在HIMSS2025会议上，医疗领导者讨论了如何对AI工具进行成本效益分析，重点在于定义效益和改善医生的福祉。
随着越来越多的AI工具涌入市场，医疗服务提供组织面临着多种选择。然而，AI工具的成本高昂，因此医疗系统必须在试点和实施这些技术时做出战略决策。
面对众多宣称具备强大功能和效益的新AI工具，医疗系统的领导者必须仔细考虑其成本与效益，以避免投资于回报率低的解决方案。
斯坦福医疗保健首席数据科学家Nigam Shah博士表示，AI工具的成本效益分析不仅限于其主要功能。以AI驱动的预测模型为例，模型本身只是提供预测或风险分层，但效益来自于采取行动后的响应。因此，在这种情况下，需要研究模型、行动能力和行动本身的成本与效益。如果行动能力有限，那么效益也会受限，从而降低工具的投资回报率。例如，一个用于标记败血症风险的预测AI模型，如果没有足够的临床人员能够迅速干预，那么这个模型就毫无意义。
在某些情况下，从AI工具中获得的效益可能与预期不同。因此，医疗系统的领导者在评估新AI工具时，必须深思熟虑地定义并验证效益。例如，当斯坦福评估自动化收件箱响应技术对生产力的影响时，发现该技术并未如预期那样节省时间和减少下班后的工作量，但确实有其他优势。Shah表示：“我们的医生非常喜欢这项技术，他们的认知负担减轻了，他们也更开心了。但这并不是我们最初的目标。”
他还强调，将效率/生产力视角应用于生成式AI可能会产生反直觉的结果。提高生产力意味着医生可以看更多的病人，但从长远来看，这可能会增加医生的工作量。
因此，Shah表示，医疗系统在进行成本效益分析时，必须关注工具“可实现的效益”。
AI工具的可实现效益因使用场景而异。例如，对于实施AI以简化行政任务的医疗系统来说，医生的福祉是一个重要的效益。普罗维登斯首席医疗信息官J. S. Smitherman博士表示，虽然在整个大型组织中实施AI是一项重大的财务投资，但医疗系统的成本效益分析不仅仅考虑生产力，还考虑通过延长医生职业生涯带来的投资回报。环境AI工具使医生更容易工作，愿意多工作一两年。Smitherman指出，美国近四分之一的医生年龄超过65岁，随着人口老龄化，这是一个重大危机。我们需要让许多医生继续执业以确保医疗资源充足。
此外，许多年轻医生也在努力适应全职工作的需求。将近50%的医生报告感到职业倦怠，环境AI和其他类型的AI可以帮助减轻这种认知负担，可能是值得投资的。普罗维登斯的医生积极采用AI工具，表明这种技术的实施是有效的。Smitherman指出，采用率是衡量技术实施是否成功的重要指标。
西北大学医学院在进行AI的成本效益分析时借鉴了硅谷的“快速失败”理念。西北纪念医院创新与创业副总裁Hannah Koczka表示，医疗系统引入了许多技术，并在非常小的规模上迅速测试它们。“更像是一个概念验证——可以在几周内完成，或者只在一个部门或一个区域进行测试，然后再看是否能证明其有效性。”这种敏捷的方法使医疗系统能够在最终选择满足其需求且值得高价格标签的工具之前，快速评估多个技术。
医疗系统的领导者还希望随着AI变得普及，成本会下降。Smitherman表示，即使现在，处理简单行政任务（如审查收件箱消息）的AI工具已经不像以前那么昂贵了。
随着这些模型变得更好更快，情况正在改善。但在某些领域，仍然需要进行投资，特别是那些具有临床效益的领域。因为没有人愿意为任何人的生命标价，但如果AI工具能够使某些事情变得更安全，系统当然愿意进行投资。
(全文结束)