本系列探讨人工智能（AI）与机器学习（ML）如何改善健康成果。前期文章已论述AI/ML如何优化患者体验、应对主要致死疾病及推进新药研发。本文聚焦AI/ML系统如何解决美国医疗体系中的成本驱动因素，使医疗服务更实惠且可及。
AI无法根治医疗体系的所有低效问题，深层结构性问题需多维度改革。但AI/ML技术已在提升医疗可及性、质量及成本控制方面发挥作用，并能有效应对医疗管理中的浪费、欺诈和滥用现象。
美国高昂的医疗体系现状
凯泽家庭基金会（KFF）与彼得森医疗中心的研究显示，美国医疗支出远超其他国家。2023年人均支出达13,432美元，比其他高收入国家高出3,700余美元。分析预测，2024至2033年间美国医疗支出年均增长4.6%，人均支出将从16,570美元升至24,200美元。高昂成本导致超四分之一的成年人因费用问题延迟或放弃必要治疗。
社会人口结构变化加剧成本压力：1960年仅9%人口年满65岁，如今已达18%，预计未来三十年将升至23%。"美国人口老龄化"趋势迫使政策制定者应对医疗成本问题——随着老年选民比例上升，政策压力持续增大。
多项报告指出，医疗支出激增正将国家推向更危险的债务深渊。凯泽家庭基金会数据显示，2024年联邦医疗支出达1.9万亿美元，占当年联邦总支出的27%。国会预算办公室（CBO）估计，联邦强制性医疗支出今年将达1.75万亿美元，2035年将暴增至2.95万亿美元。同期，医疗保险（Medicare）支出将从9420亿美元升至1.753万亿美元，医疗补助（Medicaid）支出则从6560亿美元增至1.025万亿美元。2025至2055年间，联邦医疗支出占比将增长2.3个百分点，加剧财政赤字并威胁国家整体财政稳定。CBO长期预算展望预测，按现行政策，2055年联邦债务将达GDP的156%，引发"国家债务危机"预警。
AI降低医疗成本的三大路径
AI驱动的创新可通过直接与间接方式显著节约成本。2023年重大研究《人工智能对医疗支出的潜在影响》指出："广泛采用AI可节省美国医疗支出5%-10%，按2019年美元计算约合年均2000-3600亿美元。"其他重要报告包括2022年35位全球医学专家撰写的《医疗人工智能经济学：诊断与治疗》，以及Paragon健康研究所2024年白皮书《通过AI降低医疗成本：可能性与障碍》。后者明确AI可从三方面削减医疗成本：生产力提升、质量改进和自主护理。
1. 生产力提升
AI系统能优化医疗管理效率，实现生产力提升与成本节约。文书工作长期困扰患者和医疗专业人员。2022年针对美国医疗体系浪费的文献综述显示，行政活动占医疗总支出的15%-30%，远高于其他国家。医疗工作者耗费在行政事务的时间本可用于患者护理。
AI还可应对医疗浪费与欺诈问题——这对联邦医疗支出构成重大威胁。2024年6月两党联合经济委员会报告估算："联邦医疗支出中6%-12%（约1000-2000亿美元）源于行政浪费。"该报告同时指出，2023财年医疗补助计划存在超500亿美元不当支付，表明AI可在医疗补助和医疗保险领域纠正错误与欺诈。华尔街日报2024年调查发现，医疗保险向保险公司支付了约500亿美元从未发生的医疗服务费用。两党议员已提出《医疗保险交易欺诈预防法案》，在国会医疗保险和医疗补助服务中心试点AI欺诈检测项目。
医疗机构正利用AI优化药品库存管理，重点解决"药品转移"（即药品盗窃）问题及其对医疗体系的经济冲击。药品转移原因多样，从个人滥用到小额贩售。医疗工作者是最主要违法者，其次为药房人员、第三方供应商及（罕见情况下）患者。2025年一项新工具使用调查显示，37%的受访者采用AI/ML识别和预防药品转移事件，76%计划未来扩大应用。报告指出："传统方法难以检测复杂欺诈，而最新技术能在极短时间内完成人类需耗时数小时甚至数日的任务。"
