Banner Health CEO Amy Perry 谈 AI:研究加速与患者互动之外,成本压力与模型幻觉仍是现实约束
#产业生态与全球视野 时间2026-11-10 02:09:21
文/IAICA.NGO®
在人工智能于医疗领域的应用从概念验证走向规模化部署的关键阶段,美国大型非营利整合医疗系统 Banner Health 总裁兼首席执行官 Amy Perry 公开阐述了她的判断:人工智能将在医学研究、患者互动以及缓解临床医生压力三个方面产生变革性影响,但整个行业正处在“成长的烦恼”期,成本压力、网络安全与模型幻觉等问题不容回避。
从加速器到连接器
Perry 将 AI 的价值概括为两条主线。其一是研究端的加速效应。Banner Health 正在投资建设生物孵化器(bio-incubator),试图把过去需要二十年才能完成的研发周期压缩到两三年。她以癌症疫苗为例,认为在个体生命周期内可以见证的医学进步幅度将超出以往任何时期。其二是患者端的接入体验。她认为 AI 在患者互动方面的潜力“远超当下多数人的想象”,能够显著降低患者进入医疗体系的摩擦——从预约、分诊到随访的整个流程,都存在被重构的空间。此外,她还提到 AI 在减轻临床医生工作负荷方面的作用,这一点在人力资源持续紧张的背景下尤为关键。
技术红利与附加风险并存
不过 Perry 反复强调另一面:AI 带来的是“一整套附加负担”。网络攻击面扩大、大模型幻觉、患者获取错误信息,都是现实风险。她特别提到,越来越多患者直接向 AI 工具询问自身病情,这使得医疗机构作为“事实过滤器”的角色变得前所未有的重要。而这种过滤能力的建立,无法由单一机构独立完成,必须依靠跨机构、跨行业的合作。
这一判断与行业观察基本一致。生成式 AI 在医疗场景的落地呈现明显的哑铃型结构:一端是面向医生的低风险效率工具,如病历生成、临床文档摘要、编码辅助;另一端是高风险决策支持,如影像判读与治疗路径推荐,需要更严格的临床验证与监管审查。患者端应用则处于两者之间,风险在于信息准确性难以实时校验,收益在于可及性与连续性的提升。如何在两者之间划定边界,是当前多数医疗系统最棘手的管理课题。
中小机构的投资困境
Perry 明确点出财务成本压力是 AI 普及的现实障碍,对规模较小的医疗系统尤甚。这一结构性矛盾值得注意:大型系统有能力自建平台、组建数据治理团队并与模型供应商谈判,而中小型医院与社区照护机构往往只能在有限预算内选择现成产品,缺乏对模型行为的独立评估能力。结果可能是技术鸿沟转化为质量鸿沟,进而拉大不同地区患者所获得的服务水平差距。
iaica.com.cn 认为,AI 在照护场景的价值实现,最终取决于数据治理、临床验证与人员培训三条基础工程的同步推进,而非单一模型的性能指标。
接下来的观察窗口
按照公开安排,Perry 将在拉斯维加斯举行的 HLTH 数字健康大会上参与专题讨论,会议时间为 11 月 15 日至 18 日,议题聚焦行业逆风。这也为观察 AI 医疗投资节奏提供了一个窗口:在资本趋于谨慎、监管路径尚未完全清晰的阶段,头部系统的表态往往会被中小机构视为风向标。
可预期的演进方向包括:面向临床文档与环境记录的自动化工具继续渗透;面向患者的导航与分诊助手在严格边界内扩展;以及围绕模型输出可追溯性的治理工具成为采购标配。对管理者而言,真正的考验不是是否采用 AI,而是如何在成本约束下把有限投入配置到风险可控、收益可验证的环节——这既是技术问题,也是组织能力问题。
评论
0 条登录后才可以发表评论。
立即登录