一、人工智能为我们提供的大幅改善医疗保健并创建千亿美元公司的机遇
在美国，普遍认识到（1）医疗成本高昂且（2）诊疗效果本可以更好。我认为人工智能将切实帮助解决这两个问题。
在我2016年的文章《含20%医生的医疗服务》中，我设想了由人工智能驱动的医疗领域二十五年转型。我大致设想的变革正以更快的速度和更大的规模发生，为医疗行业参与者创造了巨大机遇，类似于特斯拉在一个根深蒂固的行业中创造的近万亿美元市值。特斯拉在传统车企不愿行动时开创了电动汽车世界。这种开创性创新创造的市值超过了十大传统汽车公司市值总和（截至2024年12月）。医疗领域存在类似规模的机遇，可创造数万亿美元价值。
过去一个世纪，医学实践每十年都有所进步。但主要是医学实践的进步，而医学科学的应用相对有限。在简单病例上表现相对一致，而在最为重要的复杂病例上则相当不一致。国家医学院长期以来呼吁建立学习型健康系统，但我们距离这一目标仍很遥远。
由于医学专业知识的成本高昂，无论是全科医生、内分泌专家、肿瘤学家、心脏病学家、物理治疗师还是心脏MRI技术人员，专业知识都是按等级分配且难以获取的。全科医疗通常仅限于短期而非长期患者需求。一般来说，对于医疗支付方而言，优先考虑即时成本控制是以牺牲更具影响力的健康管理、疾病预防、慢性病管理、早期干预以及最终的长期成本控制为代价的。在当今医疗系统中，真正倡导预防、促进健康行为改变、培养健康习惯、营养补充和早期干预的全科医疗，在患者流动性高的世界中成本高昂。本文主要讨论门诊护理，但人工智能在药物研发、药物成本、诊断以及住院和介入治疗方面同样具有深远影响。
在短期内，人工智能将通过计算成本的快速下降，为我们提供近乎免费的门诊护理专业知识。人工智能对话能够与患者互动、诊断和监测病情，同时耐心理解患者问题。应用高级诊断推理、对最新医学研究（包括其适用性限制）的深入理解，以及对疾病、事件、生活方式和社会决定因素之间相互作用的卓越分析，现在在经济上已可行。拥有近乎无限的专家资源，我们应如何设计最优医疗系统？我们能否从当今系统出发，实现这种优势系统？
当今医疗保健在许多方面存在缺陷：护理不足、本可预防的疾病负担过重、可及性不足以及医生满意度低。人工智能可以通过比现有方式更好地实践医疗来切实帮助医疗保健。我们可以同时影响医疗成本、质量和患者需求满足，减少权衡取舍。在当前医疗范式下，"近乎免费的专业知识"能否帮助解决这些问题？
二、应对怀疑并建立基准
对于那些认为人工智能专业知识永远无法匹及医生的人（一种常见的人类本能反应），可以通过在多个领域为人类医生建立"临床护理标准"基准，并允许人工智能达到或超过这些标准（无论是否有医生协助）来缓解这些担忧。（此外，现有大量数据表明人工智能单独诊断能力已超过医生。）国家科学院关于降低人均医疗成本和改善临床结果的规划委员会可作为适当机构来设定和评估这些基准。人工智能行医的先决条件应是人类诊断者。只有当人工智能在每个领域的质量标准和错误率超过中位医生水平时，才应获得FDA批准并允许"行医"，即便如此，最初仍需在人类医生监督下进行。要求新技术在广泛部署前达到或超过公认基准的概念已嵌入我们的监管流程——FDA等机构长期以来一直要求在批准前提供严格的功效和安全性证明。在科学和医学之外，人工智能领域同样存在这一要求，如自动驾驶汽车的审批。（历史上，我们曾对自动驾驶汽车持类似怀疑，但事实证明这种怀疑是毫无根据的。早期批评者怀疑自动驾驶车辆能否在安全性和可靠性方面匹及或超越人类驾驶员，但许多真实世界和受控研究表明，在某些条件下，它们的表现可以达到或超过人类水平。）
三、"AI实习生"模式：AI在人类医生监督下执业
即使人工智能达到这些基准后，审慎的做法是将其视为新毕业的医学博士实习生，要求有经验的医生进行全面监督5-7年，以确保安全并完善其表现。接下来的十年，人工智能将在监督医生的执照下运作。这种模式的小规模实例已存在于糖尿病视网膜病变诊断中。
四、以AI为基础迈向学习型医疗系统及更远
