在马里兰州巴尔的摩市举行的国家责任制医疗组织协会(National Association of Accountable Care Organizations, NAACOS) 2026年春季会议上周圆满结束，会议重点讨论了人工智能(artificial intelligence, AI)从实验阶段向临床工作流程中实际应用的转变趋势。
CMS官员阐述健康技术生态系统战略
会议最后一天的午餐后，NAACOS政府事务高级副总裁(SVP)Aisha Pittman MPH主持了一场与美国医疗保险和医疗补助服务中心(CMS)首席健康技术官Alberto Colon Viera的炉边谈话。
在讨论中，Colon Viera将CMS定位为医疗保健转型的核心力量，这源于其规模、政策影响和召集作用。他强调了跨机构合作的增加，特别是与FDA的合作，是加速创新的关键。尽管CMS仍然是一个复杂的组织，但Colon Viera表示，机构正在持续努力现代化基础设施并改进全系统的数据交换。
一个关键重点是CMS主导的健康技术生态系统倡议。他解释说，该倡议源于去年夏天启动的正式信息征集流程，揭示了持续存在的互操作性挑战。
该倡议旨在通过患者选择的应用程序，提供对纵向健康记录的访问，支持标准化身份验证。目标是减少对碎片化患者门户的依赖，同时使提供者能够在诊疗点获取及时数据。付款方也被包括在内，参与与在获得患者同意时共享索赔数据相关联。
Colon Viera指出，该框架引入了"CMS对齐网络"，将健康信息交换和其他数据系统连接起来，使患者、提供者和付款方之间能够安全、身份验证的数据交换。他强调参与是自愿的，合作通过工作组和早期采用者测试进行。
这些网络的一个关键组成部分是面向患者的应用程序，分为3类：替代手动流程的工具、对话式AI应用以及慢性病管理平台。这些应用程序通过CMS对齐网络连接，实现诊疗点更无缝的数据交换，以减少行政负担并提高患者和临床医生获取信息的便利性。
CMS还通过分阶段的互操作性战略解决持续的数据碎片化问题。虽然短期内利用基于整合临床文档架构(Consolidated Clinical Document Architecture)的现有系统，但该机构正在向基于快速医疗互操作资源(Fast Healthcare Interoperability Resources)的框架迈进，以改善数据规范化、患者匹配和数据整合。
Colon Viera补充说，CMS正在通过ACCESS模式将这些技术努力与财务激励措施联系起来，这是一个将数据互操作性与支付改革联系起来的价值导向护理倡议。该模式整合了技术赋能的护理，涉及心代谢、肌肉骨骼和行为健康等疾病，强化了与质量指标挂钩的基于绩效的结构。最后，他鼓励听众参与。
"请访问CMS.gov健康技术生态系统...我们正在寻找希望加入的提供者；只需承诺参与，"他说。"您可以在联系表上填写您的兴趣，承诺成为健康技术生态系统的成员。加入这个生态系统，坐在桌边，帮助我们解决这些技术问题，让我们为每个人实现这一愿景。"
闭幕式展示AI在现实世界中的影响
会议结束时，专家们参加了题为"AI行动：推进责任制护理的新解决方案"的闭幕式全体会议，由St. Francis医院家庭医学系毕业医学教育委员会主席Brian McDonough医学博士主持。
小组成员包括大西洋健康(Atlantic Health)的James Barr医学博士、梅奥诊所(Mayo Clinic)的Lyell Jones医学博士、Curana Health的Tim Puri工商管理硕士、Duly Health and Care的Brian Sikora工商管理硕士，以及埃默里大学(Emory University)的Tina-Ann Kerr Thompson医学博士、工商管理硕士。
