2026年，似乎没有什么比人工智能更能引起关注。包括医疗保健行业在内的各个行业都在探索将人工智能整合到日常运营中的机会，以提高生产力、自动化常规任务并创造新产品。所有医疗经济利益相关者——医疗机构、保险支付方和生命科学公司——都在积极寻求人工智能整合的选择。随着美国医疗经济面临成本上升、劳动力短缺和人口健康状况下降的问题，利益相关者越来越探索人工智能如何帮助解决这些问题。
然而，与任何新兴技术一样，利益相关者必须批判性地评估人工智能的实际应用，并区分预期潜力和当前能力。人工智能的能力经常被误解——甚至被负责实施它的人误解——创新的步伐可能超过该行业评估、监管和有效采用它的能力。监测每个利益相关者群体如何评估和响应人工智能，对于理解它将在多大程度上改变医疗经济至关重要。
背景
人工智能是指应用技术来模拟智能的人类行为，包括从经验中学习、识别模式和基于数据做出决策。在医疗保健领域，人工智能有三个主要应用领域：行政管理（例如，收入周期管理自动化或临床文档转录）、护理交付（例如，人工智能辅助临床决策或手术技术）和研究（例如，由算法模型驱动的临床候选者识别）。
虽然人工智能、机器学习(ML)和深度学习(DL)等术语经常被医疗经济利益相关者互换使用，但它们指的是不同的技术。实际上，大多数利益相关者在讨论用例时并没有明确区分它们。广义上讲，人工智能是总括领域，包括任何模拟人类智能的系统。机器学习是人工智能的一个子集，专注于使系统能够从数据中学习并随时间改进，而无需显式重新编程（例如，基于生命体征预测患者恶化）。深度学习是机器学习的子集，使用神经网络自动识别大型、通常是非结构化数据集（如医学图像或临床笔记）中的模式，从而实现更复杂的任务，如肿瘤检测或影像解释。
然而，并非所有标有"人工智能"的内容都符合定义。医疗保健中的一些高级工具（例如，基于预设临床规则发出警报的电子医疗记录系统、自动预约提醒、标记潜在计费错误的基于关键词的工具）经常被误认为是人工智能，尽管它们缺乏学习或推理能力。随着对人工智能的兴趣加速，对它的组成部分和局限性的共同理解对于做出有关采用和投资的明智决策至关重要。
人工智能在医疗保健中的应用并不是最近的发展，但其范围和复杂性近年来已显著演变。早在1971年，就开发了INTERNIST-1系统来协助医生进行诊断。2014年，辉瑞(Pfizer)开始使用人工智能对不良药物事件报告进行分类和分析。2016年，HCA Healthcare推出了Cancer Patient ID，这是一种人工智能系统，可自动审查患者记录，旨在检测可能未诊断的癌症。到2017年，Olive推出了人工智能解决方案，以优化医疗保健收入周期、财务、IT和供应链运营。2019年，亚马逊发布了Transcribe Medical，这是一款旨在支持实时临床转录的人工智能工具，美国食品药品监督管理局(FDA)批准了首批用于癌症诊断的人工智能设备。
虽然人们对人工智能改变医疗保健的潜力充满热情，但大部分热情仍然超过了现实影响。例如，自2018年以来，美国医学会已分配至少16个人工智能相关的现行程序术语(CPT)代码，以支持医疗编码和报销。然而，实际使用有限：2018年至2023年间，所有人工智能CPT代码的总患者量仅达到201.7K，使用主要限于冠状动脉疾病和心脏功能障碍等心脏疾病。药物开发中也出现了类似的模式。尽管进入临床试验的人工智能发现分子数量从2015年的1个跃升至2023年的67个，但超过三分之二（67.2%）仍处于早期I期试验阶段，只有一个分子已上市。
