报告指出，尽管医疗支付方和提供方在基于价值的医疗护理(VBC)目标上达成完全共识，但数据整合能力不足和AI技术培训缺失正在威胁行业进展。根据Reveleer与Mathematica联合发布的《2025年基于价值的医疗技术发展报告》，在接受调查的美国医疗决策者中，仅有三分之一机构将自身数据整合能力评为"优秀"。
报告揭示，虽然97%的支付方和100%的提供方确认VBC目标一致，但实际执行仍存在严重信息孤岛现象。过去一年内，92%的支付方和81%的提供方报告VBC合同增长，且几乎所有机构预期未来12个月将持续增长。但若无法改善数据整合与协作，规模化发展将面临重大挑战。
Reveleer首席执行官杰·阿克曼强调，IT领导者在打破支付方与提供方协作壁垒中扮演关键角色。通过推动数据整合、构建互操作性系统、制定联合技术策略和培养协作文化，IT部门可消除持续存在的工作流障碍。具体措施包括：简化数据传输流程、标准化技术流程、扩展AI联合培训体系以及建立统一的网络安全协议。
报告特别指出，尽管几乎所有受访者都认同数据战略的竞争力价值，但不到半数机构对其患者数据的准确性和完整性表示高度自信。阿克曼建议，标准化数据格式并采用API接口等互操作性工具，可使电子健康记录系统、理赔系统和分析平台实现更顺畅的交互。
在AI应用方面，所有被调查机构均部署了相关技术，超80%机构表示AI提升了运营效率、决策质量和患者治疗效果。但仅有约40%机构实现深度应用，不到30%报告过去一年有显著增长。对AI"幻觉"现象、可解释性不足和算法偏见的担忧持续阻碍技术普及。
报告揭示重大培训瓶颈：虽然AI工具已广泛可用，但仅30%支付方和32%提供方建立了系统化培训体系。阿克曼建议开发结合实践操作与基础理论的模块化课程，通过临床医生与IT团队的联合研讨会等方式，消除对新技术的疑虑。同时强调将伦理使用、数据安全和变革管理教育纳入培训体系，培养负责任的技术应用能力。
联邦AI行动计划指出，医疗行业虽被列为优先发展领域，但监管复杂性、治理标准缺失和行业信任不足构成主要障碍。为突破瓶颈，计划提出建立安全环境下的AI试验平台。典型案例包括西奈山研究人员开发的机器学习模型，该模型通过优化急诊科入院和床位分配流程，成功改善医院过度拥挤状况并提升患者预后质量。
【全文结束】
