAI支付在编码、收入和覆盖方面的形式。最终，CMS和AMA需要建立一个客观透明的框架，鼓励高质量、临床影响大的GRAI工具的采用，同时确保放射学家和医疗保健提供者的公平补偿。
(全文结束)