除此之外，人工智能进步带来的最优系统路径清晰可见：将人工智能作为未来医疗实践的基础，将医学实践转变为医学科学。由于病例的聚合、医生使用的各种干预措施以及患者的医疗记录，我们实际上将从自然进行的"实验"（即患者与医疗系统之间的日常互动）中获得一个不断学习和进化的健康系统。观察数据、单病例试验、孟德尔随机化等的价值，都能通过应用于最佳医疗实践演变的大型回顾性数据集来增强循证医学的内涵。
除了通过使用不断改进的学习型健康系统和免费专业知识外，借助人工智能，每位癌症患者都能受益于关于其癌症的最近一千篇同行评审出版物，这些文献经过人工智能和人类判断的筛选。每位心脏病患者的抗凝血剂类型和剂量可以通过人工智能适当应用和简化其基因组或转录组数据，并通过持续的患者对话由人工智能进行滴定，根据患者生活方式和医生批准的护理计划进行适当调整。借助人工智能，所有医学文献和所有数据密集型医学（这些内容会压垮人类医生）都将应用于每位患者的护理计划。
关于医疗公平性，我声称，鉴于基于人工智能的护理可及性更高、成本更低，我们现在拥有了我一生中最大的机会，使公平变得负担得起。关于人工智能在医疗保健中的伦理、法律和文化问题，我认为不开始采用它是不道德的。法律和监管需求需要在未来几年内解决。信任的文化问题需要解决，但有早期证据表明患者可能更喜欢人工智能互动，尤其是在心理健康等领域。
五、工具开始以可用形式存在
令人兴奋的现实是：许多能够彻底改善医疗保健的工具已经存在，尤其是在早期形式中。这些工具可以通过更频繁和多样化的使用迅速成熟，一家医疗保健公司可以帮助实现这一目标并获得显著竞争优势。人工智能可以加快诊断速度、提高准确性并降低成本。它可以将初级护理自动化，成本仅为原来的几分之一，而患者参与度提高百倍。它可以预测和预防灾难性状况（如心脏事件），远在它们发生之前。
一家公司仅从现有的电子健康记录数据中就检测出30,000例早期癌症。这可能提示进行实际的血液或影像学癌症检测。障碍与技术无关，而完全在于拒绝进化的社会系统。最令人兴奋的是，几年的集中努力可以验证这些新技术并显著改进它们，同时在人类医生监督下提高当前的护理能力。
心理健康AI：作为初步证明，在英国国家医疗服务体系(NHS)中，约40%的谈话治疗服务使用AI处理心理健康患者的初步评估，但有人类监督，截至2024年12月已处理近40万名患者。在一项使用相同AI的研究中，康复率几乎翻倍。在10万名患者中，十种最常见精神疾病的诊断准确率达到93%。人类治疗师能达到这一水平吗？答案是否定的。根据他们18个月前的医疗器械申报表："训练我们的机器学习模型后，我们使用773名新收集患者的前瞻性数据集进行了额外评估研究。在此研究中，模型以'影子'模式部署，即它做出预测但这些预测不会影响产品中的任何内容。然后我们将此预测与临床评估时的医生诊断及其治疗完成后的最终'真实'诊断进行比较（他们将此作为最可靠的真确诊断指标）。在这些前瞻性数据中，机器学习模型的预测与最终诊断在93.7%的病例中一致。相比之下，初始人类临床评估仅与最终诊断在85.1%的病例中一致。统计分析表明，模型的诊断可靠性显著超过初始评估阶段的临床医生（比值比=2.08，置信区间=[1.57, 2.77]，χ²=25.96，p<0.00001）。这些发现凸显了该模型在提高诊断准确性和更可靠地将患者引导至适当治疗途径方面的潜力。"至于多样性和包容性，少数族裔群体的整体获取率提高了29%，而像非二元性别患者等极度边缘化群体的获取率提高了179%。成本？微乎其微。然而，我们仍在争论AI是否"准备就绪"提供帮助。如今，同一心理健康AI治疗师已在英国开始提供治疗。
通过虚拟AI实现的多专科初级护理与互动：在一种情况下，包括人类监督的全面患者就诊成本，比远程医疗就诊便宜约5倍，比典型临床就诊便宜10倍。而且AI不仅能提供初级护理或紧急护理。它能提供多专科初级护理，因为AI为全科医生提供大量专业知识。慢性病初级护理（从糖尿病到痛风，包括指导、临床护理和药物滴定）很快将免费提供。利用社交媒体和对话式AI的原则，患者参与度允许慢性病（和急性后患者）每100天扩展至100次互动点。这使得行为改变、营养等变得切实可行。