随着人工智能在医疗经济中的兴趣升温，鉴于医疗系统产生敏感和受保护的数据以及人工智能可能带来患者安全风险，政策制定者监管人工智能使用的压力越来越大。在联邦层面，努力一直不一致。拜登政府于2023年与主要医疗组织达成了一项自愿的人工智能协议，并发布了行政命令(EO) 14110来指导国家人工智能治理。在该行政命令中，拜登总统指示卫生与公众服务部成立一个人工智能工作组，为人工智能技术开发质量控制框架，记录与人工智能相关的安全事件，并通过负责任的人工智能部署促进健康公平。同时，28家医疗提供方和支付方签署了一项自愿协议，使其人工智能努力与"FAVES"原则——公平(Fair)、适当(Appropriate)、有效(Valid)、高效(Effective)和安全(Safe)——保持一致，承诺负责任地使用人工智能，内容由人工智能生成时保持透明，以及实施风险管理实践以减轻潜在危害。然而，特朗普政府于2025年初撤销了这一行政命令，倾向于更宽松的联邦监管环境，并呼吁制定新的人工智能行动计划。尽管特朗普政府尚未发布更新的指导，但FDA正在推进人工智能监管，于2025年提出了管理人工智能医疗器械生命周期的新指南，强调透明度、网络安全和偏见缓解。
与此同时，州政策制定者已提出法律来监管医疗保健中的人工智能，主要涉及支付方如何使用人工智能。2024年，加利福尼亚州通过了SB1120，禁止保险公司仅使用人工智能做出保险覆盖决定和利用管理，而科罗拉多州通过了一项法律，要求医疗保健等"高风险"系统的AI开发者防止算法歧视并满足报告要求。此外，佐治亚州、马萨诸塞州和伊利诺伊州的立法者提出了立法，将禁止支付方仅基于人工智能软件生成的结果做出覆盖决定。值得注意的是，佐治亚州法案将广泛适用于所有医疗保健决定，包括与患者护理和健康保险覆盖相关的决定。总体而言，美国面临着联邦和州法规的拼凑，这可能为跨多个司法管辖区运营的AI开发者和医疗保健组织带来长期挑战。
分析方法
为了了解人工智能如何在医疗经济中被采用和看待，确定了主要的利益相关者群体：支付方、提供方、生命科学公司和患者。对70多个来源——包括调查、同行评审研究、白皮书、新闻报道和高管访谈——进行了审查，以捕捉利益相关者对医疗保健中人工智能的观点范围。情绪被归类为当前应用、挑战和未来机遇。
当前医疗人工智能格局
在医疗机构、保险支付方、生命科学组织和患者中，人工智能的应用集中在四个主要领域：临床决策支持、患者参与、行政自动化和研究创新。这些共同的优先事项表明，人们广泛认识到人工智能在提高护理交付和运营效率方面的潜力。然而，每个利益相关者都专注于这些领域内的不同应用。
医疗机构正在利用人工智能转变临床决策支持系统和诊断，减轻行政负担，并提高患者参与度和满意度：
- 人工智能模型正在提高放射学、皮肤病学和肿瘤学等专业的诊断准确性，更早、更精确地识别疾病。
- 可穿戴设备和远程患者监测工具允许持续跟踪生命体征，实现个性化、主动的护理。
- 环境听写技术正被用于减少文档负担，改善临床医生的福祉，增加提供者和患者之间的互动时间，并开发个性化的患者教育材料。
"人工智能将使我们能够释放一些可能是常规的、可以自动化的任务，让我们更加个性化。"——国家福利和保险专业人士协会首席执行官杰西卡·布鲁克斯-伍兹(Jessica Brooks-Woods)
保险支付方正在使用人工智能简化理赔处理和增强欺诈检测，提高准确性和效率，同时减少手动工作量：
- 人工智能用于利用管理，帮助支付方通过组织医疗数据和自动化常规案例的决策，更快地评估和处理预先授权请求。
