医疗人工智能正在医疗行业各领域产生不可否认的影响：从护士导航员使用AI分诊助手优先处理病例加快响应速度，到辅助医生诊疗记录的工具，再到自动化重复性行政任务的系统。随着应用案例的累积，相关投资也在持续增加。但医疗机构开始更审慎地评估这些投入是否真正物有所值。
许多组织正在为仅能节省极少量时间的AI工具支付高昂费用，而不考虑真正的成本效益比。许多医疗机构每年为每位用户支付数千美元采购的AI工具，每日仅能节省5分钟时间，这种投资回报率难以合理化。医疗机构正在为边际效益支付溢价。
当前支付的费用与AI工具实际价值之间存在根本性脱节。许多医疗机构因为"必须尝试"的心态采用AI，但这项技术仍处于早期阶段。如今许多AI公司无法存活的原因在于续约时难以证明其价值。因此，医疗机构对某些AI供应商表现出迟疑和疲劳迹象。
根据贝恩公司与KLAS研究联合发布的2024年医疗IT支出报告，近半数医疗机构将成本列为现有技术栈的最大痛点。这意味着具有高价格标签但显示有限投资回报率的AI工具只会加剧问题。
问题根源何在？
某些AI工具在试点阶段单独使用表现良好，但在整个医疗系统推广时往往遇到困难，特别是需要与复杂工作流程集成时。事实上，一些供应商声称大型客户在使用其应用时，实际情况可能只是某个部门某位研究员在使用。这些工具尚未经过验证和优化，无法在规模化应用时无缝运作。
当前医疗系统的最佳建议是：在选择新创公司单一解决方案前，应先询问现有供应商的AI战略。能够将AI整合进现有工作流程的成熟企业将比可能无法经受市场调整的单一功能解决方案更具生存优势。
报告显示监管和法律考量是实施生成式AI的主要障碍（38-43%受访者提及）。这些复杂性会制造额外障碍，延缓采用进程。同时许多AI工具基于公共模型如ChatGPT构建，经过轻度定制后以医疗品牌出售，应用看似创新但实际提升效果有限。
迄今为止，医疗AI领域已投入数百亿美元资金，后续资金仍在涌入。但这些投资中有多少真正转化为更好的医疗服务或有意义的时间节省仍不明确。世界经济论坛观察指出："现在判断医疗领域的生成式AI是带来助益、造成损害，还是仅仅浪费数十亿美元而无法改善人们生活还为时过早。"
下次AI采购前的四个问题
虽然AI的前景令人振奋，但目前仍处于早期阶段。许多进入市场的工具尚未准备好全面应用。这种不确定性迫使医疗系统领导者重新评估投资。
管理多个单一解决方案的压力正在显现：一个工具处理文档，另一个处理计费，患者随访需要第三个独立工具。这些单一功能解决方案的成本和复杂性会随时间累积。许多首席信息官现在花费在解决系统集成的时间与评估新技术的时间相当。
这促使医疗机构转变策略。与其购买新供应商的产品，他们正回归核心平台，询问现有系统如何整合AI功能。这些解决方案虽然不如新兴初创企业受关注，但往往提供更可靠的路径且干扰性更小。
凯撒医疗集团的丹尼尔·杨医生正采用这种审慎方法。该机构在研究、临床运营、教育和行政管理各领域应用全系统治理。他认为AI应该增强而非取代临床医生的判断力。当凯撒推出生成式AI工具时，配套设置了监督和有意设计的框架。
基于上述原因，当前是医疗系统暂缓行动、提出基础性问题而非仓促进行下一次AI采购的好时机：
- 这个工具实际解决了什么问题？
寻找能通过可量化结果解决特定运营瓶颈的工具。任何试点前应建立待解决问题的基线指标。优质AI工具应同时提升效率和质量。如果仅自动化现有流程而未改善患者结果或员工满意度，则不值得投资。
- 它能实际节省多少时间和金钱？
计算包括实施、培训和持续支持在内的每分钟节省成本。若每年每位用户支出超过1000美元却仅节省少于15分钟/天，投资回报率将难以证明续费合理性。应优先选择能消除整个工作流程步骤而非仅加快现有步骤的工具。
- 这是试点项目，还是已被证明可规模化应用？
要求提供至少三种不同组织规模和场景的成功实施证据。寻找在广泛患者群体中提供一致结果的工具，承诺在组织范围部署前在多个临床环境进行测试。
- 这将融入现有系统，还是增加已过载的技术栈负担？
优先选择可直接与电子健康记录（EHR）集成、减少工作人员需操作系统的数量的工具。任何需要额外数据输入、独立登录或干扰工作流程的AI解决方案都应持怀疑态度。
医疗系统现在需要采取更现实的方法来衡量AI投资的回报率，将真正的价值与演示中看起来良好的有限用例区分开来。
【全文结束】
