山间健康首席战略官丹·利利延奎斯特表示，该机构正大力投入自动化与数据驱动工具，以应对临床医生短缺问题并简化企业级高负荷工作，目前约有300个人工智能项目正在推进中。
加速聚焦人工智能将确保该医疗系统有能力克服行业逆风并扩大医疗服务可及性。利利延奎斯特在“贝克健康播客”访谈中指出：“门洛风投数周前发布报告显示，医疗健康是人工智能 adoption 速度最快的行业之一。当前时机恰到好处——整个行业正处于变革期，社会面临人口结构巨变，同时临床医生职业倦怠达到历史峰值。人工智能为我们提供了极具价值的新工具，可简化患者所需的必要工作流程。”
山间健康团队采取务实创新策略，深刻理解转型的紧迫性。利利延奎斯特表示合作伙伴厂商也在加速跟进：“我们正见证快速 adoption，部分原因在于我们直接基于现有平台进行开发。这令人振奋，也是行业少有的顺风机遇而非逆风阻力。”
效率提升已初见成效。山间健康已部署AI代理优化全系统行政工作，包括收入周期部门。过去管理理赔拒付与申诉是耗时费力的任务，如今局面已改变。利利延奎斯特举例说明：“申诉信撰写就是典型场景。借助AI自动抓取申诉所需信息，我们为每位支付方处理的申诉信平均节省30分钟。这只是数十种应用场景之一，它们正使工作更简单高效。”
推动技术优先的 workforce 转型
随着AI驱动项目的规模化实施，山间健康正经历从“人力优先”到“技术优先”的收入周期范式转变。利利延奎斯特强调：“收入周期工作具有重复性与规则依赖性，AI能完美胜任此类任务。我们认为在分析、呼叫中心及供应链领域也存在机遇——所有基于规则的重复性任务都是AI的发力点。”该转型对全行业至关重要，可降低医疗后端超万亿美元的行政成本。
山间健康的云迁移策略也大幅缩短开发周期并降低架构成本。利利延奎斯特解释：“我们将全部数据迁移至微软Azure云环境，其安全性保障使我们能直接调用OpenAI等工具分析数据。借助Vibe编程等创新技术，原本需程序员数周完成的任务现在几乎零成本实现。”
传统机构的数据优势与潜在风险
大型成熟医疗机构在AI竞赛中占据显著优势——其现有结构化与非结构化数据可训练安全精准的模型，并与传统供应商建立深度信任。但利利延奎斯特指出新入局者并非完全被排除：“传统机构短期内具有优势，因训练AI所需数据已存在于我们的防火墙内。若积极投入，我们可保持优势。但行业真正风险在于：若新兴初创企业提供更优解决方案并赢得患者信任，可能导致医患关系被彻底中介化。我们无力坐等变化，必须主动引领。”
仅收集整理数据远远不够。医疗机构需专家深入业务流程，识别潜在数据偏差源。利利延奎斯特强调：“要确保AI安全有效，必须理解生成目标输出所依赖的基础数据。若用定制数据集训练AI，将产生可能偏离正确未来的定制化实例。充分理解并规范组织数据是关键门槛——现有系统已掌握数据资产，而AI应用的准入壁垒正急剧降低。”
AI治理升级为董事会级议题
AI扩张催生了新的监管与风险管理架构。利利延奎斯特表示：“每月数十个项目经治理流程评估，风险等级决定是否需提交董事会审批。我们已精于快速界定用例范围并评估风险，未来将持续优化该流程。”高层管理者需深度掌握AI治理知识以制定战略决策。
AI规模化压力直指人力市场困境。利利延奎斯特坦言：“医疗行业高度依赖人力，但劳动力市场日益紧缩。未来五年，支撑现有模式的大量人员将退休，而接替者严重不足。我们迫切探索AI能力边界，避免缩减社区服务规模，转而寻求能力扩展。”
AI将重塑医疗实践模式
除行政负担外，AI更将改变患者就医方式与临床实践，尤其在人力短缺加剧背景下。利利延奎斯特预测：“AI将彻底改变医疗实践。最显著趋势是：至2035或2040年，美国四分之一医护人员将退休——40%从业者消失之际，医疗需求却在激增。”以用药调整为例，AI可提升疗效、减少差异并扩大服务覆盖。他指出：“认为血压药物调整必须由医生完成，或每年需面诊续方的旧模式正在瓦解。患者获取服务的途径将改变，山间健康正积极投入此类干预。”
该机构正探索AI新应用以提升情境感知能力并支持持续护理。利利延奎斯特表示：“我们致力于开发AI新方案，使其更精准掌握患者动态，辅助药物剂量稳定化，避免每次微调都需复诊。AI能以极低成本延伸服务，主动满足社区需求、简化患者体验，并在其全生命周期中建立更优伙伴关系。”
【全文结束】