- 在客户服务中，人工智能支持支付方向受益人发送个性化通信并自动化交互。
- 预测分析使支付方能够及早识别高风险个体，完善承保实践，并提供有针对性的预防干预，最终旨在控制成本并改善人口健康结果。
人工智能正被用于为患者提供个性化健康指导并改善获取医疗资源的途径：
- 由人工智能整合基因组、临床和生活方式数据的能力驱动的个性化治疗建议，正在为患者提供更定制的护理路径。
- 人工智能预约安排和提醒等行政工具正在提高便利性和依从性。
生命科学制造商正在使用人工智能通过筛选化学化合物、预测副作用和识别现有药物的新用途来加速药物发现：
- 人工智能被用于自动化试验中的患者招募，预测试验结果以优化设计，自动化不良事件报告，并实时监控结果。
- 制造和供应链在人工智能驱动的过程优化、需求预测和质量控制下变得更加高效。
- 生命科学制造商正在使用人工智能分析基因组学并创造更个性化的药物。
"由人工智能驱动的制造过程将吞吐量提高了20%，使我们能够更快地向患者提供更多的药物。"——辉瑞(Pfizer)董事长兼首席执行官阿尔伯特·布尔拉(Albert Bourla)
医疗保健中人工智能的主要挑战
虽然人工智能已经在医疗经济中使用，但所有利益相关者都面临着采用的共同障碍。医疗机构、支付方、患者和生命科学组织都在应对工作流程整合、数据隐私和安全、偏见和公平风险以及监管不确定性方面的挑战。一个根本性的障碍是衡量人工智能有效性的困难，以及确定这些工具是否确实提供了更好的结果。虽然每个利益相关者群体将需要以不同的方式应对挑战，但所有人都在努力平衡人工智能的潜在好处与负责任、透明和公平实施的需要。
医疗机构在将人工智能整合到临床实践的同时，面临着维护数据安全、公平性和监管合规性的障碍：
- 工作流程整合挑战使得人工智能工具难以无缝融入临床常规，需要大量培训和系统升级，这可能很昂贵。例如，一项案例研究考察了一个医疗系统采用人工智能放射学成像工具的情况。初始总投资为95万美元，包括50万美元用于许可软件，20万美元用于升级医疗系统的硬件，10万美元用于培训员工，15万美元用于将工具集成到医疗系统的技术中。尽管人工智能工具最终可能带来可观的节省，但初始投资对一些医疗系统来说可能很繁重。
- 医疗机构对数据隐私和安全的担忧因需要在整合人工智能时保护患者数据隐私而加剧，监管合规增加了复杂性。
- 人工智能模型中的偏见以及对人工智能"幻觉"（当人工智能系统生成看似合理但不正确的误导性信息时）的担忧削弱了临床医生的信任，并可能导致临床误判，特别是当人工智能输出与医生判断相冲突时。
- 法律和监管的不确定性引发了关于人工智能错误发生时责任的问题，阻碍了全面采用。
"在我们真正实现医疗错误的整体改善之前，需要制定保障措施。过度依赖人工智能来纠正错误可能会导致不同类型的错误。"——德克萨斯大学健康科学中心医学教育教授、MD/MS人工智能学位项目主任唐纳德·罗德里格斯(Donald Rodriguez)博士
保险支付方在实施人工智能时面临围绕偏见、数据隐私和监管环境不明确的障碍：
- 算法偏见威胁要制造不公平的覆盖决定，人工智能系统缺乏透明度使审计和上诉过程复杂化，引起支付方的审查。
- 保险中人工智能的监管框架滞后，导致在利用管理和理赔处理中人工智能的道德使用方面存在不确定性。
- 管理数据隐私对支付方至关重要，因为人工智能大规模处理敏感的个人和临床信息。
- 随着人工智能自动化行政任务，对劳动力中断的担忧出现，在效率提升和潜在工作岗位流失之间造成紧张。
"良好的人工智能治理不仅要求公司了解他们在做什么以及他们使用的模型；他们还必须定期评估以确保模型表现得当。"——健康计划高管
