拉斯维加斯讯——在近日举行的HLTH 2025大会上，多位专家指出，医疗机构正加速在全组织范围内推进人工智能应用，但如何衡量这些投入的实际回报，目前仍缺乏清晰的路径。

AI技术涵盖环境文档记录、摘要工具及收入周期管理产品等，其部署需要投入大量资金与时间。专家强调，AI能否带来可量化的直接经济回报，往往并不直观，而这恰恰是论证投入合理性、评估项目成效的关键所在。

“利用AI简化行政流程、提升生产效率的做法确实已经存在，”普华永道医疗健康服务咨询业务负责人兼合伙人Thom Bales表示，“但围绕其投资回报率以及能否真正改善利润底线，仍存疑问。”

与此同时，医疗机构正面临日益加大的财务压力。今年夏季，美国总统唐纳德·特朗普签署了一项大规模税收与政策法案，对Medicaid实施历史性削减，可能导致数百万人失去这一安全网保险计划的覆盖。

此外，针对《平价医疗法案》交易平台参保人群的更为慷慨的财政补助——这一议题曾引发持续数周的政府停摆——将于今年年底到期，这将进一步推动更多人脱离医保覆盖。

无保险人口增加意味着医疗服务提供方收入减少，同时未补偿医疗费用将上升。

尽管如此，医疗行业仍寄望于AI能在劳动力短缺、医生职业倦怠及冗长行政事务等重大挑战上带来改观。在严峻的经济环境下，根据KLAS Research与贝恩公司本月早些时候联合发布的一项调查，医疗企业正优先投资于最有可能改善利润率并展现清晰回报的AI项目。

然而，鉴于这些回报可能难以直接显现，专家建议医院或需采取更具创造性的方式来衡量AI价值，例如考察为医生节省的时间、员工留任率的提升或患者满意度的改善。这些相对软性的指标，可随时间推移与财务改善建立关联。

“我确实认为，最终我们能够将大多数此类成果追溯至利润底线，但或许需要串联起更多环节。”行业组织数字医学协会首席执行官Jennifer Goldsack表示。

拼凑投资回报率的碎片

衡量财务回报始终具有挑战性，因为诸多复杂因素相互交织，使得将最终节省归因于某一特定产品变得困难。在AI领域同样如此——产品的直接财务影响取决于工具本身、部署所需成本以及各医疗机构的特定优先级，HLTH与会专家如此指出。

“在医疗领域，尤其是医疗服务提供端，很难对所谓的投资回报率建立起清晰的对应关系。”梅奥诊所首席AI实施官Micky Tripathi在周一的小组讨论中表示，“我认为我们任何人都不应指望能看到一种成本削减，能让首席财务官一眼就看出‘哦，我看到了’。”

对于某些AI产品，衡量财务回报相对容易。例如，收入周期管理工具可让医疗机构观察到回款周期等指标的改善，电子病历供应商CliniComp客户服务高级副总裁Sandra Johnson指出。

但其他AI工具的影响则不那么明显。根据彼得森健康技术研究所今年早些时候发布的一份报告，关于AI文档助手（可记录医生与患者的对话并生成临床笔记）是否正在影响生产率和财务表现，目前证据有限。

“在医疗领域，尤其是医疗服务提供端，很难对所谓的投资回报率建立起清晰的对应关系。”

——Micky Tripathi，梅奥诊所首席AI实施官

不过，该报告发现，这类记录工具很可能正在减轻临床医生的职业倦怠——这是一个重大关切，而电子病历系统所需的文档记录时间与精力投入可能加剧这一问题。

专家表示，如果AI记录工具能防止一位临床医生离开医疗机构，那可能带来巨大的成本节约。研究显示，替换一名医生的成本可能达到其年薪的两到三倍。

健康技术公司及电子病历供应商Athenahealth的首席医疗官Nele Jessel博士指出，环境记录工具还可能带来其他潜在的经济与效率收益。

例如，医生可以更快完成笔记，并可能接诊更多患者。他们或许还能更准确地记录服务内容，从而按更高服务级别进行计费。

患者满意度是医疗机构另一项重要衡量指标。患者通常喜欢环境记录工具，部分原因在于医生在诊疗过程中能够更加专注投入，而非盯着电脑屏幕做记录。Jessel还表示，文档助手或许还能帮助患者更好地理解其护理计划，因为医生在检查过程中必须口头表述体格检查内容及方案，以确保记录工具能捕捉到信息。

“医生正在变得更擅长，例如，在体格检查时大声说出来，讨论治疗方案，对吧？”她说，“这提升了透明度，也让患者获得更愉悦的体验。”

医疗机构如何衡量AI的影响

专家表示，要成功部署AI，医疗机构需要审慎思考最希望解决的核心问题及主要优先事项。这一规划应包含如何评估AI工具，这有助于判断项目是否成功——无论是从财务角度还是其他指标来看。

“对我而言，第零步是要非常非常明确：我们究竟在做什么？为什么做？成功的样子是什么？”西达赛奈医疗中心首席数据与AI官Mouneer Odeh在周日的小组讨论中表示。

克利夫兰诊所采用两类指标评估AI，据其商业化与创新部门克利夫兰诊所创新公司的业务发展与许可总经理Sonja O'Malley介绍。

这些指标包括定量衡量——如与基线数据相比降低爽约率或缩短文档记录时间——以及更偏定性的标准，如患者或临床医生体验的反馈。

O'Malley指出，有些工具永远不会成为收入来源，但它们可能发挥其他重要作用，例如让临床医生将时间投入到需要其完整训练与专业技能的任务上。

在Ardent Health，当引入AI工具时，成功指标必须与基线一同被明确定义且可衡量，该医疗系统的首席数字与转型官Anika Gardenhire表示。

她指出，财务投资回报率几乎总是重要的，但它可能更多体现为相关性而非直接因果关系。

如果某工具仅能实现收支平衡，医疗机构还需考虑其他相关成本，如实施费用或临床医生投入项目的时间——这些时间本可用于其他工作。

“如果你最终发现‘这东西连收支平衡都做不到，连自身成本都覆盖不了’，除非它对患者有某种绝对神奇的效果，否则它就该被淘汰。”Gardenhire说。