肌肉骨骼(MSK)家庭护理：同样，人工智能辅助的术后MSK治疗在临床结果和患者依从性方面非常有效，该领域领先公司之一改变了其定价模式，确保只有在患者康复时才能盈利。这是我们已经看到的更广泛"AI护理"转变的一部分，患者通过直接与AI护理代理互动，在家中康复——或进行预防性锻炼和护理——同时让临床医生参与其中，消除所有获取障碍。除术后MSK治疗外，该公司现在还提供针对"疼痛"等一般病症和"女性盆腔疼痛"等专科病症的治疗，并扩展到其他类型的AI护理。
心脏家庭护理：在近30万名心脏患者中，一家心脏病监测服务的客户平均每月在家自行进行六次心电图检查，成本几乎为零，减少了急诊室就诊，并为心脏事件提供早期干预可能。在AI监督下，患者可以在家中诊断多达37种心脏疾病（很快将增至84种），包括最严重的疾病，每月费用不到10美元。由于患者依从性高，在家进行房颤检测比霍特尔监测仪更频繁。这些技术实现了显著的患者参与。
对于多病症患者（跨越多个专科且有时收到相互冲突建议的患者），可以推理各种疾病之间的冲突权衡，决定向监督医生推荐的最佳行动方案。最新的人工智能，OpenAI的O3模型，在大多数测试中已超过人类多步骤推理能力和知识，甚至超过了在其专业领域内工作的博士。这预示了未来技术的发展方向。
这些只是部分例子，主要是说明性的而非全面的，展示了可能性。可能性无穷无尽，不止于此。未来已来，但正如俗话所说，既不均匀分布也不普遍可见。这些是直接护理提供方面的例子，通常使用昂贵的人类专家劳动力。从收入周期管理、预先授权、听写记录等行政功能已经处于良好进程中。除AI工具外，许多非AI工具，如算法药物滴定、基于基因组的剂量和药物相互作用，也在此AI驱动的护理管理环境中更容易被勤勉使用。
六、门诊护理提供中风险承担模式的初始机会
另一方面，某些AI解决方案试图培训医生并遇到阻力。美国医疗保健的一个结构性问题是，普通医生没有时间关心做出5%更优化的临床决策或学习某些工具来做出实质性更好的决策，但AI可以简单地整合这一点。疾病负担的减少或近乎免费的医生服务被认为会减少某些人或某些机构的收入，因为计费代码锚定在前AI时代，许多AI服务取代了人类服务但不可计费。基于价值的护理或风险承担型护理是AI可以证明其效用的首要领域，提供无限和早期的初级护理以及近乎无限的心理健康治疗。由AI提供的此类护理，恰当地称为"多专科"初级护理（我正试图使用的术语），因为AI在每个专科领域都有深厚的专业知识，可以通过整合初级护理应用这些知识。
AI驱动的护理可以通过频繁的患者互动、行为改变和更好的营养来减少疾病负担，为支付方带来显著节省。然而，这些好处只有在（1）患者与支付方保持几年关系或（2）护理成本足够低，使短期节省超过慢性病管理投资时才能实现。AI使后者成为可能，即使患者频繁更换提供商也有效。严重疾病的早期发现和干预将是AI驱动互动的另一大优势，减少下游成本。
最终，基于AI的护理也将在按服务收费护理中提供优势，因为医生意识到他们可以在不增加工作量的情况下显著改善患者护理，同时将患者数量翻倍（或更多）而不减少净收入。
七、计费代码：更好护理提供的隐形枷锁
采用AI的最大结构性障碍是计费和激励结构。AI可以改变初级护理，让医生处理多倍患者，同时提供10-100倍的互动点。在特定案例中，我们看到AI通过90天内的100次互动将患者血压降低30点——其中只有一次涉及与医生的实时文字交流。在直接初级护理模式下，患者每月成本为15美元。尽管这不是统计上有效的试验，但这种互动应该成为大多数慢性病患者的常规。
