由科技公司Reveleer与政策分析机构Mathematica联合发布的《2025年基于价值的护理技术现状报告》显示，尽管医疗领域AI应用已广泛普及，但仅有约40%机构表示"完全致力于"将AI作为核心运营系统。该研究通过调查200余名医疗机构高管，揭示了价值型护理模式转型中的三大核心问题。
1. AI应用虽广，但未来疑虑仍存
调研显示，无论是保险方还是医疗提供方都普遍认可AI技术的潜力，但数据碎片化和协作薄弱正阻碍价值型护理模式转型。虽然93%的医疗方和97%的保险方去年提升了AI使用率，但算法透明性、基础设施扩展的物流挑战和员工培训等问题仍存在重大顾虑。这些障碍导致AI应用呈现孤岛化——仅用于改善运营效率或辅助医生决策等少数任务。
"行业领袖普遍承认数据能创造竞争优势，但孤立的系统和数据质量问题持续阻碍其效用最大化。尽管医疗方和保险方普遍采用AI，但信任鸿沟、培训不足和治理短板正制约其变革力量。"
2. 数据碎片化削弱对价值型护理模式的信心
调研显示，几乎所有机构都认同数据在改善医疗质量/控制成本的战略价值，但仅约三分之一的组织具备充分的数据整合能力。受访者中仅有三分之一将自身数据整合能力评为"卓越"，且不足50%确信拥有足够完整数据集来扩展价值型护理模式。报告联合作者指出，尽管97%的保险方和100%的医疗方在价值型护理目标上达成共识，但有效的跨机构数据共享机制尚未建立。
"挑战源于医疗方和保险方看到的数据图景不同。保险方通常掌握广泛的人口数据，而医疗方记录着详细的患者级数据。但借助现代数据基础设施和恰当技术，这两种视角的结合既能揭示当前有效的方案，又能发现可扩展的创新模式。"
3. 技术并非万能——各方准备度仍不足
报告强调，仅靠技术投入难以实现变革。医疗机构和保险方均表示，员工培训的缺失与AI治理的不足，限制了技术在实现价值型护理中的作用。培训缺失还加剧了对数据安全和网络安全的担忧——人为错误仍是数据泄露的主要诱因。
"必须强化人员赋能和培训：应超越技术基础介绍，提供针对临床和行政岗位的深度实操培训。鼓励员工运用技术提升日常工作效率，同时培养推动变革的'技术推广者'，确保符合数据安全标准。"
【全文结束】