本文整理自麦肯锡《The AI-powered future of care》,分析AI对医疗服务体系的潜在影响。报告提出,AI将沿着三个方向改变医疗行业:承担非实体性临床任务、优化个性化诊疗路径,以及通过AI与机器人结合直接实施医疗干预。随着应用规模扩大,AI不仅会改变患者获得医疗服务的方式,还将影响医疗机构收入结构、医生和护士的工作内容,以及医疗服务质量。
01 AI推动医疗服务从信息辅助走向临床任务执行
AI对医疗行业的影响可分为三个方向。首先是“对话式医疗”(Discursive Care),即通过推理和沟通完成非实体性临床服务,包括患者接诊、分诊、诊断、健康指导、转诊和随访管理等。这类服务不需要医生直接进行身体检查或实体治疗,因此更容易由AI承担。随着临床AI能力提升,AI有望在多种疾病场景中提供专业级临床知识支持,直接解决部分患者需求,也可以辅助医生提供更加稳定和一致的医疗服务。
其次是个性化和优化诊疗路径(Personalized and Optimized Care Pathways)。AI可以基于大量患者既往病史、临床记录、理赔数据、基因组数据和治疗结局,识别更适合个体患者的治疗方案。与传统基于有限就诊信息作出的判断相比,这种模式能够综合更多患者信息,为诊疗决策提供支持,从而改善治疗效果和临床结局。 第三个方向是自主干预(Autonomous Interventions)。随着AI与机器人技术融合,AI的角色将不再局限于诊断和治疗方案规划,而是能够通过软件、设备和机器人组成的闭环系统,直接执行医疗操作和干预。这可能进一步提高医疗服务的质量和可及性,同时也会对医疗人才结构和传统医疗服务模式产生更深远的影响。
02 AI将改变医疗支付模式和医疗机构收入结构
当AI承担部分低复杂度门诊服务后,医疗服务量和患者流向可能重新分配,传统医疗支付模式也将受到影响。 对于主要依靠按服务收费(Fee-for-Service,FFS)的医疗机构而言,如果部分低复杂度门诊服务由AI完成,原有初级医疗就诊量可能减少,进而影响相关收入。医疗机构需要重新设计患者服务入口,并将释放出来的医生时间投入专科转诊、复杂诊疗和后续治疗管理等更具价值的服务。 相比之下,价值医疗(Value-Based Care)模式可能从AI应用中获得更多收益。AI可以帮助医疗机构更早发现疾病和潜在风险,识别尚未得到满足的医疗需求,并改善患者随访和治疗依从性。如果进一步将诊断、转诊、授权和预约流程连接起来,医疗机构就有机会形成更加完整的闭环医疗管理网络,提高医疗资源利用效率。
麦肯锡认为,医疗支付方(Payers)可能从这一变化中获得比医疗服务提供方更明显的净收益。随着AI成为患者进入医疗体系的入口,保险公司有机会利用自有AI系统参与患者分诊、诊疗导航和医疗资源协调。例如,将患者理赔记录、参保信息和临床数据接入AI系统,进一步连接转诊、事前授权和预约流程。支付方的角色由此可能从医疗费用承担者,转向更加主动的医疗服务组织者。 但支付方通常不愿意承担完整的临床和运营风险,医疗机构也有动力建立自己的AI服务入口。因此,双方未来可能通过患者授权的数据共享开展合作,共同参与医疗服务流程。
03 AI重塑医护人员工作内容,核心价值转向复杂判断与患者服务
尽管AI已经能够执行美国约1900万名医疗从业人员中约60%的核心工作任务,这并不意味着相关人员将被直接替代,而是说明AI能够承担大量岗位中的部分工作。 从具体职业来看,AI能够执行医生约50%的核心工作任务,包括病史整理、检查结果解读和鉴别诊断等;注册护士和执业护士的可自动化核心任务占比分别约为40%;药师约为36%。此外,医学影像技术人员、实验室技术人员和护理辅助人员的部分非实体性任务也可能受到影响。