但在当今的按服务收费模式下，这种护理受到惩罚，因为它避免了可计费的就诊。由未控制高血压引起的中风可能会增加收入。如果医生无法为监督AI计费，他们就不会使用它。如今，大多数计费代码基于医生花费的时间，设定了错误的激励机制。我们需要将AI互动视为人类互动并基于其对患者护理的影响来计费的代码。为促进采用，我们需要以维持医生收入稳定并带动医生的方式做到这一点。如果不考虑这一点，我们实际上是在阻止更好、更便宜和更频繁的护理。而正确的系统可以通过增加患者数量同时减少医生工作量来增加医生收入，通过知道患者获得更好护理和频繁互动来提高医生满意度，减少间接费用，缓解医生短缺，同时降低支付方的患者终身下游成本。像澳大利亚这样的医疗系统每年有显著更多的初级护理互动。AI实习生可以立即提供数百倍更多的患者互动而不减少医生收入。这种能力激增可以迅速消除初级护理短缺，而无需增加医生工作量。
八、文化阻力，现有问题：带有合理借口的风险规避
AI作为"实习生"符合医学的导师文化。在接下来的5-10年内，它可以处理常规任务——患者初步评估、初步诊断、药物滴定、慢性病监测和随访——而医生则进行监督、做出高层决策并批准护理计划。为什么不在每次诊所就诊后提供近乎免费的个性化随访，以确认依从性、调整剂量、整合基因组学并提供心理健康支持？
尽管基于天真测试的"AI幻觉"担忧持续存在，但数据显示独立AI诊断准确率为89%，高于普通临床医生的74%。人类-AI团队降至76%，可能是因为人类直觉掩盖了AI。相比之下，使用标准AI模型构建的定制医生应用程序，配合防护措施和安全检查，可以进一步减少错误。如果这一趋势持续，不使用AI可能很快构成医疗过失——违反希波克拉底誓言。事实上，最近一项关于诊断性能的研究证实，当单独使用时，大型语言模型(LLMs)的表现显著优于医生，也优于医生+LLM组合。
尽管此处的许多主张缺乏同行评审研究，但等待可能会失去竞争优势并延迟更好、低风险的护理（在人类监督下确保安全）。现在在人类监督下部署AI，同时并行开展研究，将在短短几年内完善和验证这些技术。为过去构建的系统、旨在保护按服务收费的激励措施以及伪装成谨慎的文化阻力，都是可能减缓AI采用的原因。
现有企业抵制变革，因为它们旨在维护现状并避免风险。AI治理、法律关切和官僚惰性是不承担任何风险的绝佳借口。但在此过程中，我们通过遗漏而非行动造成了更多患者伤害，增加了成本，并拒绝提供应有的护理。我们需要采取一些举措，在适当谨慎的前提下，收获创新的好处，抓住这一千载难逢的机会，彻底改善医疗保健。
至于"借口"不使用这些技术，我们可以使用强大的通用AI模型，或者使用未能达到基本临床标准的拙劣实施"AI"解决方案，如已倒闭的Babylon Health。尽管将其自身定位为基于AI的分诊和诊断工具，Babylon面临严重的临床准确性问题，最终财务崩溃，助长了"医疗AI不起作用"的叙事。这些都是懒惰的、受新闻标题驱动的例子。Babylon从来就不是真正的现代AI系统，实施拙劣且过度宣传。这正是为什么我们必须设定高于人类医生表现的标准，AI系统（和人类）应被要求达到这些标准。在允许此类系统执业前，应建立安全防护措施和将问题升级给人类的技术，即使如此，也应在监督下进行。使用标准大型语言模型是必要的，但远远不够。
如果你认为医疗保健领域的大型参与者——医院、保险公司、设备制造商——将引领AI变革，那你就错了。创新不来自现有企业；它来自初创公司。是Moderna和BioNTech而非辉瑞创造了mRNA疫苗。作为初创公司的基因泰克而非制药公司创造了生物技术领域。特斯拉创新了电动汽车，而非传统汽车制造商。亚马逊创新了零售，而非沃尔玛。谷歌、YouTube、Netflix和Meta创新了媒体，而非传统媒体参与者。优步创新了交通，而非赫兹、安飞士或出租车公司。太阳微系统和亚马逊AWS创新了计算，而非IBM。
九、真正的机遇：使用无限近乎免费的专业知识与患者互动
让我们谈谈如果我们做对了并谨慎引入这些技术，可能实现什么。到2030年之前，每位医生都可能拥有五个或更多的AI实习生。这些系统不仅会辅助——它们将变革护理。想象一下，AI在就诊后三天与每位患者跟进，确保他们服药并感觉更好。想象一下慢性病的每周检查，或对心力衰竭等疾病的持续监测。通过与患者的频繁互动，甚至行为改变以及由此产生的行为和营养治疗也将成为可能。更好地利用医学文献和基因组医学也将成为可能。许多错误，如药物相互作用错误和人类常犯的疏忽或过失错误，将大幅减少。更容易和更便宜的诊断护理也将可用。
