A Month of Healthcare-AI Headlines, Read From the Floor
要点总结
- 保险公司预计明年商业医疗保健成本将上涨约 9%，普华永道的一项调查显示，医疗服务提供商的 AI 编码和文档工具是主要驱动因素之一。
- 医疗保健人工智能的监管分散在多个机构，目前部署的大多数人工智能都是行政性的，很大程度上不受医疗监管。
- 斯坦福-哈佛大学的一篇早期预印本研究发现，领先的临床模型在相当一部分病例中仍然会犯严重的错误，其中大部分是遗漏错误。
- 接受调查的护士管理者希望人工智能能够服务于护理行业，并首先从低风险任务入手；然而，在这些案例中，人工智能的不完善所带来的代价最终都落到了临床医生身上。
如果你只看最近几周关于医疗人工智能的新闻标题，你会感到困惑。人工智能将拯救医学。人工智能会让你的保险更贵。没人知道谁来监管它。即使是最好的模型，也仍然会犯下相当一部分危险的错误。
这些都是六月份发生的真实事件。它们之间并没有相互矛盾。从一线医护人员的角度来看，这些事件都指向一个令人不安的问题：当人工智能出错或导致医疗成本增加时，谁来承担后果？目前来看，答案仍然是临床一线人员。
保险公司现在将成本上升归咎于人工智能。
先从资金说起，因为这是最具体的。Healthcare Dive 6月11日报道称，医疗保险公司预计明年商业医疗保健成本将上涨约9%。该数据来自普华永道的一份报告，该报告基于对27家美国医疗保险公司精算师的调查，这些公司覆盖超过1.03亿名雇主赞助的参保人员。
真正令人耳目一新的是，人工智能（AI）被列为推高商业成本的三大趋势之一。约70%的受访医疗机构将医疗服务提供商的AI文档和编码工具列为推高商业成本的三大趋势之一，约20%的受访机构甚至认为它是最大的单一因素。这并非科幻小说里的情节，而是实际的计费方式。“利用技术和人工智能更恰当地进行编码，或者对以前无法编码的内容进行编码，这就是我们看到的趋势，”普华永道的格伦·亨辛格（Glenn Hunzinger）告诉Healthcare Dive。他谨慎地补充说，人工智能并非总体上最大的驱动因素，劳动力和耗材成本仍然是主要因素，但“它确实对那9%的成本产生影响”。
请仔细想想。人工智能在医疗保健领域真正产生影响的第一个方面并非诊断，而是增加了医疗费用。
而且，对于由谁来监管它，也没有人达成完全一致意见。
6月12日，《贝克尔医院评论》总结了两党政策中心的一份报告，该报告指出医疗人工智能监管存在漏洞。该中心的玛雅·桑达洛（Maya Sandalow）简要概括道：目前医疗保健领域实际部署的大部分人工智能都是行政管理方面的，而非临床应用。例如，一些环境化的“记录员”，它们监听就诊过程并撰写病历；一些保险公司用来决定是否事先授权的工具；以及一些整天间接影响患者的工具，这些工具大多不受医疗监管。
为什么缺乏监管？因为监管权分散。“同一款人工智能可能因其使用地点和训练数据的不同而受到不同机构的监管，”报告指出，并列举了FDA、CMS、HHS民权办公室、FTC和ONC，以及各州零散的法规。这种分散性造成了报告直接指出的一个激励机制：开发商有动机将产品贴上“非医疗器械”的标签，以规避FDA的审查。就在同一周，政府提议撤销ONC对内置于电子健康记录中的人工智能的透明度要求，这将使使用这些工具的人更难了解其工作原理。
与此同时，建设速度正在加快。
在监管机构厘清谁应负责之际，各公司已迫不及待。6月11日，人工智能文档公司Abridge宣布，正与英伟达（Nvidia）合作开发临床对话基础模型，并接受了礼来公司（Eli Lilly）的战略投资。Abridge的文档系统已被包括凯撒医疗集团（Kaiser Permanente）、约翰·霍普金斯大学医院（Johns Hopkins）和耶鲁纽黑文大学医院（Yale New Haven）在内的300多家医疗机构采用。Abridge首席执行官Shiv Rao如此阐述与礼来公司的合作：“旨在支持循证医疗，并在所有诊疗环节促进研究资源的获取。”
这部分既令人振奋又有点令人不安。一个专门针对医生和患者实际对话方式进行训练的模型，其性能可能胜过穿着白大褂的普通聊天机器人。这也意味着，越来越多的临床对话被捕捉、建模和商业化，其速度甚至超过了相关规则的制定速度。
人工智能到底有多好？