随着AI从单点工具进入完整临床工作流,医疗服务可能逐步转向AI优先:AI负责患者接诊、分诊、诊断、健康指导、转诊和随访,医生则更多承担监督、复杂判断和必要的人工干预。医护人员的核心价值将更多体现在倾听患者、建立信任、处理不确定性、帮助患者作出医疗决策,以及提供必须由人完成的实体医疗服务。 这一转变也要求医疗机构重新设计岗位职责、工作流程和培训体系。医护人员如果长期依赖AI完成认知性临床任务,可能逐渐丧失独立完成这些任务的能力。因此,医疗机构需要保留必要的独立临床实践和监督机制,避免技术应用带来专业技能退化。
04 AI提升医疗质量,四种商业模式加速行业变革
AI规模化进入临床工作流后,医疗质量不再过度依赖单个医生的经验、培训背景和工作状态,而是更多建立在持续运行的系统级智能之上。 首先是减少诊断和临床错误。AI能够辅助医生识别疾病、发现罕见病线索,并减少漏诊、误诊和人为失误,帮助不同经验水平的医生提高医疗服务质量的基础水平。 其次是改善患者信息收集。AI可以持续分析电子病历、既往检查结果和长期健康记录,提出更有针对性的问题,帮助医生获得更完整的患者信息,从而改善诊断并减少不必要的检查。 最后是提高患者理解和治疗依从性。AI能够将复杂的医学术语转化为患者更容易理解的语言,并根据患者的文化背景和个人情况提供个性化指导,帮助患者更好地理解和执行治疗方案。
但这些价值能否真正实现,取决于几个基础条件。首先是临床安全与患者信任。AI需要达到医疗“不伤害患者”的基本要求,避免漏诊、错误治疗和歧视性结果,同时持续提升诊断、治疗建议和沟通能力。 其次是隐私与数据安全。医疗机构需要建立可靠的数据保护和责任机制,并让患者能够自主决定分享哪些健康信息。 此外,AI还需要整合患者临床记录、保险福利、医疗服务使用历史和个人偏好等信息,形成完整的患者背景。数据能否有效整合,将直接影响AI医疗服务的个性化程度和实际效果。 在此基础上,麦肯锡提出了四种可能推动对话式医疗规模化的商业模式。第一种是消费级AI平台,未来有望成为患者进入医疗体系的新入口,并进一步连接医疗机构系统和电子健康记录,完成病史更新、转诊、事前授权和医疗文书等任务。第二种是数字医疗第三方企业,将AI临床服务作为独立订阅产品,或作为吸引患者进入线下医疗网络的入口。 第三种是医疗机构自建AI,利用自身的临床专业知识、患者数据和品牌优势,开发AI模型与技术能力,并通过云平台提供“临床专业能力即服务”(Clinical Expertise as a Service)。第四种是支付方自建AI,将AI系统与理赔、参保和费用审核系统连接,或向外部AI平台提供相关数据,通过转诊、授权和报销流程参与患者就医路径管理。 医疗行业未来的关键问题已经不只是AI是否会参与医疗服务,而是谁能够率先将AI真正融入临床流程,以及以什么方式实现规模化应用。从患者接诊、分诊和诊断,到个性化治疗路径和自主医疗干预,AI正在推动医疗服务从传统的人力密集型模式向更加智能化、数据驱动的模式转变。 对医疗机构而言,未来的竞争力不仅取决于是否部署AI,还取决于能否打通患者数据、重构临床工作流程、建立可信的治理体系,并设计与新服务模式相匹配的支付和激励机制。能够率先整合数据、临床资源与患者信任的机构,有望在下一阶段的医疗服务体系变革中占据优势。
免责声明:
智慧医疗网转载其他网站内容,出于传递更多信息而非盈利之目的,内容仅供参考。版权归原作者所有,若有侵权,请联系我们删除。
本平台所发布信息的内容和准确性由提供消息的原单位或组织独立承担完全责任!
凡来源注明智慧医疗网的内容为智慧医疗网原创,转载需获授权。