这不是假设。一家公司正在以FDA批准的方式使用AI进行心脏超声检查，无需传统心脏超声技师，使高风险患者的居家超声筛查具有成本效益。患者获得更好的护理。在此案例中，支付方获得了600%的投资回报率，尽管医院系统业务会减少。
AI不仅限于诊断或监测。它可以在家中提供个性化的物理治疗，其依从率是人类治疗师无法比拟的。在一家公司中，50%的患者在圣诞节当天进行了物理治疗。尝试在仅有人类的诊所系统中获得这种参与度吧——该系统需要提前数周或数月预约，而不是能够在晚上11点有空时临时进行！这影响了治疗效果。关于AI用于"多专科初级护理"和心理健康方面的其他例子如上所述。
十、需要改变的内容：起始机会与改变结构性障碍
在医疗保健中采用AI不仅仅是关于新工具；它是关于新思维。问题不是"这项技术取代了什么？"而是"这项技术使什么成为可能？"问题不是"技术是否完美"，而是"它在哪里能安全地产生影响"。那些开始学习AI在医疗保健提供中的旅程并参与通过在其环境中使用来改进这些AI系统的机构将收获这一机遇。等待的机构将落后并失去竞争优势。他们也将无法培训其人员掌握这项技术，而这项技术将在五年内成为医疗保健提供的核心。技术和医疗保健提供者及支付方的内部流程都需要改变，对于流程和习惯改变而言，五年是很短的时间。
障碍是真实的：计费代码、安全和责任关切，以及根深蒂固的文化。但它们是可以解决的。以下是方法：
- 创建AI监督护理的新计费代码。 让医生在按服务收费模式下为其监督计费，而不是仅仅为面对面就诊计费。
- 重新定义风险。 不要惩罚创新。鼓励提供者尝试AI试点。这与培训实习生和住院医师没有区别，AI应在医生的保险下并在其监督下执业。它应通过减少医生的疏忽和过失错误来降低提供者的保险费，尽管法律责任是影响医生行为的复杂问题。
- 教育劳动力。 向临床医生展示AI如何工作，不是作为竞争对手，而是作为让他们更好地提供患者护理的工具。好得多且更频繁的护理，让人类医生能处理5倍更多的患者！
- 推动基于价值或风险承担的护理。 在按人头付费模式下，AI可以蓬勃发展，因为它降低了成本并改善了结果，具有协调的财务激励。
关于CMS和医疗保险计划：如今，提供者的利益并未因降低护理成本而得到良好服务。降低美国医疗成本在很大程度上减少了提供者的市场规模，但有许多方法可以在不损害提供者盈利能力的情况下进行创新。令人遗憾的是，我们让医疗保险优势公司对患者进行风险评分，而AI可以做到这一点（有向人类医生申诉的途径）。但我们让狐狸看守鸡舍，医疗保险优势计划在优化护理上花费很少时间。它们主要将风险转嫁给初级护理的其他分包提供商。
其他监管障碍也存在，但可以通过FDA批准随时间克服。由于医生直接参与监督，许多工作可以在无需监管批准的情况下完成。
十一、巨大机遇与行动不足/等待的代价
最大风险不是过快采用AI；而是行动太慢。我们每延迟一年，患者就会遭受痛苦，成本就会膨胀。通过更好获取，质量可以提高，同时成本下降，当前医疗专业人员监督更好护理。那些不适应的机构将发现初创公司和灵活的医疗系统将超越它们。机遇巨大：更好的护理、更低的成本、更广泛的获取，以及对采用者的强大竞争优势。
AI不是医疗保健的未来——它是现在。问题是我们是否有勇气使用AI，以及谁将开创这个世界，正如特斯拉在传统企业不愿行动时开创了电动汽车世界。这种开创性创新创造的市值超过了十大传统汽车公司市值总和。医疗保健创新者的机遇巨大无比。这些AI系统的演变、安全和分诊功能以及对其必须达到的标准的全面表征将需要几年时间，但如果我们下定决心，可以在远少于五年的时间内完成。组织内部的流程和习惯改变将需要更长时间，但我相信，对于支付方和提供者而言，护理提供成本降低50%是可能的，并将成为巨大竞争优势的来源。
【全文结束】