生命科学制造商面临负责任和合规地扩展人工智能解决方案的挑战：
- 数据限制和偏见，特别是对于罕见疾病和代表性不足的人群，削弱了在药物开发中使用人工智能的生命科学制造商对人工智能驱动见解的稳健性和可信度。
- 人工智能模型缺乏透明度和可解释性阻碍了监管批准以及临床医生和患者的信任。
- 将人工智能整合到现有研究和开发以及制造工作流程中，因基础设施差距和内部专业知识缺乏而变得复杂。
"我担心我们正在变得更有效地制造在临床中失败的药物。人工智能的重大挑战仍然是转化挑战。"——Dayhoff Labs和AlphaFold 1创始人史蒂夫·克罗斯安(Steve Crossan)
患者对医疗保健中的人工智能持谨慎态度，原因是担心数据使用、人工智能工具中的偏见以及人际联系的侵蚀：
- 隐私和数据安全担忧仍然很高，因为人工智能工具收集和处理敏感的健康信息。此外，对偏见、不透明决策的担忧以及如果人工智能在医疗保健中大规模应用可能会加剧医疗保健差异的担忧，削弱了对人工智能的现有信任。
- 对患者-提供者关系的担忧很普遍，担心人工智能可能会取代医疗保健中关键的人际互动。
- 对人工智能在医疗保健中角色的困惑，加上对医疗保健机构的整体不信任，正在助长患者对广泛采用人工智能的抵制。
- 关于责任和监管的不确定性使患者不确定如果人工智能指导的护理导致伤害，谁应负责。
医疗保健中人工智能集成的主要机遇
虽然利益相关者在实施或接受医疗保健中的人工智能方面面临挑战，但人工智能也提供了众多机遇，从预测患者健康事件的发生，到为医疗机构和支付方完全自动化行政任务，到创建可访问的聊天机器人，以改善在提供者短缺地区的患者获取护理的途径。在未来的几年里，患者、医疗机构、支付方和生命科学组织将致力于利用人工智能推动运营效率、更有效地竞争、提供高度个性化的护理并改善健康结果。在未来五年中，大多数人工智能应用可能将继续增强现有工作流程（例如，减少行政负担，支持临床决策），但更广泛的转型——人工智能成为护理交付、协调和个性化的基础——可能需要更长时间才能完全实现。然而，最终，人工智能预计将嵌入核心流程并独立运行（例如，解释患者数据以做出诊断，完全自动化理赔裁决，为新药物设计临床试验以优化结果），而不是在边缘工作。这种转变将重塑护理如何交付、融资和体验的方式。
医疗机构旨在从点解决方案演变为完全由人工智能增强的临床环境：
- 人工智能可以持续监控患者数据流，实时预测恶化或并发症，实现更早、有针对性的临床干预。
- 通过整合影像、实验室检查、患者级基因组成和临床笔记的人工智能模型，增强诊断决策。
- 通过人工智能支持的人员配置，建立更有弹性、更高效的护理团队，并基于患者需求和严重程度的预测模型优化人员配置和资源分配。
- 人工智能正被用于通过快速分析复杂数据集和分析类似案例来实现罕见疾病的诊断，从而加快治疗决策并改善结果。
"人工智能不会取代医生，而是帮助诊断，然后帮助确定对个体最有效的治疗。更多个性化的医学……我们能够在患者生病之前识别他们，在他们成为患者之前治疗他们。"——前艾伯维(AbbVie)全球卫生经济学和结果研究高级副总裁托尼·赫布登(Tony Hebden)博士
保险支付方正在寻求人工智能将运营从手动处理演变为预测性、个性化的健康管理：
- 人工智能可以帮助保险公司主动识别面临高成本健康事件风险的成员，实现更早、有针对性的干预，从而降低成本并改善结果。
- 自动化理赔裁决和预先授权决定可以释放人力资源处理更复杂的案例，同时减少错误并提高提供者和患者的透明度。