每位演讲者分享了各自组织最近实施的AI计划，首先从Barr开始。大西洋健康利用AI应对持续性挑战，包括难以控制的糖尿病和高血压，以及临床医生倦怠。它部署了一个AI驱动的聊天机器人应用程序，作为24/7数字助理护士，增加随访之间的触点。该工具基于约5000条循证指南，整合电子健康记录(EHR)数据，标记药物变化，评估处方依从性，监测不良反应，并对患者进行饮食和运动指导。
在6至12个月内，64%先前难以控制糖尿病的患者实现了病情控制，平均糖化血红蛋白A1c降低了3.66点。高血压患者平均收缩压下降34点。Barr指出，聊天机器人是一个有价值的新数据流，因为患者往往向它透露的信息比向临床医生透露的更多。
"您拥有理赔数据、药房数据、实验室数据和EHR数据，[但]您需要找到源头，即患者，"他说。"这就是AI可以带来数据的地方。突然之间，我们作为人类和AI作为数据源一起，开始为患者健康写下新篇章。"
接下来，Jones介绍了梅奥诊所的一项AI计划——"结肠试点"(Colon Pilot)。他解释说，结肠镜检查结果通常脱离患者更广泛的历史和风险背景。因此，何时进行下一次筛查并不总是很明确。
为解决这个问题，"结肠试点"使用大语言模型来总结结肠镜检查报告，并将发现与循证指南进行比较。它还从EHR中提取相关患者历史，评估前瞻性风险，然后生成标准化、可读的建议，确定下一次筛查的时间。
Jones指出，该工具确保了一致的、基于指南的筛查间隔，同时最大限度地减少临床医生的手动图表审查和解释。他补充说，"结肠试点"已经过验证，在实践中取得了成功，起源于梅奥诊所的社区健康网络。
"这不是一个在大型学术中心启动然后推广的项目，"Jones说。"我认为这展示了这种技术带来的可及性和民主化。"
随后，Thompson详细介绍了AI驱动外呼电话带来的好处，埃默里大学已对此进行了验证。她解释说，该机构在高血压质量指标方面表现不佳，且在"第四季度冲刺"期间已没有工作人员容量。为此，AI代理致电患者，询问他们是否拥有合适的血压计，指导他们正确测量，并收集语音血压读数和其他信息。
Thompson报告说，大约90%完成通话的患者表示体验良好或更好。该工具还帮助埃默里大学在使用该工具的付款方高血压指标上从1星提高到4星。同时，工作人员更快乐，并感受到AI的支持。
"这向我们的员工表明，我们愿意推出一些东西来帮助他们，"她说。"他们从未担心自己的工作会被取代...他们很乐意拥有这个工具。"
在Duly Health and Care，Sikora和他的同事希望防止可避免的住院。因此，他们构建了一个预测模型，标记6个月内有高住院或再入院风险的患者。他解释说，大约前8%的分数捕获了大多数住院，因此该组织创建了一个专注于前8%的护士健康管理计划。
在注册患者中，该模型帮助将急性入院率降低了40%，急诊科利用率降低了30%，整体医疗成本降低了20%。基于这些结果，Sikora强调，AI可以在幕后工作，而人工护理团队则进行可见的工作。
"您的AI不需要可见才具有价值，"他说。"如果您从工作流程的角度看待您想要实现的目标，并尝试将正确的解决方案与流程的正确步骤匹配，您就能获得这样的结果。"
最后，Puri描述了一种用于在高级生活社区中优先安排患者的AI。他解释说，Curana提供商进入高级生活社区，必须决定先看哪些患者以及顺序。传统上，这种优先级是手动确定的，基于反应性"图表搜索"，并受临床风险和近期事件等因素的影响。
为此，该组织构建了一个预测日程加上预诊总结，从约8个来源提取数据，对在每个设施中需要看的患者进行排序，并为每次就诊生成建议的任务列表。Puri描述了早期结果，指出每天有更多就诊，特别是针对有未解决护理缺口或重要工作需要处理的患者，提供商报告了满意度。