这里有一个值得注意的数字，因为它经常被曲解。斯坦福大学和哈佛大学的研究人员在2026年1月发表了一篇题为《首先，不伤害》（First, Do NOHARM）的预印本论文，该论文测试了28个大型语言模型，并使用包含1100个真实案例（涵盖10个专科）的基准测试，这些案例均来自初级保健医生向专科医生的会诊。结果显示，在所有模型中，高达22.6%的案例中，其推荐结果都可能造成严重的、危及生命的伤害。值得注意的是：最佳模型在安全性方面甚至优于全科医生，而且在多样化的多智能体环境中结合多个模型可以进一步降低伤害。这种风险并非均匀分布，而是存在差异。
对护理而言，最重要的细节是：超过80%的严重错误是疏忽造成的。该模型并非发出了危险的警报，而是遗漏了必要的信息，例如建议进行本应进行的后续检查。（该研究为预印本，尚未经过同行评审，因此请将具体数据视为初步结果，而非最终结果。）
疏忽错误正是疲惫不堪、工作量过大的护士最不可能发现的错误类型，因为发现它意味着注意到缺少什么，而不是注意到哪里错了。
护士们对此的真实评价
从事这项工作的人员都有自己的看法，而且他们并不反对人工智能。Black Book Research 在五月份护士周期间发布的一份报告调查了 118 位护士长。大多数护士长对人工智能持开放态度，但有一个重要前提：人工智能必须专为护理行业设计。74% 的受访者表示，目前备受关注的医生式环境文档工具并不能解决护士的文档负担问题，除非这些工具能够根据护士的实际记录方式进行重新设计。77% 的受访者希望人工智能在涉足临床判断之前，先从低风险、高容量的任务入手。
那不是抵抗。那只是那些以前被提供了不合适的工具，这次想要拥有发言权的人而已。
常见问题解答
为什么保险公司要把成本上升归咎于人工智能？
据 Healthcare Dive 援引普华永道的一份报告显示，医疗保险计划预计明年商业成本将上涨约 9%，约 70% 的受访计划将医疗服务提供商的 AI 文档和编码工具列为推高成本的三大趋势之一。其机制在于计费：AI 可以帮助进行更多、更全面的编码。
谁来监管医疗保健领域的人工智能？
根据两党政策中心的一份报告，监管分散在FDA、CMS、HHS民权办公室、FTC和ONC等机构，此外还有各州的相关规定。目前部署的人工智能大多用于行政管理而非临床，且在医疗领域基本不受监管，这是目前普遍存在的现象。
临床人工智能的准确率如何？
斯坦福大学和哈佛大学于2026年初发表的一篇预印本论文《首先，不伤害》（First, Do NOHARM）发现，即使是领先的模型，在相当一部分案例中也会给出严重有害的建议，其中大多数是遗漏错误，即模型未能建议必要的后续措施。由于这是一篇预印本论文，因此其中的具体百分比仅供参考。
护士希望从医疗人工智能中获得什么？
Black Book Research 对 118 位护士长进行的一项调查显示，74% 的护士长表示，除非围绕护士的工作方式重新设计，否则医生式的环境文档工具无法解决护士的记录负担；77% 的护士长希望人工智能在进行临床判断之前，先从低风险、高容量的任务开始。
我们降落的地方
Eipnare生产的是手术服，不是软件。我们不会去跟任何人讲机器学习。但我们的工作就是关注哪些因素会使换班更加困难，而这一点在各种炒作之下很容易被忽略。
- 这些报道无一例外地将人工智能的缺陷成本转嫁给了临床医生。这样的错误率并不会减轻护士的工作量，反而会给本已不堪重负的护士增加额外的检查工作。
- 那项调查中的护士们说得对：先让人工智能处理那些枯燥乏味、风险低的任务，比如记录病历，而不是做出判断。在犯错成本低的地方赢得信任。
- 我们为实现更好的转变所做的贡献并不引人注目，我们也乐于如此：这样一来，在如今需要反复检查一个无人完全监管的模型的一天里，就少了一件需要考虑的事情。
技术发展速度远超规则制定速度，也远超人员配备速度。我们正在密切关注造成这一差距的责任归属。目前来看，责任似乎落在了地板（地板）身上。
资料来源：Healthcare Dive 发布的普华永道医疗成本报告（2026 年 6 月 11 日）；Becker's Hospital Review 发布的两党政策中心报告（2026 年 6 月 12 日）；Healthcare Dive 和 Fortune 发布的 Abridge、Nvidia 和 Eli Lilly 报告（2026 年 6 月 11 日）；斯坦福大学和哈佛大学的预印本《首先，不伤害》（2026 年 1 月）；Black Book Research 的护理人工智能报告（2026 年 5 月）。
由Eipnare首席运营官Hedy Nie编辑。请在LinkedIn上与她联系。
相关阅读