"想象一下生成式人工智能的力量，它可以消除我们在支付方和提供方都做的大量手动工作。感觉我们正站在解锁大量节省和价值的边缘。"——罗德岛蓝十字蓝盾(Blue Cross and Blue Shield of Rhode Island)总裁兼首席执行官玛莎·沃福德(Martha Wofford)
生命科学组织希望人工智能能在研究和开发以及商业化方面推动更快、更智能的创新：
- 未来，生命科学制造商设想人工智能能够更精确地理解疗法在不同人群中的表现，支持更好的患者结果。
- 成功的先行者通过设定速度、效率和以患者为中心的创新新标准，可能实现持久的竞争差异化。
"最终，药物制造中的人工智能可以缩短生产时间、降低成本、提高产品质量、减少浪费，并可能加速向患者提供救命药物。"——亚马逊网络服务(Amazon Web Services)医疗保健和生命科学总经理丹·希兰(Dan Sheeran)
尽管存在担忧，患者希望人工智能将带来更可访问、个性化和值得信赖的医疗保健体验：
- 由人工智能驱动的远程监测和个性化警报可以让患者主动管理自己的健康，在更早阶段诊断健康状况，并减少可预防的紧急干预。
- 人工智能驱动的健康导航工具可以提供24/7支持，改善服务不足人群获取护理的途径，并减少获取治疗的延迟。
- 患者希望人工智能能够根据他们独特的基因、行为和环境特征量身定制预防和治疗计划，超越一刀切的方法。
"也许人工智能可以帮助跟踪患者记录……人工智能可以快速获取概述，看到该患者现在已经显示这些症状第五次，所以也许是时候研究一下，而不是全科医生错过它。"——对调查的患者回应
结论
人工智能行业正在迅速发展，几乎每天都有新的用例和功能出现。提供方、支付方、生命科学和患者观点的这一综合揭示了一个严峻的现实：尽管所有利益相关者都承认人工智能有潜力彻底改变护理交付、报销、研究和行政流程，但关键障碍依然存在。一些利益相关者将人工智能视为可以在医疗经济中广泛实施并在许多情况下替代人力的工具，而其他人仍然担心人工智能的使用替代而非补充人力资本。潜在的未来状态——人工智能可以减轻医生负担并改善获取护理的途径——仍然难以捉摸。实现这些结果将需要所有利益相关者克服重大障碍，特别是来自提供方和患者的对人工智能的广泛不信任和怀疑，以及与可能加剧健康不平等的算法偏见相关的担忧。目前，人工智能的全部临床影响、财务考虑和社会后果在很大程度上仍是理论上的，而非经验验证的。人工智能的不断演变性质需要所有利益相关者不断监测和果断行动，因为他们制定战略方法来利用——并控制——广泛的人工智能技术。
2026年初，随着领先人工智能开发者推出面向消费者的健康平台，这种快速演变变得尤为明显。1月，OpenAI和Anthropic分别宣布了ChatGPT Health和Claude Health——旨在允许用户上传医疗记录、连接健康应用程序并接收人工智能生成的健康指导的工具。两家公司都强调了增强的隐私保护，并包括免责声明，说明这些工具不用于诊断或治疗。然而，两个平台都没有纳入系统的临床监督，也没有依赖专门的、特定于健康的模型。截至2026年1月，已有超过4000万个每日健康相关查询指向ChatGPT，这些工具正在迅速成为许多患者的医疗信息来源。虽然支持者认为此类平台可以帮助解决提供方短缺和成本上升情况下的获取障碍，但专家们对不准确或过于自信的建议、有限的责任以及患者受到伤害的潜力表示担忧。这些发展凸显了创新与治理之间的日益紧张关系，强调了需要明确的标准，以确保人工智能增强而非取代临床判断。
【全文结束】