"提供商说这为他们每周节省了30到60分钟，这太好了，"他说。"但真正好的结果是他们进行了更多就诊，提供商至今对这个工具很满意，因为它为他们解决了问题。"
AI在医疗保健中扩展的挑战与机遇
专家们使用这些工具的经验帮助塑造了随后的讨论。虽然AI正在迅速应用于整个医疗保健领域，但实施过程中并非没有重大阻力。
Barr强调了大西洋健康系统中持续的临床医生阻力，特别是对于那些已经被行政负担压得喘不过气来的医生。Thompson补充说，怀疑往往源于没有根据的假设，例如年长患者不太可能使用数字工具，尽管数据表明情况并非如此。
小组成员一致认为，克服阻力需要将AI重新定位为以患者为中心的解决方案，而不是成本或运营举措。Barr说，他将AI工具定位在改善难以控制糖尿病或高血压患者的治疗效果上，并强调"帮助我理解您"的方法，让临床医生直接参与，将AI工具与现实工作流程对齐。Thompson补充说，组织应该挑战假设并试点解决方案，而不是过度分析；当AI明显减少负担并改善护理时，采用往往会自然跟进。
降低倦怠成为AI的一个中心价值，通过聊天机器人、自动外呼和远程监控，使临床医生能够更频繁地接触患者，而不会增加临床医生的工作量。Barr分享说，在一个案例中，只有约6%的患者发起的消息进入医生的收件箱，其余由AI支持的教育和分诊处理。
这些效率转化为可衡量的收益，如减少收件箱量，以及定性改进，包括降低压力和更好的工作生活平衡。Jones指出环境监听和AI记录的迅速采用进一步证明，当工具显著减少文档负担时，临床医生"用脚投票"。
随着采用的增长，治理和公平变得越来越重要。Thompson描述了结构化的监督流程，以评估安全性、适当性和潜在偏见，包括对与代表性不足人群互动的专门监控。然而，她警告不要对AI持更高标准，指出人类偏见往往不太明显但同样有影响。此外，Sikora主张采用实用的治理框架，包括明确记录AI在工作流程中使用的位置和方式，以确保合规并支持组织学习。
数据碎片化仍然是一个并行的挑战。Puri强调了在设施、EHR和外部来源之间聚合数据的复杂性。然而，一旦统一，他指出AI可以超越汇总，提供可操作的见解，识别护理缺口、风险和干预机会。Puri还描述了AI驱动的药物审查工具，这些工具大规模评估药物相互作用、减少用药机会和指南依从性，以及将AI连接到医学文献数据库用于实时、基于证据的临床查询的实验性用途。
展望未来，小组成员预计AI将加速从间歇性护理向连续性护理的转变。远程监测、聊天机器人和实时数据流使临床医生能够在就诊之间跟踪患者状态并及早干预，更好地使护理交付与慢性疾病的连续性质相匹配。
尽管势头强劲，小组成员强调AI的角色是增强而非取代临床医生。正如Barr所说，人类临床医生仍然是"秘密配方"。当有效实施时，AI通过减少负担、改善访问权限和实现更主动、个性化的护理来加强医患关系。
"不要让AI自行处理一切，"他说。"将您作为人类带到AI中，或将AI带到您身边，使其支持您正在做的工作。您正在做患者真正需要的事情。在这个医疗保健世界中，他们需要一个值得信任和尊重的人。"
参考文献
Colon Viera A, Pittman A. 与CMS首席健康技术官Alberto Colon Viera和NAACOS政府事务高级副总裁Aisha Pittman的炉边谈话。提交于：NAACOS 2026年春季会议；2026年4月22-24日；马里兰州巴尔的摩。
McDonough B, Barr J, Jones L, Puri T, Sikora B, Kerr Thompson TA. AI行动：推进责任制护理的新解决方案。提交于：NAACOS 2026年春季会议；2026年4月22-24日；马里兰州巴尔的摩。
【全文结束】