人工智能（AI）被广泛宣传为解决医疗保健成本和复杂性问题的方案，但它究竟能否真正扭转支出曲线，仍是一个悬而未决的问题。
这种张力——介于AI的承诺与其可能加剧浪费之间——成为了2026年线上V-BID峰会“运用创新技术提升价值、减少浪费”环节的讨论核心。
[图片说明：AI能够减少行政负担、改善诊断并简化预授权——但也可能引发诊疗级联、编码升级和不可持续的支出。图片来源：merabbi - stock.adobe.com]
将AI置于可负担性危机之中
小组讨论由哈佛大学医疗市场与监管实验室主任Michael Chernew博士、明尼苏达大学健康经济学家兼副教授Hannah Neprash博士，以及Humata Health创始人兼首席执行官Jeremy Friese博士（医学博士、工商管理硕士）共同参与。讨论聚焦于AI对行政效率、临床护理和预授权的影响，演讲者强调，技术本身并不能决定AI是否能够改善医疗系统的价值。
Chernew同时也是《美国管理式医疗杂志》（AJMC®）的联合主编，他首先将讨论置于他所描述的日益严重的可负担性危机之中。全国卫生支出以每年约7%的速度增长，预计未来几年将增长5%至6%，他表示，若不进行有意义的系统性改革，这一趋势是不可持续的。
这场辩论正值美国医疗系统长期以来对行政效率低下的担忧之际。据估计，包括计费、保险相关任务和合规监管在内的行政活动，约占美国医疗总支出的15%至25%，每年高达数千亿美元。这些成本远高于其他发达国家，常被视为自动化和AI等数字工具的目标。
尽管扩大高价值服务的可及性仍是优先事项，但Chernew提醒，价值的概念不能分散人们对更广泛财政现实的注意力。
AI重塑护理的四个领域
Chernew概述了AI已经影响医疗保健服务和支出的四个领域：行政流程、医生支持、患者支持和药物开发。
行政功能是最直接的应用之一。AI工具可以自动化人力资源、客户服务和索赔审核中的任务，同时帮助支付方识别异常激进的编码模式。然而，类似的技术也能帮助供应商记录更多的合并症并选择更高报销的代码，从而使整体财务影响变得不确定。
AI还可能重塑临床工作流程。算法可以帮助对影像研究进行分诊、标记紧急发现，并减少某些低价值服务。此外，面向患者的AI工具可以引导一些个体前往较低急症护理的环境，从而可能减少不必要的急诊就诊。
然而，这些效率也可能产生反作用。通过使影像解读更快、更易获取，AI可能会增加整体影像检查量，检测出更多异常，并导致更多的后续检查和干预。
药物开发是另一个潜在的转型领域。AI辅助发现可以加速创造能够预防昂贵下游并发症的疗法。同时，这些工具可能促成日益个性化且潜在昂贵的治疗方案，即使患者预后改善，也可能增加总体支出。
“我坚信医疗系统需要为有需要的患者提供高价值服务，但我认为我们不能以价值为借口忽视核心财政挑战。”Chernew说。
行政减负、诊断收益——以及诊疗级联
Neprash重点关注了AI采纳对系统层面的更广泛影响。她强调，关于该技术对医保预算整体效果的证据仍然有限。
“如果有人告诉你这是个显而易见的问题且有显而易见的答案，那他在骗你。”Neprash说，“我真的认为我们还不知道AI会对系统级医疗支出产生什么影响，但我想从乐观的角度出发，分享一些AI可能减少医疗支出或至少减缓支出增长的具体应用。”
Neprash提到了AI在呼叫中心、预授权系统和临床文档中的自动化应用。能够倾听临床对话并撰写笔记的生成式AI记录员，已经在某些环境中提高了临床医生的满意度，可能减少职业倦怠和昂贵的人员流动。
一些分析人士认为，如果AI应用于行政流程和临床工作流程，可以大幅减少浪费。行业分析估计，AI及相关技术每年可在美国医疗支出中节省2000亿至3600亿美元，主要来自自动化、临床决策支持和运营效率的提升。然而，专家警告，实现这些节省将高度依赖于该技术如何与支付模式和护理服务相整合。
AI还可以支持诊断决策。例如，通过分析CT图像生成冠状动脉3D模型的算法，可以帮助识别疑似冠心病患者的狭窄区域。这些工具可能允许临床医生用无创影像替代有创检查，并及早启动生活方式干预或他汀类药物治疗。
然而，Neprash警告了级联护理的风险。提供“第二双眼”的AI工具可能在结肠镜检查中检测到更多息肉，或在重新分析现有CT扫描以寻找无关疾病（如低骨量）时发现意外发现。尽管这些发现可能有临床意义，但也可能导致额外的检查、手术和患者焦虑，而益处却不确定。
AI编码战争与更智能的预授权前景
Neprash还强调了她所谓的“AI编码战争”。收入周期软件越来越多地使用AI来优化计费代码并记录疾病严重程度，而支付方则部署自己的算法来识别潜在的过度编码并应用下调编码策略。
Friese将预授权视为AI可以减少行政摩擦而不产生同样对抗动态的领域。作为前学术放射科医生，他描述了医疗系统依赖“人海仓库”通过传真和网络门户管理预授权请求。
Humata的AI平台与电子病历集成，以确定是否需要预授权，并在需要时自动整理支持文档。
该公司参与了医疗保险和医疗补助创新中心的Wiser模型，该模型使用AI对6个州的部分门诊服务进行审核。明确符合国家或地方覆盖范围确定的请求可立即由系统批准，而更复杂的病例则交由人类临床医生审查。
“当供应商拥有AI时，支付方受益。”Friese说，“当支付方拥有AI时，实际上供应商也受益，但有一个关键点：AI永远不能说‘不’。我坚信，在支付方这边，AI绝不应拒绝请求。它应该由医生、护士或真正理解医疗后果的人来做最终决定。”
在整个讨论中，小组成员一致认为，AI对医疗价值的最终影响将更少取决于技术本身，而更多取决于塑造其使用方式的支付模式、福利设计和监管框架。他们警告，如果没有这些护栏，AI同样可能放大现有的低效，而非减少它们。
参考文献
- Chernew ME, Mintz H. Administrative expenses in the US health care system: why so high? JAMA. 2021;326(16):1495-1496. doi:10.1001/jama.2021.16461
- CAQH Index: $13.3 billion—33% of healthcare administrative spending—could be saved annually through automation. CAQH. Published January 21, 2020. Accessed March 12, 2026.
【全文结束】