医疗AI充满希望，但希望无法支付账单。在贝恩公司和麦肯锡的调查中，美国医疗保健领导者报告称，他们期望甚至要求AI投资能带来正向的投资回报。然而，证明投资回报率（ROI）具有挑战性，并且在未来相当长的一段时间内仍将是采用AI的主要障碍。
AI的潜在利益和成本
医疗保健机构可以通过AI实现多种好处，包括提高护理质量、增强患者和员工体验、加速研究以及从数据中提取更多见解。他们还可以直接通过增加服务量、加快服务速度、提高风险调整和服务水平编码以及改善收入周期管理来增加收入。同时，AI可以通过减少人员需求、降低员工流失率和提高供应链效率来降低成本。
当然，AI也会增加成本。评估不同的AI产品需要时间和努力，机构必须考虑机会成本（AI可能会分散其他活动的注意力）和声誉风险（由于可能的不良事件）。此外，实施AI复杂，需要大量资源，并且充满潜在的陷阱。生产力通常会暂时下降（“切换成本”）。一旦实施，持续的软件、监控和数据基础设施支出将存在。
为什么分析AI的投资回报率如此困难
将抽象概念如质量、效率和生产力转化为数字具有挑战性，需要问很多难以回答的问题。
首先，从谁的角度评估投资回报率？医疗保健的各个利益相关者的需求并不总是一致。例如，护士经理可能会发现有助于分诊患者的AI有吸引力，因为它可以减少人员需求，但患者可能会对不得不自己做更多工作感到不满。
其次，谁为AI买单，谁受其影响？通常，做出AI购买决策的人与受影响最大的人不同。例如，高管可能会推动一个增加风险编码的AI工具，但如果医生必须改变记录方式，他们可能会抵制。
第三，时间范围是什么？历史告诉我们，组织最初使用技术来使现有流程更高效，这限制了总收益。如今，我们看到医疗机构竞相采用AI，使临床医生能够更快地编写相同的（通常是糟糕的）病历，而不是重新思考临床文档的整个过程。
第四，基线表现如何？大多数机构对临床医生和员工花费在各种任务上的时间和精力知之甚少（例如，编写出院总结），更不用说对其输出的质量（例如，总结是否准确和可读）了解多少。
最后，哪些指标最能评估AI的影响？医疗保健数据是孤立和不完整的，很难衡量和赋值像质量和临床医生福祉这样的概念。
为什么正向的投资回报率可能难以实现
正如高盛全球股票研究主管Jim Covello解释的那样，“开发和运行AI技术的巨大成本意味着，AI应用必须解决极其复杂和重要的问题，企业才能获得适当的投资回报。” 但目前的AI可能还无法解决复杂的医疗保健问题。
一方面，生成式AI工具通常不可靠且容易出错，因此大多数组织将其用于“苦差事”，如编写临床笔记和完成预先授权。然而，AI可能会反其道而行之。例如，加州大学圣地亚哥分校健康中心的医生使用ChatGPT回复患者信息时，反而比不使用AI的医生多花了22%的时间。
即使节省时间的AI解决方案也不一定会提高生产力。与帕金森定律一致——“工作会扩展以填满为其分配的时间”——四分之三的英国临床医生表示，他们不会将AI节省下来的时间用于照顾患者。现在正在采用AI助手等工具的美国医生可能也是如此。
同样，AI并不是孤立工作的。组织必须缓解各种下游约束才能实现AI的好处。例如，如果医生的日程已经排满，自动化患者预约安排不会改善访问。同样，如果患者出院后无处可去，识别出准备出院的住院患者的算法也毫无用处。
支付模式也带来了额外的挑战。大多数医疗保健支付是按服务收费的，付款方很少报销AI软件。因此，为了在财务上收支平衡，采用AI的组织必须大幅增加服务量，鉴于其个位数的运营利润率，这往往非常困难。然而，大多数AI工具——例如，那些总结临床记录、识别高风险恶化的患者或帮助检测癌前结肠息肉的工具——并不会影响服务量。
跨行业来看，技术转型计划通常只能实现其预期价值的三分之一不到。医疗保健领域的AI也将不例外。
展望未来
这一切并不是说医疗保健领域的AI毫无价值。AI可以帮助使医疗更加便捷、有效和可持续。然而，随着AI的炒作（及其伴随的FOMO）逐渐消退，投资回报率的压力将加剧。
因此，AI将迅速渗透到后台财务领域，如收入周期管理。该领域的初创公司已经看到了最高的成熟度、估值和退出率。
同样，许多面向临床医生的AI产品将扩展到直接影响财务的活动。例如，文档和摘要工具将开始推荐风险代码和费用。
对于其他AI产品，组织可能要求临床团队接诊更多患者或减少人员。总之，虽然AI前景广阔，长期来看可能会彻底改变医疗，但没有免费的午餐。
(全文结束)