2. 质量改进
AI系统可直接提升医疗质量并间接降低成本。南达科他州共和党参议员迈克·朗兹指出，除在联邦医疗保险计划中实现行政节约外，AI/ML系统还能通过早期识别和治疗疾病，减少依赖昂贵手术的人群。
朗兹参议员强调，医疗保险是医疗体系的主要成本驱动因素，因其三分之二受益者患有至少两种长期健康问题。他表示，若能用AI"治愈"部分疾病，既可节省纳税人资金，又能挽救生命。（本系列第二部分已详述AI/ML如何提升癌症和心脏病等重大疾病的检测与治疗能力。）
另一类有望带来重大质量改进的AI生产力提升，是简化新药设计的成本与时间。多项研究显示，成功研发一种新药需10-15年及约10亿美元，但90%的药物会在临床试验中失败。（第三部分解释了科学家如何借助AI/ML加速药物发现。）尽管不存在万能解决方案，部分研究者预测AI能"将欧摩定律（Eroom's Law）转化为摩尔定律"——摩尔定律指半导体性能每两年翻倍而成本下降；欧摩定律（Moore倒序）则描述制药行业药物研发成本持续攀升的趋势。
在此领域，微小改进即可产生重大公共健康效益。例如，英矽智能（Insilico Medicine）运用生成式AI开发出治疗特发性肺纤维化（IPF）的新疗法，该终末期肺病影响全球数百万人。该疗法研发仅用18个月、耗资260万美元，且通过监管审查仅需30个月——远快于常规审批流程。这意味着AI驱动的快速药物开发有望在短期内拯救大量生命。
全球制药巨头默克（Merck）负责人预测，AI通过简化重复性任务使研发人员专注解读试验结果，将极大加速药物研究。他估计与AI健康企业的新型合作可将药物发现周期缩短50%-60%。
3. 自主护理
AI赋能的医疗质量提升还能推动自主护理发展——即"由AI系统在无需临床医生协助下自助提供医疗服务"。随着AI/ML承担更多原专属医疗专业人员或机构的任务，它将拓展服务可及性并降低各类服务成本。
《机器人医生：为何医生可能失误及AI如何拯救生命》作者指出，因"AI能以光速7×24小时处理医疗数据，无需睡眠与休息"，它能发现医生遗漏的问题并提升医疗可及性。这意味着聊天机器人未来或将成为医疗团队一员，提供第二诊疗意见、拓展分析维度并优化医患沟通。
《科学健康时代》一书强调："将此类系统纳入执业的医疗从业者将为患者（及自身）提供巨大价值"，因为"这相当于拥有成千上万名专家高速协同工作"。例如，微软新推出的AI诊断协调器对《新英格兰医学杂志》病例的诊断准确率达85%，是资深医师团队的四倍以上。
AI已助力拓展个性化护理选项及定制化治疗方案。美国政府问责局近期报告指出，卫生与公众服务部和退伍军人事务部正成为生成式AI的领先采用者，应用领域涵盖医学研究、患者监测、数据管理、诊断及个性化治疗计划。长期来看，更精准的护理可为患者和社会带来成本节约。
这些新工具还能弥补专业人员短缺。美国医学院协会2024年报告预测，未来12年美国将面临3.78万至12.4万名医生缺口。近期，马萨诸塞州总医院布莱根医疗系统推出新型AI平台，为1.5万名无初级保健提供者的住院患者提供服务入口。
结论
在AI/ML技术引发美国医疗体系更深刻变革前，创新者与政策制定者必须着力构建公众信任。皮尤研究中心2023年调查显示，60%的美国人对医疗提供者依赖AI进行疾病诊断和治疗推荐感到不安。
同时需避免过度宣传系统能力。即便采用先进AI/ML系统，医疗成本也不会自动下降——仍需多项解决方案与改革措施。尽管如此，算法技术为改善医疗、拓展服务及长期构建"更高效经济的医疗生态系统"提供了新路径。
【全文结束】
